[发明专利]一种嵌入式产品AI模型的自适应加载方法

说明书

一种嵌入式产品AI模型的自适应加载方法，对嵌入式产品的微处理器进行分区结构，将不同区域装载不同的AI模型，设置周期性定时任务1，使嵌入式产品的微处理器对设备参数以及工作环境进行自检，通过参数的变化，来选择不同的AI模型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至服务器端，服务器端通过分析参数，在服务器端重新训练一套可适应环境变化的嵌入式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；可动态的调整微处理器在不同工作环境下执行不同的AI模型，以适应不同的工作需求。本发明减少了产品的维护成本、提高了环境自适应性。

技术领域

本发明涉及嵌入式系统技术领域，具体涉及一种嵌入式产品AI模型的自适应加载方法。

背景技术

对于嵌入式系统而言，由于系统功耗、系统实时性以及硬件存储空间的限制，都要求嵌入式系统被设计为特定环境下所专用的系统。随着各种智能家居和廉价微处理器的出现，科技发展的步伐不断加快，人们对于万物实现智能化的需求日益强烈，这就意味着嵌入式系统领域也需要加入智能化等元素，进而适应物联网环境下对于嵌入式系统的新需求。

现有的部分基于AI的嵌入式产品主要是静态部署神经网络模型，模型写入之后就不再替换。产品在使用之初，写入的模型是符合生产需要，但久而久之，随着工作环境和设备的老化，存在于设备中的AI模型不在有益于生产需求，反之设备因为加载冗余的AI模型导致设备的执行效率进一步下降。

特别是工业上的嵌入式设备，设备运行压力大，如常见工业上的电磁流量计等，对于精度的要求非常高，带有腐蚀性、磨蚀性的液体、温度、流量压力、以及磁场等都会导致精度的下降。如果在这种恶劣的工作环境下，给设备嵌入静态的AI模型，很容易就会因为突变环境造成AI模型输出准确率下降，进而导致设备的采集精度下滑。

发明内容

针对上述提出的现有嵌入式产品内嵌的AI模型为静态模型，固定即无法更改，静态的模型无法适应工作环境多变的嵌入式产品的技术问题，本技术方案提供了一种嵌入式产品AI模型的自适应加载方法，通过周期轮询监控设备情况，动态调整AI模型的策略，保证产品在突变环境以及使用磨损后仍能通过可变的AI模型使之继续发挥职能，减少了产品的维护成本、提高了环境自适应性；能有效的解决上述问题。

本发明通过以下技术方案实现：

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。

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。

进一步的，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。