CN110501952A - 一种高效专业信息采集设备及管理方法 - Google Patents

一种高效专业信息采集设备及管理方法 Download PDF

Info

Publication number
CN110501952A
CN110501952A CN201910816552.2A CN201910816552A CN110501952A CN 110501952 A CN110501952 A CN 110501952A CN 201910816552 A CN201910816552 A CN 201910816552A CN 110501952 A CN110501952 A CN 110501952A
Authority
CN
China
Prior art keywords
data
unit
chip microcontroller
information
wireless communication
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910816552.2A
Other languages
English (en)
Other versions
CN110501952B (zh
Inventor
李伟娟
尹友
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yellow River Conservancy Technical Institute
Original Assignee
Yellow River Conservancy Technical Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yellow River Conservancy Technical Institute filed Critical Yellow River Conservancy Technical Institute
Priority to CN201910816552.2A priority Critical patent/CN110501952B/zh
Publication of CN110501952A publication Critical patent/CN110501952A/zh
Application granted granted Critical
Publication of CN110501952B publication Critical patent/CN110501952B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24215—Scada supervisory control and data acquisition

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明公开了一种高效专业信息采集设备，其中的设备包括服务端、采集端，所述的采集端与服务端电连接；所述的采集端包括单片机、无线通信单元、配置通信单元、第一存储单元、第二存储单元、采集单元，其中的无线通信单元、配置通信单元、第一存储单元、第二存储单元、采集单元均与单片机电连接，服务端通过无线通信单元与单片机电连接。本发明还公开了一种高效专业信息采集管理方法，本发明的采集端在信息现场采集信息交付给服务端，由服务端存储管理信息并可以改善采集信息的具体手段，具体是通过不断优化信息采集的数据结构来优化数据的采集。

Description

一种高效专业信息采集设备及管理方法
技术领域
本发明属于信息采集领域，具体涉及一种高效专业信息采集设备及管理方法。
背景技术
一般地，在大数据研究中信息采集是采集大量非结构化信息并存储为结构化的信息，传统的技术中信息采集一般使用直接的数据组结构或常见的结构对信息进行记录，或者不采用特别的数据组结构而是使用杂乱的方式记录，实际上这种方式下信息采集的效率很低，然而，一般在信息采集前期也不容易确定一种较好或最好的数据组结构来对信息进行记录。
发明内容
为了克服现有的技术存在的不足,本发明提供一种高效专业信息采集设备及管理方法。本发明解决其技术问题所采用的技术方案是：
一种高效专业信息采集设备包括服务端、采集端，所述的采集端与服务端电连接；所述的采集端包括单片机、无线通信单元、配置通信单元、第一存储单元、第二存储单元、采集单元，其中的无线通信单元、配置通信单元、第一存储单元、第二存储单元、采集单元均与单片机电连接，服务端通过无线通信单元与单片机电连接。
进一步，所述的采集端与服务端无线电连接，所述的单片机是stm32单片机，所述的无线通信单元包括无线通信模块，所述第一存储单元为闪存存储器，所述的第二存储单元为带电可擦可编程只读存储器，所述的配置通信单元采用串口通信模块，所述的采集单元包括传感器接口。
进一步，所述的服务端包括管理数据库、迭代分析单元、设置单元、传输单元，管理数据库、迭代分析单元、设置单元、传输单元之间相互连接；管理数据库，用于从传输单元获取数据后自行分类存储，还用于提供访问端以其他单元或进程访问；迭代分析单元，用于获取采集信息并分配为两个相邻时间周期的数据组，以其中的时间在先的数据组作为变量按照预测规则计算一个可能数据组并且将可能数据组与时间在后的数据组对比求差，然后判断该差值是否大于阈值；设置单元，用于发送新的设置信息到单片机；传输单元，用于获取设置单元的数据后传输给无线通信单元并且由无线通信单元交付给单片机，还用于从无线通信单元获取数据后交付给迭代分析单元，还用于从无线通信单元获取数据后交付给管理数据库。
进一步，所述设置单元所发送的设置信息包括地址字段、数据组数据类型字段、标记字段和预留字段；其中的地址字段用于确保信息发送到单片机并正常解码，其中的数据组数据类型字段用于改变原有的单片机采集信息的数据结构并在后续应用中实时改变；其中的标记字段用于记录数据组数据类型字段的相关配置信息，其中的预留字段用于提供预留空间用于开发扩展。
一种高效专业信息采集设备管理方法包括步骤：
S1.在单片机内部设置数据采集的数据组结构，单片机上电后工作并按照设定的数据组结构缓存采集单元的数据，然后将上述数据发送给无线通信单元；
S2.无线通信单元将数据组结构数据发送给服务端的传输单元，传输单元将上述数据组结构数据给迭代分析单元、管理数据库；
S3.管理数据库，从传输单元获取数据后自行分类存储；
S4.迭代分析单元，获取数据组结构数据并分配为两个相邻时间周期的数据组，以其中的时间在先的数据组作为变量按照预测规则计算一个可能数据组并且将可能数据组与时间在后的数据组对比求差，然后判断该差值是否大于阈值；
S5.当差值大于阈值时，迭代分析单元提供一种设置信息发送命令给设置单元；
S6.设置单元提供一种新的设置信息发送给传输单元，传输单元交付给采集端的无线通信单元，无线通信单元再交付给单片机，由单片机自行完成新的设置并改变后续数据采集的数据结构类型；S7.重复S1-S6。
进一步，所述的迭代分析单元，以其中的时间在先的数据组作为变量按照预测规则计算，其中的计算依据采用深度学习算法访问管理数据库进行迭代学习，且学习待预测数据与时间参量相关的特征，并且按照上述特征计算。
进一步，所述的单片机自行完成新的设置并改变后续数据采集的数据结构类型具体是将上述的设置信息编码成对应单片机特定的烧录程序及对应的比特流，然后由单片机自行烧录并完成改变数据采集的数据结构类型。
有益效果
本发明的采集端在信息现场采集信息交付给服务端，由服务端存储管理信息并可以改善采集信息的具体手段，具体是通过不断优化信息采集的数据结构来优化数据的采集；具体地，通过这种方式就可以不断优化采集端的单片机在信息采集时应用的数据结构类型，所采集的信息更加具有代表性和实际的意义，实际上可以提高数据采集的效率和专业性，减少数据筛选弃去比例。另外，本发明实施效果明显且设计巧妙，在相关领域具有独创性，并可以为后续相关的研究提供技术基础。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明设备的一种实施例框架图；
图2是本发明设备中服务端的一种实施例框图；
图3是本发明方法的一种实施例流程图。
具体实施方式
具体实施中，如图1所示，一种高效专业信息采集设备的实施例，其包括服务端、采集端，所述的采集端与服务端电连接；所述的采集端包括单片机、无线通信单元、配置通信单元、第一存储单元、第二存储单元、采集单元，其中的无线通信单元、配置通信单元、第一存储单元、第二存储单元、采集单元均与单片机电连接，服务端通过无线通信单元与单片机电连接；实施中服务端采用在线服务器或实体的PC、服务器，采集端是在信息现场采集信息的实体设备，该实施中主要通过采集端采集信息后交付给服务端，由服务端存储管理信息并改善采集信息的具体手段。
在一个具体的实施中，所述的采集端与服务端无线电连接，所述的单片机是stm32单片机，stm32单片机具有较强的数字处理功能，其特点是内核：ARM32位Cortex-M3 CPU，最高工作频率72MHz，1.25DMIPS/MHz；单周期乘法和硬件除法。所述的无线通信单元包括无线通信模块，无线通信模块包括无线网接收器，通过无线网接收器，单片机可通过3G/4G/蓝牙或其他无线方式与服务端的传输单元通信；所述第一存储单元为闪存存储器，所述的第二存储单元为带电可擦可编程只读存储器，数据的采集中数据结构提前设置被保存在带电可擦可编程只读存储器中，中间需要改变的信息(无线通信单元接收的信息)信息保存在闪存存储器和单片机内，当改变信息作为烧录程序对单片机执行后，上述的信息还可以自动到带电可擦可编程只读存储器，并且覆盖原有的信息。所述的配置通信单元采用串口通信模块，串口通信可以采用RS-232或RS-485模块，所述的采集单元包括传感器接口，传感器接口用于连接各种传感器并收集传感器信号，该传感器信号则是采集信息的源头，另外在一种其他实施中传感器接口也可以替换为通用的数据采集口。
如图2所示，所述的服务端包括管理数据库、迭代分析单元、设置单元、传输单元，管理数据库、迭代分析单元、设置单元、传输单元之间相互连接；其中的管理数据库，用于从传输单元获取数据后自行分类存储，还用于提供访问端以其他单元或进程访问；迭代分析单元，用于获取采集信息并分配为两个相邻时间周期的数据组，以其中的时间在先的数据组作为变量按照预测规则计算一个可能数据组并且将可能数据组与时间在后的数据组对比求差，然后判断该差值是否大于阈值；设置单元，用于发送新的设置信息到单片机，传输单元，用于获取设置单元的数据后传输给无线通信单元并且由无线通信单元交付给单片机，还用于从无线通信单元获取数据后交付给迭代分析单元，还用于从无线通信单元获取数据后交付给管理数据库；所述设置单元所发送的设置信息包括地址字段、数据组数据类型字段、标记字段和预留字段；其中的地址字段用于确保信息发送到单片机并正常解码，其中的数据组数据类型字段用于改变原有的单片机采集信息的数据结构并在后续应用中实时改变；其中的标记字段用于记录数据组数据类型字段的相关配置信息，其中的预留字段用于提供预留空间用于开发扩展。其中的设置单元发送新的设置信息到单片机对单片机重新进行配置，其目的是改变单片机获取采集信息的数据结构类型，当然这种改变后的数据结构类型也是通过迭代分析单元及设置单元通过计算后获得的并且是理论上优于原有的数据结构类型的(实际则要通过后续的迭代分析单元计算获取)，通过这种方式就可以不断优化单片机在信息采集时应用的数据结构类型，所采集的信息更加具有代表性和实际的意义，实际上可以提高数据采集的效率和专业性，减少数据筛选弃去比例。
具体实施中，本发明还公开了一种高效专业信息采集管理方法，如图3所示，其包括步骤：
S1.在单片机内部设置数据采集的数据组结构，单片机上电后工作并按照设定的数据组结构缓存采集单元的数据，然后将上述数据发送给无线通信单元；
S2.无线通信单元将数据组结构数据发送给服务端的传输单元，传输单元将上述数据组结构数据给迭代分析单元、管理数据库；
S3.管理数据库，从传输单元获取数据后自行分类存储；
S4.迭代分析单元，获取数据组结构数据并分配为两个相邻时间周期的数据组，以其中的时间在先的数据组作为变量按照预测规则计算一个可能数据组并且将可能数据组与时间在后的数据组对比求差，然后判断该差值是否大于阈值；
S5.当差值大于阈值时，迭代分析单元提供一种设置信息发送命令给设置单元；
S6.设置单元提供一种新的设置信息发送给传输单元，传输单元交付给采集端的无线通信单元，无线通信单元再交付给单片机，由单片机自行完成新的设置并改变后续数据采集的数据结构类型；
S7.重复S1-S6；具体实施中，该方法的目的在于将采集的信息存储在管理数据库，并且通过管理数据库迭代运算后再判断并改变后续数据采集的数据结构，不断优化数据结构的同时也不断优化了管理数据库的数据。
实施中，所述的迭代分析单元，以其中的时间在先的数据组作为变量按照预测规则计算，其中的计算依据采用深度学习算法访问管理数据库进行迭代学习，且学习待预测数据与时间参量相关的特征，并且按照上述特征计算；深度学习是学习样本数据的内在规律和表示层次，它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，其主要是通过学习获得变量之间的特征，然后通过特征去识别信息(预测数据)，实施中，本发明主要是识别的数据结构的特征，在具体中可以选择一种成熟的卷积神经网络模型(主要学习图像特征)，其中将数据结构的变量表示通过函数转换为矩阵类型的变量(与图像特征统一)，然后就可以便于使用卷积神经网络模型实现数据特征的学习和识别。
实施中，所述的单片机自行完成新的设置并改变后续数据采集的数据结构类型具体是将上述的设置信息编码成对应单片机特定的烧录程序及对应的比特流，然后由单片机自行烧录并完成改变数据采集的数据结构类型。
本实施例的各个功能单元，可以由专用的电路或芯片构成，也可以通过计算机(处理器)执行相应的程序来实现。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (7)

1.一种高效专业信息采集设备，其特征在于，包括服务端、采集端，所述的采集端与服务端电连接；所述的采集端包括单片机、无线通信单元、配置通信单元、第一存储单元、第二存储单元、采集单元，其中的无线通信单元、配置通信单元、第一存储单元、第二存储单元、采集单元均与单片机电连接，服务端通过无线通信单元与单片机电连接。
2.根据权利要求1所述的一种高效专业信息采集设备，其特征在于，所述的采集端与服务端无线电连接，所述的单片机是stm32单片机，所述的无线通信单元包括无线通信模块，所述第一存储单元为闪存存储器，所述的第二存储单元为带电可擦可编程只读存储器，所述的配置通信单元采用串口通信模块，所述的采集单元包括传感器接口。
3.根据权利要求1所述的一种高效专业信息采集设备，其特征在于，所述的服务端包括管理数据库、迭代分析单元、设置单元、传输单元，管理数据库、迭代分析单元、设置单元、传输单元之间相互连接；
管理数据库，用于从传输单元获取数据后自行分类存储，还用于提供访问端以其他单元或进程访问；
迭代分析单元，用于获取采集信息并分配为两个相邻时间周期的数据组，以其中的时间在先的数据组作为变量按照预测规则计算一个可能数据组并且将可能数据组与时间在后的数据组对比求差，然后判断该差值是否大于阈值；
设置单元，用于发送新的设置信息到单片机；
传输单元，用于获取设置单元的数据后传输给无线通信单元并且由无线通信单元交付给单片机，还用于从无线通信单元获取数据后交付给迭代分析单元，还用于从无线通信单元获取数据后交付给管理数据库。
4.根据权利要求3所述的一种高效专业信息采集设备，其特征在于，所述设置单元所发送的设置信息包括地址字段、数据组数据类型字段、标记字段和预留字段；其中的地址字段用于确保信息发送到单片机并正常解码，其中的数据组数据类型字段用于改变原有的单片机采集信息的数据结构并在后续应用中实时改变；其中的标记字段用于记录数据组数据类型字段的相关配置信息，其中的预留字段用于提供预留空间用于开发扩展。
5.利用权利要求1所述设备的一种高效专业信息采集管理方法，其特征在于，包括步骤：
S1.在单片机内部设置数据采集的数据组结构，单片机上电后工作并按照设定的数据组结构缓存采集单元的数据，然后将上述数据发送给无线通信单元；
S2.无线通信单元将数据组结构数据发送给服务端的传输单元，传输单元将上述数据组结构数据给迭代分析单元、管理数据库；
S3.管理数据库，从传输单元获取数据后自行分类存储；
S4.迭代分析单元，获取数据组结构数据并分配为两个相邻时间周期的数据组，以其中的时间在先的数据组作为变量按照预测规则计算一个可能数据组并且将可能数据组与时间在后的数据组对比求差，然后判断该差值是否大于阈值；
S5.当差值大于阈值时，迭代分析单元提供一种设置信息发送命令给设置单元；
S6.设置单元提供一种新的设置信息发送给传输单元，传输单元交付给采集端的无线通信单元，无线通信单元再交付给单片机，由单片机自行完成新的设置并改变后续数据采集的数据结构类型；
S7.重复S1-S6。
6.根据权利要求5所述的一种高效专业信息采集管理方法，其特征在于，所述的迭代分析单元，以其中的时间在先的数据组作为变量按照预测规则计算，其中的计算依据采用深度学习算法访问管理数据库进行迭代学习，且学习待预测数据与时间参量相关的特征，并且按照上述特征计算。
7.根据权利要求5所述的一种高效专业信息采集管理方法，其特征在于，所述的单片机自行完成新的设置并改变后续数据采集的数据结构类型具体是将上述的设置信息编码成对应单片机特定的烧录程序及对应的比特流，然后由单片机自行烧录并完成改变数据采集的数据结构类型。
CN201910816552.2A 2019-08-30 2019-08-30 一种信息采集设备及管理方法 Active CN110501952B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910816552.2A CN110501952B (zh) 2019-08-30 2019-08-30 一种信息采集设备及管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910816552.2A CN110501952B (zh) 2019-08-30 2019-08-30 一种信息采集设备及管理方法

Publications (2)

Publication Number Publication Date
CN110501952A true CN110501952A (zh) 2019-11-26
CN110501952B CN110501952B (zh) 2021-03-19

Family

ID=68590789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910816552.2A Active CN110501952B (zh) 2019-08-30 2019-08-30 一种信息采集设备及管理方法

Country Status (1)

Country Link
CN (1) CN110501952B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105794156A (zh) * 2013-11-27 2016-07-20 日本电气株式会社 通信系统、通信方法、网络信息组合装置以及网络信息组合程序
CN107102969A (zh) * 2017-04-28 2017-08-29 湘潭大学 一种时间序列数据的预测方法和系统
CN208027434U (zh) * 2018-02-09 2018-10-30 深圳华龙讯达信息技术股份有限公司 信息采集设备和车辆信息管理系统
WO2019045117A1 (ja) * 2017-09-04 2019-03-07 株式会社Ｈｅｒｐ 応募者情報収集システムの管理装置および管理用プログラム
CN110113183A (zh) * 2019-04-10 2019-08-09 深圳市飞比电子科技有限公司 固件更新方法、装置、物联网系统、电子设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105794156A (zh) * 2013-11-27 2016-07-20 日本电气株式会社 通信系统、通信方法、网络信息组合装置以及网络信息组合程序
CN107102969A (zh) * 2017-04-28 2017-08-29 湘潭大学 一种时间序列数据的预测方法和系统
WO2019045117A1 (ja) * 2017-09-04 2019-03-07 株式会社Ｈｅｒｐ 応募者情報収集システムの管理装置および管理用プログラム
CN208027434U (zh) * 2018-02-09 2018-10-30 深圳华龙讯达信息技术股份有限公司 信息采集设备和车辆信息管理系统
CN110113183A (zh) * 2019-04-10 2019-08-09 深圳市飞比电子科技有限公司 固件更新方法、装置、物联网系统、电子设备及存储介质

Also Published As

Publication number Publication date
CN110501952B (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
Li et al. An energy-efficient data collection scheme using denoising autoencoder in wireless sensor networks
TWI393376B (zh) 資料傳輸方法
Zinonos et al. Grape leaf diseases identification system using convolutional neural networks and Lora technology
Zhu et al. Emergent technologies in big data sensing: a survey
US11729286B2 (en) Feature-based network embedding
CN107368534A (zh) 一种预测社交网络用户属性的方法
Ding et al. HYBRID‐CNN: An Efficient Scheme for Abnormal Flow Detection in the SDN‐Based Smart Grid
Shen et al. Efficient fine-grained website fingerprinting via encrypted traffic analysis with deep learning
Perifanis et al. Federated learning for 5G base station traffic forecasting
CN106250712A (zh) 一种基于增量式神经网络模型的输尿管结石预测方法和预测系统
CN107545904A (zh) 一种音频检测方法及装置
CN114222202A (zh) 一种基于WiFi CSI的环境自适应活动检测方法及系统
Zoumboulakis et al. Complex event detection in extremely resource-constrained wireless sensor networks
CN113037872B (zh) 一种基于物联网多级边缘节点的缓存和预取方法
Wu et al. Semantic transfer between different tasks in the semantic communication system
CN105447148B (zh) 一种Cookie标识关联方法及装置
Xie et al. Deep adversarial tensor completion for accurate network traffic measurement
Ma et al. A Multi-Perspective Feature Approach to Few-Shot Classification of IoT Traffic
Hussein et al. A distributed prediction–compression-based mechanism for energy saving in IoT networks
CN110501952A (zh) 一种高效专业信息采集设备及管理方法
CN109473180A (zh) 一种基于b/s架构的疾控机构信息系统
CN109858510A (zh) 一种针对HTTP协议ETag值隐蔽通信的检测方法
Sang et al. Toward IoT device fingerprinting from proprietary protocol traffic via key-blocks aware approach
CN109639452A (zh) 社交关系模型训练方法、装置、服务器及存储介质
CN115063795A (zh) 一种尿沉渣分类检测方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant