CN113505005A - 数据处理的方法、机器人、服务器、设备及存储介质 - Google Patents

Abstract

本申请公开了一种数据处理的方法、机器人、服务器、设备及存储介质，该方法包括：获取第一待处理数据；将第一待处理数据发送至服务器，以使得服务器基于第一待处理数据进行模型训练，得到数据处理模型；获取数据处理模型与第二待处理数据，基于数据处理模型对第二待处理数据进行处理，得到处理结果。上述方案能够在低计算力的机器人上操作实现复杂的模型训练和部署任务，提高了机器人的智能化程度。

Description

数据处理的方法、机器人、服务器、设备及存储介质

技术领域

本申请涉及人工智能技术领域，特别是涉及一种数据处理的方法、机器人、服务器、设备及存储介质。

背景技术

在人工智能时代如何借助于机器人完成人工智能算法的学习是需要考虑和解决的问题，为了实现对人工智能算法的学习需要机器人具备强计算力，然而受限于体积和成本，机器人产品的计算力较弱，制约了机器人的智能化。

发明内容

本申请至少提供一种数据处理的方法、机器人、服务器、设备及存储介质。

本申请第一方面提供了一种数据处理的方法，该方法包括：获取第一待处理数据；将第一待处理数据发送至服务器，以使得服务器基于第一待处理数据进行模型训练，得到数据处理模型；获取数据处理模型与第二待处理数据，基于数据处理模型对第二待处理数据进行处理，得到处理结果。

因此，模型的训练与模型的部署分别在服务器与机器人上执行，由于机器人无需进行模型的训练，而是将获取的数据发送给服务器进行模型训练，并获取服务器训练好的模型来进行数据的处理，因此可在机器人端利用后台服务器实现数据获取、模型训练和部署的整个流程，便于用户在低计算力的机器人上操作实现复杂的模型训练和部署任务，提高了机器人的智能化程度。

在一些实施例中，在将第一待处理数据发送至服务器之前，该方法还包括：建立机器人与服务器之间的通信连接，以使得机器人与服务器进行通信；将预设传输协议作为在机器人与服务器之间传输数据的协议。

因此，通过建立机器人与服务器之间的通信连接，且采用预设传输协议来传输数据，能够实现机器人与服务器的直接互连，无需通过其他设备作为中转，有助于加快数据传输的速度。

在一些实施例中，预设传输协议为安全文件传送协议，该方法包括：基于WebSocket协议建立机器人与服务器之间的双向通信连接；采用安全文件传送协议将第一待处理数据与第二待处理数据发送至服务器。

因此，通过WebSocket协议能够实现机器人与服务器之间的双向通信，使得二者能够相互传输数据，且使用安全文件传送协议来传输数据能够使得数据传输更加安全，还能够节省数据传输所花费的时间。

在一些实施例中，该方法还包括：基于移动终端生成的配网信息将机器人配置在预设网络中。

因此，通过移动终端可实现对机器人的配网，使得机器人和服务器处于同一个局域网中，以便后续进行通信。

在一些实施例中，配网信息为二维码信息，二维码信息包括预设网络的名称与预设网络的密码；机器人包括互相连接的摄像头与控制器，摄像头用于拍摄二维码信息，并发送给控制器，控制器用于识别二维码信息，以完成配网。

因此，通过移动终端生成的二维码信息来使得机器人接入预设网络中，有助于快速完成对机器人的配网。

在一些实施例中，在将第一待处理数据发送至服务器之前，该方法还包括：接收服务器发送的项目工程文件，以基于项目工程文件对数据处理模型的运行环境进行配置。

因此，服务器可将项目工程文件同步至机器人，以便对机器人运行数据处理模型的环境进行配置，使得数据处理模型能够在机器人上正常运行。

在一些实施例中，第一待处理数据为待处理图像，控制器用于在接收到拍摄指令后，控制摄像头开启，以使得摄像头对当前监控场景中的图像进行采集，得到待处理图像。

因此，用户可下发拍摄指令，使得控制器去控制摄像头执行拍摄任务，完成对图像的采集，以获取训练模型所需的数据集。

本申请第二方面提供了一种数据处理的方法，该方法包括：接收机器人发送的第一待处理数据，并基于第一待处理数据进行模型训练，得到数据处理模型；将数据处理模型发送至机器人，以使得机器人基于数据处理模型对第二待处理数据进行处理，得到处理结果。

因此，模型的训练与模型的部署分别在服务器与机器人上执行，由于机器人无需进行模型的训练，而是将获取的数据发送给服务器进行模型训练，并获取服务器训练好的模型来进行数据的处理，因此可在机器人端利用后台服务器实现数据获取、模型训练和部署的整个流程，便于用户在低计算力的机器人上操作实现复杂的模型训练和部署任务，提高了机器人的智能化程度。

本申请第三方面提供了一种机器人，该机器人包括：采集模块与控制模块，采集模块用于获取第一待处理数据与第二待处理数据；控制模块用于将第一待处理数据发送至服务器，以使得服务器基于第一待处理数据进行模型训练，得到数据处理模型；获取数据处理模型，基于数据处理模型对第二待处理数据进行处理，得到处理结果。

本申请第四方面提供了一种服务器，该服务器包括：处理模块与发送模块，处理模块用于接收机器人发送的第一待处理数据，并基于第一待处理数据进行模型训练，得到数据处理模型；发送模块用于将数据处理模型发送至机器人，以使得机器人基于数据处理模型对第二待处理数据进行处理，得到处理结果。

本申请第五方面提供了一种数据处理设备，该数据处理设备包括互相连接的存储器和处理器，其中，存储器用于存储计算机程序，计算机程序在被处理器执行时，用于实现上述第一方面中的数据处理的方法，和/或程序指令被处理器执行时实现上述第二方面的数据处理的方法。

本申请第六方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述第一方面中的数据处理的方法，和/或程序指令被处理器执行时实现上述第二方面中的数据处理的方法。

上述方案，机器人负责获取第一待处理数据与第二待处理数据，服务器负责基于第一待处理数据进行模型训练，得到数据处理模型，且机器人可将第二待处理数据输入数据处理模型得到相应的处理结果；由于机器人无需进行模型的训练，而是将获取的数据发送给服务器进行模型训练，并获取服务器训练好的模型来进行数据的处理，因此可在机器人端利用后台服务器实现数据获取、模型训练和部署的整个流程，便于用户在低计算力的机器人上操作实现复杂的模型训练和部署任务，提高了机器人的智能化程度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。

图1是本申请提供的数据处理的方法一实施例的流程示意图；

图2是本申请提供的数据处理系统一实施例的框架示意图；

图3是本申请提供的数据处理的方法另一实施例的流程示意图；

图4是本申请提供的数据处理系统另一实施例的框架示意图；

图5是本申请提供的垃圾分类课程的项目工程文件的示意图；

图6(a)为手机的配网软件上WIFI名称和密码的示意图；

图6(b)为手机生成的二维码的示意图；

图6(c)为机器人配网成功的示意图；

图7是本申请提供的机器人与服务器进行交互的示意图；

图8是本申请提供的数据处理的方法又一实施例的流程示意图；

图9是本申请提供的机器人一实施例的框架示意图；

图10是本申请提供的服务器一实施例的框架示意图；

图11是本申请提供的数据处理设备一实施例的框架示意图；

图12是本申请提供的计算机可读存储介质一实施例的框架示意图。

具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

为了实现机器人的智能化，相关技术中机器人预先训练好图像分类/检测的接口，然后再由用户调用该接口，但是无法使得用户在机器人上实现完整的图片分类过程，相当于实现了模型的推理过程，但是无法实现模型的训练过程。因此，本申请提供了一种数据处理的方法、机器人、服务器、设备及存储介质。

请参阅图1与图2，图1是本申请提供的数据处理的方法一实施例的流程示意图，图2是本申请提供的数据处理系统一实施例的框架示意图。该数据处理的方法应用于数据处理系统20，数据处理系统20包括互相连接的机器人21与服务器22，该方法的执行主体为机器人21，机器人21可以为教育机器人、娱乐机器人、绘图机器人或积木机器人等。在一些可能的实现方式中，该数据处理的方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。具体而言，本方案可以包括如下步骤：

步骤11：获取第一待处理数据。

其中，第一待处理数据可以为文字、声音图像或视频等。

一种可能的实现方式中，机器人21可从终端设备或其它设备获取第一待处理数据，比如：机器人21直接从数据库中读取第一待处理数据，或者接收终端设备发送的第一待处理数据，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算机设备、车载设备或可穿戴设备等，其他设备可以为存储设备，比如：硬盘或存储卡。

一种可能的实现方式中，机器人21自身具备数据采集装置(例如摄像头、麦克风等)，可以通过控制自身的数据采集装置进行数据采集，获取第一待处理数据。

步骤12：将第一待处理数据发送至服务器，以使得服务器基于第一待处理数据进行模型训练，得到数据处理模型。

机器人21在获取到第一待处理数据后，将第一待处理数据发送给服务器22，该服务器22可以为后台服务器；服务器22对第一待处理数据进行存储，以构建数据集(包括训练集与测试集)，然后等到第一待处理数据满足设定的训练条件时，利用训练集中的第一待处理数据进行模型训练，并用测试集中的第一待处理数据对训练出来的模型进行测试，从而得到一个训练好的模型(即数据处理模型)，该数据处理模型可以为语音数据的处理模型(比如：语音识别模型、语音合成模型或语音增强模型)、图像数据的处理模型(比如：目标识别模型、目标检测模型或图像聚类模型)或文字数据的处理模型(比如：文字识别模型或文字检测模型)等。

进一步地，训练条件可以为第一待处理数据的数量达到预设数量，该预设数量为预先设置的进行模型训练所需的数据的数量，或者还可以将训练条件设置为接收到第一个待处理数据的时刻到当前时刻的时间差超过预设时间差，或者还可以将训练条件设置为接收到训练指令，即在接收到用户下发的训练指令后，开始进行模型训练。

步骤13：获取数据处理模型与第二待处理数据，基于数据处理模型对第二待处理数据进行处理，得到处理结果。

服务器22在完成模型训练的任务，生成数据处理模型后，可将该数据处理模型主动发送给机器人21；或者服务器22发送一通知消息至机器人21，以表示已经生成了数据处理模型，机器人21在接收到该通知消息后从服务器22中下载该数据处理模型；或者机器人21可间隔一定时间向服务器22发送询问消息，以询问数据处理模型是否生成，并在接收到服务器22发送的通知消息后，从服务器22中下载数据处理模型。

机器人21在获取到数据处理模型之后，对于新获取到的数据(记作第二待处理数据)，采用该数据处理模型对第二待处理数据进行处理，得到处理结果。以数据处理模型为目标检测模型为例，第二待处理数据为图像，将该图像输入目标检测模型，得到该图像中是否存在待检测目标(比如：人、物体或其他动物)的检测结果。

上述方案提供了一种机器人进行数据处理的方案，机器人可将第一待处理数据发送给服务器，服务器对接收到的第一待处理数据进行模型训练，生成数据处理模型，并可将该数据处理模型发送给机器人，以便机器人在获取到新的数据后，采用数据处理模型对新的数据进行处理。由于通过服务器进行模型的训练，无需使用机器人来训练模型，减少了机器人的处理负担，对机器人的计算力的要求降低，使用计算力较低的机器人便可实现对数据的处理，有助于拓展机器人的应用场景，实现机器人的智能化。

请参阅图3与图4，图3是本申请提供的数据处理的方法另一实施例的流程示意图，图4是本申请提供的数据处理系统另一实施例的框架示意图，该方法包括：

步骤31：建立机器人与服务器之间的通信连接，以使得机器人与服务器进行通信。

在一种可能的实现方式中，建立机器人与服务器之间的通信连接前，可将机器人和服务器通过连接线(如网线)直接连接。

在一种可能的实现方式中，建立机器人与服务器之间的通信连接前，可先对机器人进行配网，将机器人接入服务器当前所在网络，以通过网络实现二者通信连接。其中，可以通过机器人预置的网络设置程序获取服务器当前网络信息后接入网络，例如在机器人自带的屏幕显示的配网界面中输入服务器当前网络信息后连接网络。

在一种可能的实现方式中，机器人还可以借助其他与服务器处于同一网络的设备程序接入网络。示例性的，如图4所示，数据处理系统40还包括移动终端44，移动终端44用于在接收到配网指令后，生成配网信息，机器人41基于该配网信息将机器人41配置在预设网络中，即将机器人41接入预设网络，完成对机器人41的配网，该预设网络为与移动终端44连接的路由设备45接入的局域网，机器人41、服务器42、计算机设备43以及移动终端44处于同一网段内。

进一步地，配网信息为二维码信息，二维码信息包括预设网络的名称与预设网络的密码；机器人41包括互相连接的摄像头411与控制器412，摄像头411用于拍摄二维码信息，并发送给控制器412，控制器412用于识别二维码信息，以完成配网。

例如，以移动终端44为手机、机器人41为教育机器人为例，该教育机器人可以为小车；用户先打开手机上位置信息的按钮，然后打开手机上的配网软件，点击教育机器人41并选择配网工具，然后输入WIFI名称与密码，如图6(a)所示；然后点击下一步，可出现图6(b)所示的二维码。用户按下教育机器人41的电源按钮，等待一段时间(比如：大约40s)，教育机器人41的模式灯变蓝，然后双击模式切换按钮，模式灯呈现蓝色且闪烁，摄像头411的灯被点亮。用户将手机生成的二维码对准摄像头411完成扫描，二维码与摄像头411之间的距离大约为20cm，在配网成功后手机将收到配网成功的提示。

在配网成功后，为了实现在机器人41与服务器42之间传输数据，可建立机器人41与服务器42之间的通信连接。具体地，基于WebSocket协议建立机器人41与服务器42之间的双向通信连接，在WebSocket应用程序接口(Applicationation Programming Interface，API₎中，机器人41和服务器42完成一次握手，两者就可以直接创建持久性的连接，并进行双向数据传输；例如，如图7所示，机器人41向服务器42发送握手请求消息，该握手请求消息可以为基于超文本传输协议(Hypertext Transfer Protocol，HTTP)的消息；判断是否接收到机器人41发送的握手成功消息，该握手成功消息可以为基于WebSocket的消息；响应于接收到握手成功消息，建立双向通信连接，并通过双向通信连接与服务器42通信，实现在机器人41与服务器42之间互推消息。

步骤32：将预设传输协议作为在机器人与服务器之间传输数据的协议。

预设传输协议为安全文件传送(Secure File Transfer Protocol，SFTP)协议，SFTP协议分为两个端，在本公开实施例中两个端分别是机器人41和服务器42，机器人41可以采用SFTP协议将第一待处理数据与第二待处理数据发送至服务器42。

通过SFTP协议可以实现文件的同传，SFTP协议能够进行远程文件获取、文件内容传输或文件管理等操作，它的控制信号和数据信号的传输通过安全数据通道进行，该安全数据通道可以由安全外壳协议(Secure Shell，SSH)或传输层安全(Transport LayerSecurity，TLS)协议提供，例如可将SSH连接隧道作为安全数据通道。跟只能进行简单文件内容传输的安全复制(Secure Copy，SCP)协议相比，SFTP协议是一个远程文件系统协议，能够传输更多种类的数据。

步骤33：接收服务器发送的项目工程文件，以基于项目工程文件对数据处理模型的运行环境进行配置。

在一种可能的实现方式中，由于用户不便直接对服务器42进行操作，因此设置一计算机设备43，通过计算机设备43来操作服务器42。具体地，用户在计算机设备43上通过访问特定的网址和端口，可以登陆远程服务器42，并在服务器42上创建项目工程，得到项目工程文件，该项目工程文件均存储在服务器42上，该项目工程文件包括python脚本、视频、音频、图片或程序代码；例如，如图5所示，垃圾分类课程的项目工程文件包括资源文件assets与模型文件models。

步骤34：获取第一待处理数据。

第一待处理数据为待处理图像，为了实现模型训练的任务，需要先准备数据集，该数据集包括多张待处理图像；进一步地，由于最终训练好的数据处理模型是运行在机器人41上的，为了实现更好的识别效果，可在机器人41上完成图像采集的任务。

进一步地，机器人41包括互相连接的摄像头411与控制器412，控制器412用于在接收到拍摄指令后，控制摄像头411开启，以使得摄像头411对当前监控场景中的图像进行采集，得到待处理图像；具体地，摄像头411可通过通用串行总线(Universal Serial Bus，USB)接口(图中未示出)与控制器412连接。

在一个具体例子中，可借助于摄像头411和图像采集工具(图中未示出)来完成图像的采集，该图像采集工具为运行在控制器412上的软件程序，通过图像采集工具可实现摄像头的开启、图像的移动、存储、删除或复制等，能够较为容易的实现图像采集任务，并且将采集到的图像保存在指定的文件夹中。

步骤35：将第一待处理数据发送至服务器，以使得服务器基于第一待处理数据进行模型训练，得到数据处理模型。

在一种可能的实现方式中，机器人41在获取到项目工程文件后，运行项目工程文件中的项目代码，得到进行模型训练的任务，得到进行数据获取的指令(记作数据获取指令)，然后根据该数据获取指令获取第一待处理数据，并将第一待处理数据发送到服务器42进行模型训练。

进一步地，在机器人41已经完成数据集的采集后，受限于机器人41硬件的计算力，机器人41将采集到的数据通过SFTP协议同步到服务器42上完成训练；在服务器42完成模型训练后，机器人41将服务器42上训练好的数据处理模型通过SFTP协议同步下载到机器人41上，然后基于该数据处理模型就可以完成模型推理。在这种方案下，由于模型训练和推理分别在机器人41和服务器42上执行，因而机器人41上的运行环境和服务器42上的运行环境一致，例如：机器人41和服务器42上的代码运行的环境均是python版本或PyTorch版本。

步骤36：获取数据处理模型与第二待处理数据，基于数据处理模型对第二待处理数据进行处理，得到处理结果。

示例性的，在机器人41接收到训练好的数据处理模型后，可以继续运行项目代码得到控制指令，根据该控制指令采集数据，得到第二待处理数据；然后利用训练好的数据处理模型来处理该第二待处理数据，得到处理结果，该处理结果可以传回服务器42，或者机器人41将该处理结果传到计算机设备43上显示。

以机器人41为教育机器人为例，在教育机器人的应用场景下，本申请方案能够在机器人41上实现复杂的任务，比如：机器学习任务、神经网络任务或深度学习任务；在教学的使用场景中，本申请方案便于用户接受和使用。

上述方案提供了一种基于教育机器人的模型训练和部署异步的方案，可以实现在教育机器人采集图像，然后通过同传方案将机器人上的图像推送到后台服务器，在后台服务器上完成模型的训练，并且将训练后的模型回传到教育机器人的硬件上，从而完成图像采集、模型训练和模型部署等流程，实现了在有限计算能力的控制器上让用户实现完整的模型训练和部署流程，解决了因机器人的计算力较弱导致无法完成模型训练任务的问题。此外，通过SFTP协议在教育机器人与后台服务器之间传输数据，打通了机器人和后台服务器，能够实现自由互传文件，解决了机器人和服务器之间无法自由互传文件的问题。

请参阅图8，图8是本申请提供的数据处理的方法又一实施例的流程示意图，该数据处理的方法的执行主体为服务器，该服务器可以为后台服务器，该方法包括如下步骤：

步骤81：接收机器人发送的第一待处理数据，并基于第一待处理数据进行模型训练，得到数据处理模型。

机器人向服务器发送第一待处理数据，该第一待处理数据可以为语音、文字或图像等；服务器对接收到的第一待处理数据进行存储，以构建数据集，然后基于数据集中的第一待处理数据进行模型的训练，得到训练好的数据处理模型。

步骤82：将数据处理模型发送至机器人，以使得机器人基于数据处理模型对第二待处理数据进行处理，得到处理结果。

服务器在生成数据处理模型后，可将该数据处理模型发送给机器人；机器人在获取到该数据处理模型后，可将新获取到的第二待处理数据输入数据处理模型，从而得到相应的处理结果。

在一些实施例中，为了能与机器人通信，服务器在接收到机器人发送的握手请求消息后，可向机器人发送握手成功消息；如果机器人接收到该握手成功消息，则建立双向通信连接，并通过双向通信连接与服务器通信，实现在机器人与服务器之间互推消息。

在一些实施例中，服务器可发送项目工程文件至机器人，以使得机器人基于项目工程文件对数据处理模型的运行环境进行配置。进一步地，如图4所示，由于用户不便直接对服务器42进行操作，因此设置一计算机设备43，通过计算机设备43来操作服务器42。具体地，用户在计算机设备43上通过访问特定的网址和端口，可以登陆远程服务器42，并在服务器42上创建项目工程，得到项目工程文件，该项目工程文件均存储在服务器42上，该项目工程文件包括python脚本、视频、音频、图片或程序代码。用户还可以在计算机设备43上，通过服务器42提供的硬件连接功能，选择机器人41进行连接，以建立机器人41与服务器42的通信链路。

在一些实施例中，服务器还可接收机器人发送的处理结果，对该处理结果进行存储或分析等处理。服务器还可以将处理结果反馈到连接的计算机设备上进行显示。

上述方案提供了一种机器人的模型训练和部署异步的方案，由于模型的训练在服务器上进行，而模型的使用在机器人上进行，可以实现在计算力受限的机器人上完成深度学习任务，在机器人应用领域更适合作为人工智能教具使用。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

请参阅图9，图9是本申请提供的机器人一实施例的框架示意图，机器人90包括相互连接的采集模块91与控制模块92。

采集模块91用于获取第一待处理数据与第二待处理数据；控制模块92用于将第一待处理数据发送至服务器(图中未示出)，以使得服务器基于第一待处理数据进行模型训练，得到数据处理模型；获取数据处理模型，基于数据处理模型对第二待处理数据进行处理，得到处理结果。

在一些实施例中，控制模块92还用于建立机器人90与服务器之间的通信连接，以使得机器人90与服务器进行通信；将预设传输协议作为在机器人90与服务器之间传输数据的协议。通过建立机器人90与服务器之间的通信连接，且采用预设传输协议来传输数据，能够实现机器人90与服务器的直接互连，无需通过其他设备作为中转，有助于加快数据传输的速度。

在一些实施例中，预设传输协议为安全文件传送协议，控制模块92还用于基于WebSocket协议建立机器人90与服务器之间的双向通信连接；采用安全文件传送协议将第一待处理数据与第二待处理数据发送至服务器。通过WebSocket协议能够实现机器人90与服务器之间的双向通信，使得二者能够相互传输数据，且使用安全文件传送协议来传输数据能够使得数据传输更加安全，还能够节省数据传输所花费的时间。

在一些实施例中，控制模块92还用于向机器人90发送握手请求消息；判断是否接收到机器人90发送的握手成功消息；响应于接收到握手成功消息，建立双向通信连接，并通过双向通信连接与服务器通信。机器人90能够通过发送握手请求消息以及判断是否接收到握手成功消息，来确定是否建立起与服务器之间的双向通信连接。

在一些实施例中，数据处理系统还包括移动终端(图中未示出)，移动终端用于在接收到配网指令后，生成配网信息，以使得机器人90基于该配网信息将机器人90配置在预设网络中。通过移动终端可实现对机器人90的配网，使得机器人90和服务器处于同一个局域网中，以便后续进行通信。

在一些实施例中，配网信息为二维码信息，二维码信息包括预设网络的名称与预设网络的密码；采集模块91用于拍摄二维码信息，并发送给控制模块92，控制模块92用于识别二维码信息，以完成配网。通过移动终端生成的二维码信息来使得机器人90接入预设网络中，有助于快速完成对机器人90的配网。

在一些实施例中，控制模块92还用于接收服务器发送的项目工程文件，以基于项目工程文件对数据处理模型的运行环境进行配置。服务器可将项目工程文件同步至机器人90，以便对机器人90运行数据处理模型的环境进行配置，使得数据处理模型能够在机器人90上正常运行。

在一些实施例中，第一待处理数据为待处理图像，控制模块92在接收到拍摄指令后，控制采集模块91开启，以使得采集模块91对当前监控场景中的图像进行采集，得到待处理图像。用户可下发拍摄指令，使得控制模块92去控制采集模块91执行拍摄任务，完成对图像的采集，以获取训练模型所需的数据集。

请参阅图10，图10是本申请提供的服务器一实施例的框架示意图，服务器100包括互相连接的处理模块101与发送模块102。

处理模块101用于接收机器人(图中未示出)发送的第一待处理数据，并基于第一待处理数据进行模型训练，得到数据处理模型；发送模块102与处理模块101连接，其用于将数据处理模型发送至机器人，以使得机器人基于数据处理模型对第二待处理数据进行处理，得到处理结果。

上述方案提供了一种机器人的模型训练和部署异步的方案，机器人负责获取第一待处理数据与第二待处理数据，服务器负责基于第一待处理数据进行模型训练，得到数据处理模型，且机器人可将第二待处理数据输入数据处理模型得到相应的处理结果；由于机器人无需进行模型的训练，而是直接使用训练好的数据处理模型来进行数据的处理，能够在低计算力的机器人上实现复杂的任务，拓宽机器人的应用场景，有助于提高机器人的智能化程度。

请参阅图11，图11是本申请提供的数据处理设备一实施例的框架示意图，数据处理设备110包括互相连接的存储器111和处理器112，其中，存储器111用于存储计算机程序，计算机程序在被处理器112执行时，用于实现上述实施例中的数据处理的方法。

由于机器人无需进行模型的训练，而是由服务器进行模型训练，机器人能够直接采用训练好的数据处理模型来进行数据的处理，因此可在机器人端利用后台服务器实现数据获取、模型训练和部署的整个流程，便于用户在低计算力的机器人上操作实现复杂的模型训练和部署任务，提高了机器人的智能化程度。

请参阅图12，图12是本申请提供的计算机可读存储介质一实施例的框架示意图，计算机可读存储介质120存储有程序指令121，程序指令121被处理器执行时实现上述任一数据处理的方法实施例中的步骤。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (12)

1.一种数据处理的方法，其特征在于，所述方法包括：

获取第一待处理数据；

将所述第一待处理数据发送至服务器，以使得所述服务器基于所述第一待处理数据进行模型训练，得到数据处理模型；

获取所述数据处理模型与第二待处理数据，基于所述数据处理模型对所述第二待处理数据进行处理，得到处理结果。

2.根据权利要求1所述数据处理的方法，其特征在于，所述将所述第一待处理数据发送至所述服务器的步骤之前，包括：

建立机器人与所述服务器之间的通信连接，以使得所述机器人与所述服务器进行通信；

将预设传输协议作为在所述机器人与所述服务器之间传输数据的协议。

3.根据权利要求2所述数据处理的方法，其特征在于，所述预设传输协议为安全文件传送协议，所述方法包括：

基于WebSocket协议建立所述机器人与所述服务器之间的双向通信连接；

采用所述安全文件传送协议将所述第一待处理数据与所述第二待处理数据发送至所述服务器。

4.根据权利要求1-3中任一项所述数据处理的方法，其特征在于，所述方法还包括：

基于移动终端生成的配网信息将机器人配置在预设网络中。

5.根据权利要求4所述数据处理的方法，其特征在于，

所述配网信息为二维码信息，所述二维码信息包括预设网络的名称与所述预设网络的密码；所述机器人包括互相连接的摄像头与控制器，所述摄像头用于拍摄所述二维码信息，并发送给所述控制器，所述控制器用于识别所述二维码信息，以完成配网。

6.根据权利要求1-3中任一项所述数据处理的方法，其特征在于，所述获取第一待处理数据的步骤之前，还包括：

接收所述服务器发送的项目工程文件，以基于所述项目工程文件对所述数据处理模型的运行环境进行配置。

7.根据权利要求1-3中任一项所述数据处理的方法，其特征在于，

所述第一待处理数据为待处理图像，机器人包括互相连接的摄像头与控制器，所述控制器用于在接收到拍摄指令后，控制所述摄像头开启，以使得所述摄像头对当前监控场景中的图像进行采集，得到所述待处理图像。

8.一种数据处理的方法，其特征在于，所述方法包括：

接收机器人发送的第一待处理数据，并基于所述第一待处理数据进行模型训练，得到数据处理模型；

将所述数据处理模型发送至所述机器人，以使得机器人基于所述数据处理模型对第二待处理数据进行处理，得到处理结果。

9.一种机器人，其特征在于，包括：

采集模块，用于获取第一待处理数据与第二待处理数据；

控制模块，用于将所述第一待处理数据发送至服务器，以使得所述服务器基于所述第一待处理数据进行模型训练，得到数据处理模型；获取所述数据处理模型，基于所述数据处理模型对所述第二待处理数据进行处理，得到处理结果。

10.一种服务器，其特征在于，包括：

处理模块，用于接收机器人发送的第一待处理数据，并基于所述第一待处理数据进行模型训练，得到数据处理模型；

发送模块，用于将所述数据处理模型发送至所述机器人，以使得机器人基于所述数据处理模型对第二待处理数据进行处理，得到处理结果。

11.一种数据处理设备，其特征在于，包括互相连接的存储器和处理器，其中，所述存储器用于存储计算机程序，所述计算机程序在被所述处理器执行时，用于实现权利要求1-7中任一项所述的数据处理的方法，和/或，所述程序指令被处理器执行时实现权利要求8中任一项所述的数据处理的方法。

12.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至7中任一项所述的数据处理的方法，和/或，所述程序指令被处理器执行时实现权利要求8中任一项所述的数据处理的方法。

Images