[发明专利]一种基于机器学习的传感器在线训练系统和方法

说明书

本发明公开了一种基于机器学习的传感器在线训练系统和方法，包括传感器、数据采集模块、人机交互设备、智能手机端应用、数据采集模块软件和云端服务器软件，数据采集模块分别从传感器和人机交互设备处获取原始数据和实际测量值，并通过网络上传到云端服务器，云端服务器提取属于同一个传感器的训练数据库中的所有数据进行模型训练，并将训练完成的新算法下载到数据采集模块，数据采集模块将新算法更新到传感器，本发明利用机器学习技术使得传感器算法在全生命周期中保持不断地改进，从而使传感器能最大限度的适应现场不同的工况，稳定可靠的完成各种复杂应用场景下的监测工作，达到了一个全局优化的效果。

技术领域

本发明涉及物联网技术领域，具体为一种基于机器学习的传感器在线训练系统和方法。

背景技术

机器学习技术利用大数据和卷积神经网络算法在图像识别、自然语言识别等领域获得了巨大的成功，工业界也在不断地尝试将机器学习算法应用到在线传感器设备上，来应对复杂的应用环境，比如废水监测领域等。

传统监测领域仍存在以下诸多不足：工程师根据行业知识和自身经验设计传感器软件，但是仅凭经验完成的软件算法只能适应部分应用场景，当监测一个复杂对象时，现场环境和被监测对象很容易发生变化，而且受项目时间和成本的限制，工程师往往只能采集到现场部分工况的原始数据来训练算法，所以传统方式设计的软件注定无法稳定可靠的完成监测工作。

基于上述问题，亟待提出一种基于机器学习的传感器在线训练系统和方法，利用机器学习大量采集复杂应用场景下传感器的原始数据和对应工况下的实际测量值，通过海量数据来训练卷积神经网络模型，得到与当前复杂应用场景相匹配的一套算法，然后将算法嵌入到传感器的软件中，使得传感器算法在全生命周期中保持不断地改进，从而使传感器能最大限度的适应现场不同的工况，稳定可靠的完成复杂应用场景下的监测工作，达到一个全局优化的效果。

发明内容

本发明的目的在于提供一种基于机器学习的传感器在线训练系统和方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于机器学习的传感器在线训练系统，包括硬件和软件，所述硬件包括传感器、数据采集模块和人机交互设备，所述软件包括智能手机端应用、数据采集模块软件和云端服务器软件，所述传感器与数据采集模块连接，所述智能手机端应用允许用户输入被测目标的测量值，所述数据采集模块软件包括采集单元、上传单元和部署单元，所述采集单元负责从传感器获取原始数据，所述上传单元负责将数据上传到云端服务器，所述部署单元负责将从云端服务器接收到的算法参数更新到传感器，所述云端服务器软件包括数据接收单元、模型训练单元和数据发送单元，所述数据接收单元通过网络接收并把原始数据保存到对应数据库，所述模型训练单元利用不断更新的传感器原始数据来训练模型参数，所述数据发送单元将经过训练的算法参数通过网络下载到数据采集模块。

进一步的，所述传感器与数据采集模块连接方式包括以太网和RS-485总线，所述数据采集模块附带4G/5G网络通信功能和Wi-Fi功能，保证了数据获取的实时性。

进一步的，所述数据采集模块从传感器获取原始数据，并通过网络将其上传到云端服务器，最后将新的模型参数更新到在线传感器的步骤如下：

a：数据采集模块获取在线传感器原始数据；

b：数据采集模块为采集到的原始数据增加时间戳信息；

c：判断此时的网络是否正常，如果正常转步骤d，否则直接将数据保存到本地数据库，并转回步骤a；

d：通过网络将步骤b里已增加时间戳信息的原始数据上传到云端服务器；

e：判断从云端服务器是否接收到新的模型参数，若接收到新的模型参数，则转步骤f，否则转回步骤a；