CN111722532A - 一种基于边缘计算技术的智慧教室控制方法及系统 - Google Patents
一种基于边缘计算技术的智慧教室控制方法及系统 Download PDFInfo
- Publication number
- CN111722532A CN111722532A CN202010604937.5A CN202010604937A CN111722532A CN 111722532 A CN111722532 A CN 111722532A CN 202010604937 A CN202010604937 A CN 202010604937A CN 111722532 A CN111722532 A CN 111722532A
- Authority
- CN
- China
- Prior art keywords
- classroom
- equipment
- personal
- data
- parameters
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005516 engineering process Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于边缘计算技术的智慧教室控制方法，包括部署用于教室设备控制的边缘计算控制系统；在所述边缘计算控制系统中建立教室设备模型和个人模型；获取用户操作数据，输入所述个人模型中学习得到个人操作习惯数据；获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号；本发明由边缘计算控制系统在边缘侧对教室设备进行控制，能够避免由于网络故障和校园中央服务系统故障导致的教室的设备无法正常操作的状况发生，能够减少每次课前重复的事务性设备调试时间，把有效的时间用于教学，提高教室设备的智能化控制，适于推广。
Description
技术领域
本发明涉及教室中央控制技术领域，具体而言，为一种基于边缘计算技术的智慧教室控制方法及系统。
背景技术
随着智慧地球、智慧城市等概念的提出和相关技术的蓬勃发展，充分利用传感技术、物联网技术、人工智能技术、多媒体技术、云计算技术等来装备教室和改善学习环境及建设智慧型教室成为必然的选择。
传统的智慧教室中央控制是由教室或中央系统发起控制请求，后由校园中央系统集中通过校园网络下发控制指令各教室的设备，由于控制流程单一并与完全依赖中央服务器的性能和校园网络的稳定性，因此不能有效的解决高效、流畅的现代化教学信息技术要求。
有鉴于此，特提出本发明。
发明内容
针对现有技术中的缺陷，本发明提供一种基于边缘计算技术的智慧教室控制方法及系统，以利于减少课前设备调试时间。
为实现上述目的，本发明的技术方案如下：
一种基于边缘计算技术的智慧教室控制方法，其特征在于，包括
S1.部署用于教室设备控制的边缘计算控制系统；
S2.在所述边缘计算控制系统中建立教室设备模型和个人模型；
S3.获取用户操作数据，输入所述个人模型中学习得到个人操作习惯数据；
S4.获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号。
进一步的，上述的基于边缘计算技术的智慧教室控制方法中，步骤S2.在所述边缘计算控制系统中建立教室设备模型和个人模型，包括：
所述教室设备模型用于对教室设备与各设备的功能和参数进行对应关联与存储；
所述个人模型采用深度学习神经网络模型，用于根据用户操作参数进行学习得到个人操作习惯参数。
进一步的，上述的基于边缘计算技术的智慧教室控制方法中，步骤S3.获取用户操作数据，输入所述个人模型中学习得到个人操作习惯数据，包括：
S31.获取用户身份数据；
S32.获取至少三次用户操作参数输入到个人模型中进行记录和计算，得到初步个人操作习惯数据；
S33.获取至少连续两次用户操作参数，输入到个人模型中进行该用户的初步个人操作习惯数据调整，得到最终个人操作习惯数据，对应该用户身份数据关联存储。
进一步的，上述的基于边缘计算技术的智慧教室控制方法中，步骤S4.获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号；包括：
S41.通过教室环境采集设备和/或教室设备，获取当前教室环境和/或设备参数；
S42.获取用户的身份数据进行识别验证，查找个人操作习惯数据；综合所述获取的当前教室环境和/或设备参数计算处理，得到当前教室设备的调节量数据；
S43.根据计算结果，向当前教室设备输出控制信号，执行相应的调节量。
进一步的，上述的基于边缘计算技术的智慧教室控制方法中，包括S5.获取日常的用户操作参数对个人模型进行日常学习。
本发明还提供了一种边缘计算控制系统，包括
教室设备模型，用于对教室设备与各设备的功能和参数进行对应关联与存储；
个人模型，用于根据用户操作参数进行学习得到个人操作习惯参数；
数据计算模块，用于获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号。
进一步的，上述的边缘计算控制系统中，还包括：
身份识别模块，用于获取用户的身份数据进行识别验证；
人工操作模块，用于提供设置界面，手动配置设备参数输入到个人模型。
进一步的，上述的边缘计算控制系统中，所述个人模型在根据用户操作参数进行学习得到个人操作习惯参数过程中，具体包括：
获取用户身份数据；
获取至少三次用户操作参数输入到个人模型中进行记录和计算，得到初步个人操作习惯数据；
获取至少连续两次用户操作参数，输入到个人模型中进行该用户的初步个人操作习惯数据调整，得到最终个人操作习惯数据，对应该用户身份数据关联存储。
进一步的，上述的边缘计算控制系统中，所述数据计算模块执行获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号，具体包括：
通过教室环境采集设备和/或教室设备，获取当前教室环境和/或设备参数；
获取用户的身份数据进行识别验证，查找个人操作习惯数据；综合所述获取的当前教室环境和/或设备参数计算处理，得到当前教室设备的调节量数据；
根据计算结果，向当前教室设备输出控制信号，执行相应的调节量。
进一步的，上述的边缘计算控制系统中，还包括模型日常学习模块，用于获取日常的用户操作参数对个人模型进行日常学习。
本发明的有益效果体现在：
本发明方法和系统将原有的校园中央校园中央控制系统集中对教室设备进行控制的架构，改变为由边缘计算控制系统在边缘侧(教室内)对教室设备进行控制(通过教室网络和/或总线通信)，不仅不必对原有教室设备进行大的改动，还能避免由于网络故障和校园中央服务系统故障导致的教室的设备无法正常操作的状况发生，提高整个教室设备控制的可靠性；并且边缘计算控制系统基于构建的设备模型和个人模型，在验证教师身份后可以自动依据个人习惯进行自动化教室设备调节，减少每次课前重复的事务性设备调试时间，把有效的时间用于教学，提高教室设备的智能化控制，便捷且个性化，适于推广。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明基于边缘计算技术的智慧教室控制方法在一个具体实施例中的流程图；
图2为本发明中边缘计算控制系统的控制逻辑图；
图3为本发明中边缘计算控制系统进行上下行通讯的示意图；
图4为发明中边缘计算控制系统进行个人操作习惯学习的流程图；
图5为发明中边缘计算控制系统进行日常自动控制的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例1
如图1所示，一种基于边缘计算技术的智慧教室控制方法，包括
S1.部署用于教室设备控制的边缘计算控制系统；
S2.在所述边缘计算控制系统中建立教室设备模型和个人模型；
S3.获取用户操作数据，输入所述个人模型中学习得到个人操作习惯数据；
S4.获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号。
本发明基于边缘计算技术的智慧教室控制方法旨在通过将对教室设备控制的计算处理下沉到边缘侧(教室内)，部署边缘计算控制系统根据个人操作习惯并综合设备模型中当前教室设备参数进行计算处理，实现对教室设备的智能化控制。
参考图2-5，本发明给出一个具体实施例中，步骤S1.部署用于教室设备控制的边缘计算控制系统中，边缘计算控制系统为具有采集、存储、计算功能的计算机设备，用以实现教室设备数据采集与汇聚、异常识别与告警、数据存储(小批量)、联动条件执行能力；边缘计算控制系统可设置在教室内，网络层次上部署在校园中央控制系统和教室设备之间，边缘计算控制系统与校园中央控制系统网络连接，进行数据上传以及接受校园中央控制系统的集中监控；边缘计算控制系统与教室各设备通过网络和/或数据总线进行通信连接，获取相关参数处理后输出控制信号。
其中所述教室设备包括但不限于室内温度调节控制器(如空调控制设备)、室内灯光调节控制器(即灯光控制设备)、室内广播音量调节控制器(即声音控制设备)、教学一体机输入源选择控制器(即一体机控制设备)、音频矩阵信号源选择控制器(即信号源控制设备)常等规教室设备。
所述步骤S2.在所述边缘计算控制系统中建立教室设备模型和个人模型，包括：
所述教室设备模型用于对教室设备与各设备的功能和参数进行对应关联与存储。
亦即，该设备模型是对各教室设备的功能和参数进行描述，用于作为边缘计算控制系统进行控制处理计算的数据依据之一，以能够根据模型中的当前设备参数综合其他数据进行计算，输出对教室设备的调节量等控制信号。
所述个人模型采用深度学习神经网络模型，用于根据用户操作参数进行学习得到个人操作习惯参数；所述用户操作参数包括用户对教室设备的操作习惯数据。
因此，通过个人模型对用户操作参数学习时，进行所述步骤S3.获取用户操作数据，输入所述个人模型中学习得到个人操作习惯数据，包括：
S31.获取用户身份数据；
S32.获取至少三次用户操作参数输入到个人模型中进行记录和计算，得到初步个人操作习惯数据；
S33.获取至少连续两次用户操作参数，输入到个人模型中进行该用户的初步个人操作习惯数据调整，得到最终个人操作习惯数据，对应该用户身份数据关联存储。
本实施例中，用户即教师；用户身份数据包括但不限于教师的身份证、教师证、教师卡、指纹、人脸或微信号等其中的一种或多种身份数据信息；身份数据可以通过指纹/人脸识别设备、读卡器或扫码器等进行对指纹/人脸、卡/证以及二维码等的识别读取，传输到边缘计算控制系统的个人模型记录，并用于后续的身份验证和与其他个人模型的数据关联存储。
教师身份数据验证后，通过教师在当前教室上三次以上的课并对设备进行逐一的手工操作，并自动将其操作内容录入个人模型学习得到该教师的初步的个人操作习惯数据；之后根据该教师日后上课连续两次以上的手工操作数据，调整该教师的个人模型中的初步个人操作习惯数据，得到最终的个人操作习惯数据，完成存储。
所述手动操作包括对室内温度调节、室内灯光调节、室内广播音量调节、教学一体机输入源选择、音频矩阵信号源选择等的手动调节或选择设置；手动操作的参数通过所述边缘计算控制系统提供的设置界面配置，边缘计算控制系统将配置的手动操作参数输入到个人模型的同时，也通过下行数据通信服务传输到各教室设备上，完成设备调节。
进一步的，调节后的教室设备将当前设备参数和/或环境参数发送到边缘计算控制系统的设备模型中，用于作为下一次任意教师对教室设备调节的基础数据。
步骤S4.获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号；包括：
S41.通过教室环境采集设备和/或教室设备，获取当前教室环境和/或设备参数；
该步骤通过教室环境采集设备获取当前教室环境参数过程中，教室环境采集设备包括但不限于温湿度感知设备(如温湿度传感器)和光照度感知设备(如光传感器)；这些感知设备可以采用原有空调控制设备上的温湿度传感器和灯光控制设备上的光传感器，也可以另行设置，不唯一限定。
获取当前设备参数可以通过与教室设备(诸如灯光控制设备、一体机控制设备、信号源控制设备、声音控制设备等)通信采集得到；如果设备模型存储有上一次任意教师调节完成后的教室设备参数，则可以直接从设备模型中调取。
S42.获取用户的身份数据进行识别验证，查找个人操作习惯数据；综合所述获取的当前教室环境和/或设备参数计算处理，得到当前教室设备的调节量数据；
本实施例优选通过采集人脸的方式获取教师面部信息验证身份，进入个人模型依据该身份数据搜索个人操作习惯数据，综合获取的当前教室环境和设备参数自动计算处理，确定依据个人习惯，基于当前教室环境和设备参数需要进行的调节量数据。
S43.根据计算结果，向当前教室设备输出控制信号，执行相应的调节量。
这样在应用过程中，使用人员(教师)每次上课前走进教室通过人脸识别设备验证身份，系统就会自动根据该老师的操作习惯控制相应的设备，如：打开灯光、打开教学一体机等操作，使用便捷。
进一步的，还包括S5.获取日常的用户操作参数对个人模型进行日常学习：
该步骤中，教师个人模型完成训练后，即个人模型中已有个人操作习惯数据后，如果教师又对教室设备进行了手动操作，则输入手动操作数据至个人模型中，进行训练，实现根据个人日常行为的变化动态更新个人操作习惯数据，有针对性的适应不同教师在例如由于天气变化、携带设备(个人笔记本作为信号源)的改变引起的个人习惯数据的改变，智能化程度高。
本发明中，各边缘计算控制系统中的教室基础信息、教室设备参数信息、人员基础信息等通过上行数据通讯服务传输到校园中央控制系统，由校园中央控制系统机箱内统一监测与控制。
进一步的，本发明中边缘计算控制系统出了能够对教室设备进行上述温度、灯光、一体机等的联动控制调节，还能够用于在获取异常信息时向校园中央控制系统进行告警提示；其中异常信息包括异常的身份数据识别信息、异常的设备参数等。
本发明方法将原有的校园中央校园中央控制系统集中对教室设备进行控制的架构，改变为由边缘计算控制系统在边缘侧(教室内)对教室设备进行控制(通过教室网络和/或总线通信)，不仅不必对原有教室设备进行大的改动，还能避免由于网络故障和校园中央服务系统故障导致的教室的设备无法正常操作的状况发生，提高整个教室设备控制的可靠性；并且边缘计算控制系统基于构建的设备模型和个人模型，在验证教师身份后可以自动依据个人习惯进行自动化教室设备调节，减少每次课前重复的事务性设备调试时间，把有效的时间用于教学，提高教室设备的智能化控制，便捷且个性化，适于推广。
实施例2
如图2-5所示，本发明还提供了一种边缘计算控制系统，包括
教室设备模型，用于对教室设备与各设备的功能和参数进行对应关联与存储；
个人模型，用于根据用户操作参数进行学习得到个人操作习惯参数；
数据计算模块，用于获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号。
本发明系统用于实施上述实施例1中的方法，因此本系统各单元执行的程序步骤原理，可参考上述实施例1中的相关描述。
本发明边缘计算控制系统与校园中央控制系统网络连接，进行数据上传以及接受校园中央控制系统的集中监控；边缘计算控制系统与教室各设备通过教室网络(局域网等)和/或数据总线进行通信连接，获取相关参数处理后输出控制信号
具体的，所述教室设备模型(简称设备模型)对各教室设备的功能和参数进行描述，用于作为边缘计算控制系统进行控制处理计算的数据依据之一，以能够根据模型中的当前设备参数综合其他数据进行计算，输出对教室设备的调节量等控制信号。
所述个人模型采用深度学习神经网络模型，用于根据用户操作参数进行学习得到个人操作习惯参数；所述用户操作参数包括用户对教室设备的操作习惯数据。
本发明还包括：
身份识别模块，用于获取用户的身份数据进行识别验证；
人工操作模块，用于提供设置界面，手动配置设备参数输入到个人模型。
故而，上述个人模型在根据用户操作参数进行学习得到个人操作习惯参数过程中，包括：
获取用户身份数据；
获取至少三次用户操作参数输入到个人模型中进行记录和计算，得到初步个人操作习惯数据；
获取至少连续两次用户操作参数，输入到个人模型中进行该用户的初步个人操作习惯数据调整，得到最终个人操作习惯数据，对应该用户身份数据关联存储。
本实施例中，用户即教师；用户身份数据包括但不限于教师的身份证、教师证、教师卡、指纹、人脸或微信号等其中的一种或多种身份数据信息；身份数据可以通过指纹/人脸识别设备、读卡器或扫码器等进行对指纹/人脸、卡/证以及二维码等的识别读取，传输到边缘计算控制系统的个人模型记录，并用于后续的身份验证和与其他个人模型的数据关联存储。
教师身份数据验证后，通过教师在当前教室上三次以上的课并对设备进行逐一的手工操作，并自动将其操作内容录入个人模型学习得到该教师的初步的个人操作习惯数据；之后根据该教师日后上课连续两次以上的手工操作数据，调整该教师的个人模型中的初步个人操作习惯数据，得到最终的个人操作习惯数据，完成存储。
所述手动操作包括对室内温度调节、室内灯光调节、室内广播音量调节、教学一体机输入源选择、音频矩阵信号源选择等的手动调节或选择设置；手动操作的参数通过所述边缘计算控制系统提供的设置界面配置，边缘计算控制系统将配置的手动操作参数输入到个人模型的同时，也通过下行数据通信服务传输到各教室设备上，完成设备调节。
相应的，设备调节中，室内温度调节包括设定空调运行模式和温度；室内灯光调节包括开闭灯光组合；室内广播音量调节包括控制音量大小；教学一体机输入源选择包括OPS、HDMI、VGA输入源选择；音频矩阵信号源选择包括一体机、笔记本、背景音等的接入选择。
进一步的，调节后的教室设备将当前设备参数和/或环境参数发送到边缘计算控制系统的设备模型中，用于作为下一次任意教师对教室设备调节的基础数据。
所述数据计算模块执行获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号，具体包括：
通过教室环境采集设备和/或教室设备，获取当前教室环境和/或设备参数：
通过教室环境采集设备获取当前教室环境参数过程中，教室环境采集设备包括但不限于温湿度感知设备(如温湿度传感器)和光照度感知设备(如光传感器)；这些感知设备可以采用原有空调控制设备上的温湿度传感器和灯光控制设备上的光传感器，也可以另行设置，不唯一限定。
获取当前设备参数可以通过与教室设备(诸如灯光控制设备、一体机控制设备、信号源控制设备、声音控制设备等)通信采集得到；如果设备模型存储有上一次任意教师调节完成后的教室设备参数，则可以直接从设备模型中调取。
获取用户的身份数据进行识别验证，查找个人操作习惯数据；综合所述获取的当前教室环境和/或设备参数计算处理，得到当前教室设备的调节量数据：
本实施例优选通过采集人脸的方式获取教师面部信息验证身份，进入个人模型依据该身份数据搜索个人操作习惯数据，综合获取的当前教室环境和设备参数自动计算处理，确定依据个人习惯，基于当前教室环境和设备参数需要进行的调节量数据。
根据计算结果，向当前教室设备输出控制信号，执行相应的调节量。
这样在应用过程中，使用人员(教师)每次上课前走进教室通过人脸识别设备验证身份，系统就会自动根据该老师的操作习惯控制相应的设备，如：打开灯光、打开教学一体机等操作，使用便捷。
本系统还包括模型日常学习模块，用于获取日常的用户操作参数对个人模型进行日常学习：
教师个人模型完成训练后，即个人模型中已有个人操作习惯数据后，如果教师又对教室设备进行了手动操作，则模型日常学习模块将该手动操作数据输入至个人模型中，进行训练，实现根据个人日常行为的变化动态更新个人操作习惯数据，有针对性的适应不同教师在例如由于天气变化、携带设备(个人笔记本作为信号源)的改变引起的个人习惯数据的改变，智能化程度高。
需说明，本发明的实现和本文中提供的所有功能操作可以用数字电子电路、或者用计算机软件、固件或硬件，包括本说明书及其结构等同方案中所公开的结构、或者其中的一个或多个的组合来实现。本公开的实现可以实现为一个或多个计算机程序产品，即在计算机可读介质上编码的计算机程序指令的一个或多个模块，这些指令由处理器来执行或者用以控制处理器的操作。除了硬件之外，该处理器可以包括为所描述的计算机程序创建执行环境的代码，例如构成处理器固件、协议栈、数据库管理系统、操作系统或者其中的一个或多个的组合的代码。
计算机程序(也称为程序、软件、软件应用、脚本或代码)可以用任何形式的编程语言(包括编译语言或解释语言)来编写，并且计算机程序可以用任何形式来部署，包括作为独立程序或者作为模块、部件、子例程或者适合在计算环境中使用的其他单元。计算机程序并非必须对应于文件系统中的文件。程序可以存储在保持其他程序或数据(例如标记语言文档中所存储的一个或多个脚本)的文件的部分中，存储在专用于所描述的程序的单个文件中，或者存储在多个协同文件(例如存储一个或多个模块、子程序或者代码的部分的文件)中。计算机程序可以被部署成在一个计算机上来执行，或者在位于一个站点处或分布在多个站点处且通过通信网络互连的多个计算机上来执行。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于边缘计算技术的智慧教室控制方法，其特征在于，包括
S1.部署用于教室设备控制的边缘计算控制系统；
S2.在所述边缘计算控制系统中建立教室设备模型和个人模型；
S3.获取用户操作数据，输入所述个人模型中学习得到个人操作习惯数据；
S4.获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号。
2.根据权利要求1所述的基于边缘计算技术的智慧教室控制方法，其特征在于，步骤S2.在所述边缘计算控制系统中建立教室设备模型和个人模型，包括：
所述教室设备模型用于对教室设备与各设备的功能和参数进行对应关联与存储；
所述个人模型采用深度学习神经网络模型，用于根据用户操作参数进行学习得到个人操作习惯参数。
3.根据权利要求2所述的基于边缘计算技术的智慧教室控制方法，其特征在于，步骤S3.获取用户操作数据，输入所述个人模型中学习得到个人操作习惯数据，包括：
S31.获取用户身份数据；
S32.获取至少三次用户操作参数输入到个人模型中进行记录和计算，得到初步个人操作习惯数据；
S33.获取至少连续两次用户操作参数，输入到个人模型中进行该用户的初步个人操作习惯数据调整，得到最终个人操作习惯数据，对应该用户身份数据关联存储。
4.根据权利要求3所述的基于边缘计算技术的智慧教室控制方法，其特征在于，步骤S4.获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号；包括：
S41.通过教室环境采集设备和/或教室设备，获取当前教室环境和/或设备参数；
S42.获取用户的身份数据进行识别验证，查找个人操作习惯数据；综合所述获取的当前教室环境和/或设备参数计算处理，得到当前教室设备的调节量数据；
S43.根据计算结果，向当前教室设备输出控制信号，执行相应的调节量。
5.根据权利要求4所述的基于边缘计算技术的智慧教室控制方法，其特征在于，包括S5.获取日常的用户操作参数对个人模型进行日常学习。
6.一种边缘计算控制系统，其特征在于，包括
教室设备模型，用于对教室设备与各设备的功能和参数进行对应关联与存储；
个人模型，用于根据用户操作参数进行学习得到个人操作习惯参数；
数据计算模块，用于获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号。
7.根据权利要求6所述的边缘计算控制系统，其特征在于，还包括：
身份识别模块，用于获取用户的身份数据进行识别验证；
人工操作模块，用于提供设置界面，手动配置设备参数输入到个人模型。
8.根据权利要求7所述的边缘计算控制系统，其特征在于，所述个人模型在根据用户操作参数进行学习得到个人操作习惯参数过程中，具体包括：
获取用户身份数据；
获取至少三次用户操作参数输入到个人模型中进行记录和计算，得到初步个人操作习惯数据；
获取至少连续两次用户操作参数，输入到个人模型中进行该用户的初步个人操作习惯数据调整，得到最终个人操作习惯数据，对应该用户身份数据关联存储。
9.根据权利要求8所述的边缘计算控制系统，其特征在于，所述数据计算模块执行获取当前教室环境和/或设备参数以及用户的身份数据，通过所述边缘计算控制系统根据教室设备模型和个人模型中的数据进行计算处理，向当前教室设备输出控制信号，具体包括：
通过教室环境采集设备和/或教室设备，获取当前教室环境和/或设备参数；
获取用户的身份数据进行识别验证，查找个人操作习惯数据；综合所述获取的当前教室环境和/或设备参数计算处理，得到当前教室设备的调节量数据；
根据计算结果，向当前教室设备输出控制信号，执行相应的调节量。
10.根据权利要求9所述的边缘计算控制系统，其特征在于，还包括模型日常学习模块，用于获取日常的用户操作参数对个人模型进行日常学习。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010604937.5A CN111722532A (zh) | 2020-06-29 | 2020-06-29 | 一种基于边缘计算技术的智慧教室控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010604937.5A CN111722532A (zh) | 2020-06-29 | 2020-06-29 | 一种基于边缘计算技术的智慧教室控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111722532A true CN111722532A (zh) | 2020-09-29 |
Family
ID=72569529
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010604937.5A Pending CN111722532A (zh) | 2020-06-29 | 2020-06-29 | 一种基于边缘计算技术的智慧教室控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111722532A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112509579A (zh) * | 2020-12-18 | 2021-03-16 | 山东盛帆蓝海电气有限公司 | 楼宇管理人机交互系统 |
| CN113271701A (zh) * | 2021-06-02 | 2021-08-17 | 连云港瑞普森照明科技有限公司 | Led模组自动照明系统及方法 |
| CN113885339A (zh) * | 2021-09-28 | 2022-01-04 | 联奕科技股份有限公司 | 一种基于微服务的智慧教室智能管理平台 |
| CN115480923A (zh) * | 2022-10-10 | 2022-12-16 | 北京师范大学 | 一种多模态的智慧教室边缘计算控制系统 |
| CN116938986A (zh) * | 2023-09-19 | 2023-10-24 | 深圳市爱为物联科技有限公司 | 一种基于物联网的智慧校园管理方法及系统 |
| CN117808438A (zh) * | 2024-02-29 | 2024-04-02 | 广州市森锐科技股份有限公司 | 基于深度学习的用户习惯学习方法、装置、设备及介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103871141A (zh) * | 2014-04-10 | 2014-06-18 | 宫雅卓 | 基于生物特征识别的室内环境控制系统 |
| CN106797333A (zh) * | 2014-09-30 | 2017-05-31 | 苹果公司 | 基于用户日常习惯修改自动环境行为 |
| CN106773867A (zh) * | 2017-01-05 | 2017-05-31 | 北京臻合科技有限公司 | 设备控制方法及装置 |
| CN106991158A (zh) * | 2017-03-30 | 2017-07-28 | 重庆大学 | 一种教师辅助授课方法及系统 |
| CN107766889A (zh) * | 2017-10-26 | 2018-03-06 | 济南浪潮高新科技投资发展有限公司 | 一种云端边缘计算融合的深度学习计算系统和方法 |
| CN108733017A (zh) * | 2018-07-10 | 2018-11-02 | Tcl通力电子（惠州）有限公司 | 智能环境控制系统及方法 |
| CN110069087A (zh) * | 2019-03-20 | 2019-07-30 | 山东力明科技职业学院 | 一种基于物联网边缘计算技术的教室环境测量分布控制系统与方法 |
| CN110728595A (zh) * | 2019-09-04 | 2020-01-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的社区学习监控方法和系统 |
| CN110867102A (zh) * | 2018-08-27 | 2020-03-06 | 江苏学正教育科技有限公司 | 一种基于教师使用习惯的智能单页面课堂教学系统 |
| CN110867105A (zh) * | 2019-10-23 | 2020-03-06 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的家庭学习监督方法和系统 |
| CN111258716A (zh) * | 2020-01-14 | 2020-06-09 | 钛链智云(厦门)信息科技有限公司 | 一种基于容器云平台的边缘机器学习系统及其方法 |
-
2020
- 2020-06-29 CN CN202010604937.5A patent/CN111722532A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103871141A (zh) * | 2014-04-10 | 2014-06-18 | 宫雅卓 | 基于生物特征识别的室内环境控制系统 |
| CN106797333A (zh) * | 2014-09-30 | 2017-05-31 | 苹果公司 | 基于用户日常习惯修改自动环境行为 |
| CN106773867A (zh) * | 2017-01-05 | 2017-05-31 | 北京臻合科技有限公司 | 设备控制方法及装置 |
| CN106991158A (zh) * | 2017-03-30 | 2017-07-28 | 重庆大学 | 一种教师辅助授课方法及系统 |
| CN107766889A (zh) * | 2017-10-26 | 2018-03-06 | 济南浪潮高新科技投资发展有限公司 | 一种云端边缘计算融合的深度学习计算系统和方法 |
| CN108733017A (zh) * | 2018-07-10 | 2018-11-02 | Tcl通力电子（惠州）有限公司 | 智能环境控制系统及方法 |
| CN110867102A (zh) * | 2018-08-27 | 2020-03-06 | 江苏学正教育科技有限公司 | 一种基于教师使用习惯的智能单页面课堂教学系统 |
| CN110069087A (zh) * | 2019-03-20 | 2019-07-30 | 山东力明科技职业学院 | 一种基于物联网边缘计算技术的教室环境测量分布控制系统与方法 |
| CN110728595A (zh) * | 2019-09-04 | 2020-01-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的社区学习监控方法和系统 |
| CN110867105A (zh) * | 2019-10-23 | 2020-03-06 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的家庭学习监督方法和系统 |
| CN111258716A (zh) * | 2020-01-14 | 2020-06-09 | 钛链智云(厦门)信息科技有限公司 | 一种基于容器云平台的边缘机器学习系统及其方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112509579A (zh) * | 2020-12-18 | 2021-03-16 | 山东盛帆蓝海电气有限公司 | 楼宇管理人机交互系统 |
| CN113271701A (zh) * | 2021-06-02 | 2021-08-17 | 连云港瑞普森照明科技有限公司 | Led模组自动照明系统及方法 |
| CN113885339A (zh) * | 2021-09-28 | 2022-01-04 | 联奕科技股份有限公司 | 一种基于微服务的智慧教室智能管理平台 |
| CN115480923A (zh) * | 2022-10-10 | 2022-12-16 | 北京师范大学 | 一种多模态的智慧教室边缘计算控制系统 |
| CN115480923B (zh) * | 2022-10-10 | 2023-06-13 | 北京师范大学 | 一种多模态的智慧教室边缘计算控制系统 |
| CN116938986A (zh) * | 2023-09-19 | 2023-10-24 | 深圳市爱为物联科技有限公司 | 一种基于物联网的智慧校园管理方法及系统 |
| CN117808438A (zh) * | 2024-02-29 | 2024-04-02 | 广州市森锐科技股份有限公司 | 基于深度学习的用户习惯学习方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111722532A (zh) | 一种基于边缘计算技术的智慧教室控制方法及系统 | |
| US20220180882A1 (en) | Training method and device for audio separation network, audio separation method and device, and medium | |
| CN111353555A (zh) | 一种标注检测方法、装置及计算机可读存储介质 | |
| CN111598190B (zh) | 图像目标识别模型的训练方法、图像识别方法及装置 | |
| US20230119593A1 (en) | Method and apparatus for training facial feature extraction model, method and apparatus for extracting facial features, device, and storage medium | |
| CN103415859A (zh) | 用于人脸注册的方法 | |
| CN109086653A (zh) | 手写模型训练方法、手写字识别方法、装置、设备及介质 | |
| KR101971660B1 (ko) | 스토리텔링 기반의 코딩 능력 평가 시스템 | |
| KR20210119298A (ko) | 적대적 지식 증류법으로 데이터 프리 네트워크 양자화 및 압축을 위한 방법 및 장치 | |
| CN115210752A (zh) | 缺陷检测方法及装置、模型训练方法及装置及电子设备 | |
| CN115424615A (zh) | 智能设备语音控制方法、装置、设备及存储介质 | |
| CN111399647A (zh) | 一种人工智能自适应互动教学系统 | |
| US20210312292A1 (en) | Methods and systems for operating applications through user interfaces | |
| Mamatkulovich | Automatic Student Attendance System Using Face Recogniton | |
| WO2021159633A1 (zh) | 图像识别模型训练方法及系统和图像识别方法 | |
| CN117215209A (zh) | 一种基于物联网的云端家居控制方法及系统 | |
| KR102619200B1 (ko) | 인공지능 기반 환경설비 자동제어를 위한 뉴럴 네트워크 모델 생성 방법 및 컴퓨터 프로그램 | |
| US20220406217A1 (en) | Deep learning-based pedagogical word recommendation system for predicting and improving vocabulary skills of foreign language learners | |
| Rabiha et al. | Image processing model based E-Learning for students authentication | |
| KR102544246B1 (ko) | 학습자 맞춤형 수학 교육 시스템 | |
| KR102473440B1 (ko) | 스마트팜용 통합 센서 모듈 및 이의 제어 방법 | |
| CN110867106B (zh) | 语文教学系统 | |
| CN114462546A (zh) | 一种基于多模型融合的特征蒸馏方法、系统、设备和介质 | |
| CN111179666B (zh) | 基于人工智能的自适应教育系统 | |
| CN112598840A (zh) | 基于人脸识别和语音交互的通行设备控制方法、装置、机器可读介质及设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200929 |