[发明专利]一种嵌入式产品AI模型的自适应加载方法

权利要求书

1.一种嵌入式产品AI模型的自适应加载方法，硬件设备包括：安装在现场具有AI模型的嵌入式产品，以及具有数据分析、程序下载及模型训练的服务器端；所述的嵌入式产品包含以太网接口、环境检测模块、辅助电源和大容量数据存储区；其特征在于：

所述的自适应加载方法是：

在嵌入式产品的微处理器上采用特殊的分区方式进行分区，不同的区域装载不同的AI模型，通过在微处理器内部配置的定时器任务1，使嵌入式产品的微处理器周期性的自检设备的工作参数，根据参数的变化，再通过比对内部区域存放的AI模型，选择最优的AI模型参与程序执行，适应当前的工作环境及设备参数；

并设置周期性定时任务2，周期性上传设备信息及工作环境参数，通过网络通信的方式将数据发送至服务器端，服务器端接收到数据后，通过分析参数，与之前上传的数据进行对比分析，在服务器端重新训练一套可适应当前参数的嵌入式AI模型，并通过网络通信的方式，将新的AI模型参数更新到嵌入式产品中；替换掉已经无法满足微处理器工作的AI模型。

2.根据权利要求1所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述的嵌入式产品是基于Cortex-M4内核的ARM系列处理器；所述的以太网接口是48引脚的DP83848物理层以太网芯片，该芯片传输速率为100Mbps；所述的环境检测模块包括温湿度检测单元、流量检测单元、压力检测单元、信号转换模块以及电压检测装置，通过上述检测部分周期性的获取设备参数；所述的辅助电源为10法拉的法拉电容；所述的大容量数据存储区为512K的RAM和1MB的ROM存储空间。

3.根据权利要求2所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述的特殊的分区方式是对处理器的ROM存储区采用4段分区方式；其中区域1为BOOT区，存放硬件的以太网驱动程序；区域2为Command区，存放设备不同工作状态下执行的命令参数；区域3为APP区，存放真正运行的应用程序；区域4存放训练好的AI模型。

4.根据权利要求2所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述的定时器任务1是通过ARM系列处理器的通用定时器Timer1配置一个定时周期为60s的自检任务；通过微处理器搭载的环境检测模块，实时的分析当前工作环境状况，通过分析环境数据，处理器自主选择存放在区域4中适合当前环境参数的AI模型。

5.根据权利要求2所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述的定时器任务2是ARM系列处理器的通用定时器Timer2配置一个定时周期为120s的数据上传任务；所述的设备信息包括器件型号、温度、压力、开关电源电压影响设备运行精度和能耗的物理参数；所述的器件型号为处理器出厂的唯一ID号；当产品中存储的AI模型已经无法满足产品的正常需要，可通过定时器任务2收集到的设备信息及工作环境参数上传给服务器端，服务器端根据设备信息，训练符合当前设备状态的新的AI模型，重新写入微处理器的区域4中。

6.根据权利要求1所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述服务器端重新训练的AI模型，是通过微处理器的以太网功能进行下发的，AI模型的分帧传输方案包括128字节的起始帧、1K字节的数据帧和128字节的终止帧。

7.根据权利要求6所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述的起始帧由起始帧标识、起始帧号、帧号反码、待升级文件名、文件大小、传输总帧数，以及CRC校验值组成；所述数据帧由数据帧标识、数据帧号、帧号反码、1K数据字节，以及CRC校验值组成；所述终止帧由终止帧标识、终止帧号、帧号反码、填充数据(0x00)，以及CRC校验值组成。

8.根据权利要求1所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述将新的AI模型参数更新到嵌入式产品中之前，原有的AI模型备份到RAM中暂存。

9.根据权利要求1-8任一项所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：AI模型自适应加载方法的具体流程的操作步骤包括：

步骤1：设备上电，对微处理器的ROM进行特殊分区，设置中断向量表的起始偏移；

步骤2：应用程序从向量表起始偏移地址处开始运行main函数；

步骤3：设备默认加载保存的水环境AI模型；

步骤4：配置timer1为60s的周期自检任务，配置timer2为120s的周期上传任务；

步骤5：程序进入while循环，60s的自检任务延时时间到达，判断正在运行的水环境模型能否满足当前管道中流经的液体，若满足继续步骤6，若检测流体受电极水垢干扰，则加载电极干扰模型，继续步骤6，若流体测量不受电极水垢干扰，判断是否为导电颗粒流体，若是加载导电颗粒模型。若三者都不是，则加载其中较合适模型运行；

步骤6：恢复自检任务计数初值，等待120s的上传任务，延时时间到达，通过上传检测单元采集的环境数据和产品物理参数数据给服务器的PC端，在服务端对比分析之前的设备信息，重新在服务端训练符合当前参数的AI模型，将模型参数通过网络传输写回处理器的指定存储位置。同时切换新加载的AI模型为当前程序运行的AI模型；

步骤7：恢复上传任务计数初值，处理流量计其余业务，返回步骤5。