[发明专利]系统和边缘设备

说明书

公开了系统和边缘设备。系统包括一个或多个边缘设备以及被配置为管理一个或多个边缘设备的集成管理装置。边缘设备包括光电检测器。集成管理装置对第一训练模型和第一条件彼此关联地管理。第一条件设定在生成第一训练模型中使用的光电检测器的条件。集成管理装置被配置为将第一训练模型和第一条件传递到边缘设备。

技术领域

本发明涉及系统和边缘设备。

背景技术

在各种技术领域中使用了使用机器学习和深度学习的图像识别和分类处理。美国专利申请公开No.2019/0278640讨论了用于在容器(container)中管理用于机器学习的算法数据(训练模型)以及传递算法数据的存储库服务。

在美国专利申请公开No.2019/0278640中描述的管理系统中，通过提供用于机器学习的存储库服务使机器学习的操作容易。但是，在使用各自包括光电检测器的一个或多个边缘设备的情况下，在各个边缘设备中设定的条件可能变化。考虑到将数据传递到边缘设备，存在由于在各个边缘设备中设定的变化条件而不能实现期望的推理精度的可能性。

发明内容

本公开的一个方面是提高边缘设备中的推理精度。在实施例中，一种系统包括：一个或多个边缘设备；以及被配置为管理一个或多个边缘设备的集成管理装置，其中，边缘设备包括光电检测器，其中，集成管理装置对第一训练模型和第一条件彼此关联地管理，第一条件设定在生成第一训练模型时使用的光电检测器的条件，并且其中，集成管理装置被配置为将第一训练模型和第一条件传递到边缘设备。

在另一个实施例中，一种系统包括：两个或更多个边缘设备；以及被配置为管理两个或更多个边缘设备的集成管理装置，其中，边缘设备包括光电检测器，并且其中，集成管理装置对第一训练模型和第一条件彼此关联地管理，第一条件设定在生成第一训练模型时使用的光电检测器的条件。

在又一个实施例中，一种边缘设备包括：光电检测器，其中，边缘设备被配置为接收被传递到边缘设备的第一训练模型和在生成第一训练模型时设定的条件。

通过以下参考附图对示例性实施例的描述，本发明的其它特征将变得清楚。

附图说明

图1是图示根据第一示例性实施例的边缘设备管理系统的框图。

图2A至图2F是图示第一示例性实施例和比较例的图。

图3是图示根据第一示例性实施例的操作的流程图。

图4图示根据第一示例性实施例的容器的示例。

图5是图示根据第二示例性实施例的边缘设备管理系统的框图。

图6是图示根据第三示例性实施例的边缘设备管理系统的框图。

图7是图示根据第四示例性实施例的边缘设备管理系统的框图。

图8是图示根据第五示例性实施例的应用的概念图。

图9是图示根据第一示例性实施例的容器的示例的图。

图10是图示根据第一示例性实施例的容器的其它示例的图。

图11是图示根据第一示例性实施例的向边缘设备部署的过程的示例的流程图。

具体实施方式

以下描述的示例性实施例旨在实施本发明的技术思想，而不是限制本发明。附图中所示的构件的尺寸及其之间的位置关系可能被夸大以使描述清楚。在以下描述中，相同的配置被分配相同的附图标记，并且将省略其重复描述。

在下面的描述中，在描述应用于类似的配置的情况下，将省略诸如a或b之类的附图标记的后缀。

(第一示例性实施例)