[发明专利]一种云边协同管控系统及方法

权利要求书

1.一种云边协同管控系统，其特征在于，包括管控系统、云服务平台、终端设备、多个边缘处理系统；

所述管控系统，用于实时监测所述云处理平台与所述边缘处理系统的计算资源；并接收所述终端设备提交的任务处理请求；并根据所述计算资源和所述任务处理请求分配处理任务给所述云处理平台与所述边缘处理系统；

所述云服务平台，用于调用深度学习模型执行所述管控系统分配的处理任务，并将处理结果反馈给所述管控系统；

所述边缘处理系统，用于调用深度学习模型执行所述管控系统分配的处理任务，并将处理结果反馈给所述管控系统；

所述终端设备，用于接收所述管控系统转发的处理结果，并对处理结果进行显示。

2.根据权利要求1所述云边协同管控系统，其特征在于，所述计算资源包括CPU和GPU的占用率；

其中，若与所述终端设备最近的边缘处理系统的CPU占用率小于预设占用率阈值或GPU占用率小于预设占用率阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；

其中，若与所述终端设备最近的边缘处理系统的CPU占用率大于等于预设占用率阈值或GPU占用率大于等于预设占用率阈值，则分配处理任务给云处理平台。

3.根据权利要求2所述云边协同管控系统，其特征在于，所述管控系统还用于计算所述任务处理请求的任务复杂度；

其中，若任务复杂度小于预设复杂度阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；

其中，若任务复杂度大于等于预设复杂度阈值，则分配处理任务给云处理平台。

4.一种云边协同管控方法，其特征在于，其基于权利要求1所述的系统实现，包括如下步骤：

终端设备提交任务处理请求至管控系统；

管控系统实时监测云处理平台与边缘处理系统的计算资源；并接收所述终端设备提交的任务处理请求；并根据所述计算资源和所述任务处理请求分配处理任务给所述云处理平台与所述边缘处理系统；

云服务平台调用深度学习模型执行管控系统分配的处理任务，并将处理结果反馈给管控系统，管控系统将处理结果转发给终端设备；

边缘处理系统调用深度学习模型执行管控系统分配的处理任务，并将处理结果反馈给管控系统，管控系统将处理结果转发给终端设备；

终端设备接收管控系统转发的处理结果，并对处理结果进行显示。

5.根据权利要求4所述的云边协同管控方法，其特征在于，所述计算资源包括CPU和GPU的占用率；

其中，所述根据所述计算资源和所述任务处理请求分配处理任务给所述云处理平台与所述边缘处理系统，包括：

若与所述终端设备最近的边缘处理系统的CPU占用率小于预设占用率阈值或GPU占用率小于预设占用率阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；

若与所述终端设备最近的边缘处理系统的CPU占用率大于等于预设占用率阈值或GPU占用率大于等于预设占用率阈值，则分配处理任务给云处理平台。

6.根据权利要求5所述云边协同管控方法，其特征在于，所述方法还包括：

管控系统计算所述任务处理请求的任务复杂度；若任务复杂度小于预设复杂度阈值，则分配处理任务给与所述终端设备最近的边缘处理系统；若任务复杂度大于等于预设复杂度阈值，则分配处理任务给云处理平台。

7.根据权利要求6所述云边协同管控方法，其特征在于，所述方法还包括：

终端设备接收用户输入的反馈信息，当所述反馈信息为处理结果正确，且需要进行维护处理时，生成维护信息，并将维护信息发送给维护人员的移动终端以告知维护人员进行处理；当所述反馈信息为处理结果错误时，将所述反馈信息发送给处理任务的边缘处理系统或云处理平台；

边缘处理系统或云处理平台接收到所述反馈信息时，进行学习以更新深度学习模型的模型参数，并重新执行管控系统分配的处理任务。