CN113639793A - 一种基于边缘计算的环境监测方法及系统 - Google Patents
一种基于边缘计算的环境监测方法及系统 Download PDFInfo
- Publication number
- CN113639793A CN113639793A CN202110886799.9A CN202110886799A CN113639793A CN 113639793 A CN113639793 A CN 113639793A CN 202110886799 A CN202110886799 A CN 202110886799A CN 113639793 A CN113639793 A CN 113639793A
- Authority
- CN
- China
- Prior art keywords
- data
- environment
- target
- service container
- environment monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 208
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims description 44
- 230000004927 fusion Effects 0.000 claims description 34
- 230000005540 biological transmission Effects 0.000 claims description 30
- 239000002689 soil Substances 0.000 claims description 29
- 241000607479 Yersinia pestis Species 0.000 claims description 27
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 20
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 10
- 239000001569 carbon dioxide Substances 0.000 claims description 9
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 102
- 238000012545 processing Methods 0.000 description 28
- 238000005516 engineering process Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000002955 isolation Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- General Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Selective Calling Equipment (AREA)
Abstract
本申请涉及一种基于边缘计算的环境监测方法及系统，应用于边缘计算网关，所述方法包括：接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据；基于所述环境监测数据进行边缘计算生成目标中间数据，所述目标中间数据包括文本信息和/或目标环境数据，所述文本信息基于所述环境图像数据生成，所述目标环境数据基于环境数据组生成；将所述目标中间数据发送至云端服务器，所述云端服务器用于基于所述目标中间数据进行环境监测。
Description
技术领域
本申请涉及物联网技术领域，尤其涉及一种基于边缘计算的环境监测方法及系统。
背景技术
在传统的环境监测系统中，可以基于物联网系统，并通过设备对目标区域进行监测，得到监测数据，基于云端的存储架构可以实现监测数据的上传和管理。但是，随着传统环境物联网系统的智能化程度不断提高，其缺点也越来越明显，主要存在以下问题：
(1)随着监测数据的信息量越来越大，传输所需的耗时也会越来越长，云端处理监测数据的效率会大大降低，目前常会通过增加传输网络的带宽，以减少传输所需的耗时，然而增加传输网络的带宽会增加成本，且增加传输网络的带宽的操作程序复杂；
(2)随着监测数据的信息量越来越大，导致云端对监测数据进行计算处理的压力越来越大，云端的计算能力在万物互联时代将无法满足需求。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种基于边缘计算的环境监测方法及系统。
第一方面，本申请提供了一种基于边缘计算的环境监测方法，应用于边缘计算网关，所述方法包括：
接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据；
基于所述环境监测数据进行边缘计算生成目标中间数据，所述目标中间数据包括文本信息和/或目标环境数据，所述文本信息基于所述环境图像数据生成，所述目标环境数据基于所述环境数据组生成；
将所述目标中间数据发送至云端服务器，所述云端服务器用于基于所述目标中间数据进行环境监测。
可选地，所述基于所述环境监测数据进行边缘计算生成目标中间数据，包括：
确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，并生成记录有所述目标对象类别以及所述目标对象数量的所述文本信息；
对所述环境数据组进行数据融合，得到所述目标环境数据。
可选地，所述目标区域为农田区域，所述目标区域的环境数据组为农田环境数据组，所述农田环境数据组包括：农田空气温度数据组、农田空气湿度数据组、农田土壤温度数据组、农田土壤湿度数据组、农田光照强度数据组、农田二氧化碳浓度数据组和/或农田土壤电导率数据组；
所述接收环境监测子系统发送的环境监测数据，包括：接收图像采集装置拍摄的环境图像数据以及环境监测传感器采集的农田环境数据组；
所述基于所述环境监测数据进行边缘计算生成目标中间数据，包括：确认所述环境图像数据中包含的害虫类别，以及害虫类别对应的害虫数量，生成记录所述害虫种类以及所述害虫种类对应的害虫数量的文本信息；分别对各类别的农田环境数据组进行数据融合，得到目标环境数据，所述目标环境数据包括：目标空气温度数据、目标空气湿度数据、目标土壤温度数据、目标土壤湿度数据、目标光照强度数据、目标二氧化碳浓度数据和/或目标土壤电导率数据。
可选地，所述边缘计算网关中设有基于容器虚拟化生成的第一功能服务容器、第二功能服务容器以及第三功能服务容器；
所述基于所述环境监测数据进行边缘计算生成目标中间数据，包括：
通过所述第一功能服务容器确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，并生成记录有所述目标对象类别以及所述目标对象数量的所述文本信息；
通过所述第二功能服务容器对所述环境数据组进行数据融合，得到所述目标环境数据；
所述将所述目标中间数据发送至云端服务器，包括：
通过所述第三功能服务容器将所述目标中间数据发送至所述云端服务器。
可选地，所述基于所述环境监测数据进行边缘计算生成目标中间数据后，所述方法还包括：
通过所述第一功能服务容器基于所述消息队列遥测传输协议，将所述文本信息发送至所述第三功能服务容器；
通过所述第二功能服务容器基于所述消息队列遥测传输协议，将所述目标环境数据发送至所述第三功能服务容器；
所述将所述目标中间数据发送至云端服务器，包括：
通过所述第三功能服务容器基于所述消息队列遥测传输协议将所述目标中间数据发送至所述云端服务器。
可选地，所述通过所述第三功能服务容器将所述文本信息以及所述目标环境数据发送至所述云端服务器，包括：
在所述云端服务器订阅所述文本信息后，通过所述第三功能服务容器将所述文本信息发送至所述云端服务器；和/或，
在所述云端服务器订阅所述目标环境数据后，通过所述第三功能服务容器将所述目标环境数据发送至所述云端服务器。
所述基于所述环境监测数据进行边缘计算生成目标中间数据前，还包括：
将预先设定的第一功能程序代码以及第二功能程序代码分别打包成第一功能镜像以及第二功能镜像；
将所述第一功能镜像发送至所述第一功能服务容器，将所述第二功能镜像发送至所述第二功能服务容器；
在所述第一功能服务容器中运行所述第一功能镜像中的第一功能程序代码，通过所述第一功能程序代码确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，得到记录有所述目标对象类别以及所述目标对象数量的文本信息；
在所述第二功能服务容器中运行所述第二功能镜像中的第二功能程序代码，通过所述第二功能程序代码对所述环境数据组进行数据融合，得到所述目标环境数据。
可选地，所述边缘计算网关上预先设有硬件接口和总线协议，所述基于所述环境监测数据进行边缘计算生成目标中间数据前，还包括：
通过所述硬件接口和总线协议，接收环境监测子系统发送的环境监测数据，所述总线协议包括LoRaWAN传输协议或WiFi传输协议。
可选地，所述环境监测子系统用于生成所述环境监测数据，并将所述环境监测数据存储至宿主机；
所述宿主机用于将所述环境监测数据转发给所述边缘计算网关
第二方面，本申请提供了一种基于边缘计算的环境监测系统，包括环境监测子系统、边缘计算网关以及云端服务器；
所述环境监测子系统用于接收环境监测传感器监测的环境监测数据，将所述环境监测数据发送至边缘计算网关；
所述边缘计算网关用于接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据；基于所述环境监测数据生成目标中间数据，所述目标中间数据包括文本信息和/或目标环境数据，所述文本信息基于所述环境图像数据生成，所述目标环境数据基于环境数据组生成；将所述目标中间数据发送至云端服务器；
所述云端服务器用于基于所述目标中间数据进行环境监测。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：
本申请实施例提供的该方法，通过接收环境监测系统发送的环境监测数据，环境监测数据包括目标区域的环境数据组和/或环境图像数据，基于环境监测数据生成目标中间数据，目标中间数据包括文本信息和/或目标环境数据，文本信息基于环境图像数据生成，目标环境数据由环境数据组通过数据融合生成，将目标中间数据发送至云端服务器，云端服务器用于基于目标中间数据进行环境监测。充分利用边缘计算网关的计算资源，云端服务器只需根据边缘计算网关生成的目标中间数据进行环境监测，计算压力更小，进而减轻了云端服务器运算的压力，并且由于文本信息和/或目标环境数据均小于处理前的环境图像数据以及环境数据组，可以缓解了传输的延迟和带宽资源的占用，进一步提升传输与运行效率，提高监测精度，大大加快了农业信息的响应速度。
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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于边缘计算的环境监测系统的结构示意图；
图2为本申请实施例提供的一种基于边缘计算的环境监测方法的流程示意图；
图3为本申请实施例提供的又一种基于边缘计算的环境监测方法的流程示意图；
图4为本申请实施例提供的虚拟化技术的示意图；
图5为本申请实施例提供的病虫害图像分析识别示意图；
图6为本申请实施例提供的数据融合示意图；
图7为本申请实施例提供的消息中间件的架构示意图；
图8为本申请实施例提供的一种边缘计算网关的结构示意图；
图9为本申请实施例提供的又一种边缘计算网关的示意图；
图10为本申请实施例提供的一种基于边缘计算的环境监测装置的结构示意图；
图11为本申请实施例提供的又一种边缘计算网关的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请可以基于云的存储架构可以实现设备数据的上传和数据信息的集中管理。但是，随着农田监测信息的信息后智能化程度不断提高，其缺点也越来越明显，主要存在以下问题：
(1)管理成本较高：随农业物联网传输的信息量越来越大，不管带宽管理如何，网络流量都会比较大，耗时也会比较长，是一种管理成本高，操作程序不方便的模式；
(2)网络流量和计算压力过大：随着物联网在农业生产中的广泛使用，终端数量和信息数量也将快速增长，这导致集中式的服务器架构和网络流量和计算压力越来越大，传统农业采用的集中式数据处理模式在万物互联时代将无法满足需求；
(3)限制环境监测功能的应用：以往只在云端处理的物联网架构导致新兴的技术手段无法快速应用到环境监测中，如图像识别技，由于图像数据较大，回传至云端进行识别处理会大大降低处理效率。
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种基于边缘计算的环境监测方法及系统，以通过边缘计算提高物联网系统整体效率和性能，减少传输到云端服务器进行处理、分析和存储的数据量。相比于云计算，云端服务器与边缘计算网关结合的边缘计算模式更靠近数据来源，处理数据延迟更小，能够分解云端服务器计算的压力和简化数据传输的量。边缘计算在环境监测子系统和云端服务器之间添加了一个具备通信和数据处理能力的边缘计算网关，在延迟和可靠性方面具有良好的表现。
图1为本申请实施例提供的一种基于边缘计算的环境监测系统的结构示意图，包括边缘计算网关、环境监测子系统以及云端服务器，边缘计算网关分别连接环境监测子系统以及云端服务器，边缘计算网关、环境监测子系统以及云端服务器之间通信连接。
其中，环境监测子系统可以包括环境监测传感器以及图像采集装置，环境监测传感器可以包括农田空气温度传感器、农田空气湿度传感器、农田土壤温度传感器、农田土壤湿度传感器、农田光照强度传感器、农田二氧化碳浓度传感器和/或农田土壤电导率传感器，图像采集装置可以为任意具有图像采集功能的装置，如摄像头，监测传感器以及图像采集装置的数量均可以为一个或者多个。
所述环境监测子系统用于接收环境监测传感器监测的环境监测数据，将所述环境监测数据发送至边缘计算网关；
所述边缘计算网关用于接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据；基于所述环境监测数据生成目标中间数据，所述目标中间数据包括文本信息和/或目标环境数据，所述文本信息基于所述环境图像数据生成，所述目标环境数据由环境数据组通过数据融合生成；将所述目标中间数据发送至云端服务器；
所述云端服务器用于基于所述目标中间数据进行环境监测。
边缘计算网关可以作为与云端服务器交互的网关，网关是各种通信协议、数据结构不同的网络之间进行转换的计算机系统或设备。物联网网关是整个物联网的核心组成部分，处在终端节点与远端服务器连接路径上，是实现终端节点感知数据与远端服务器之间联通的桥梁和纽带。
图2为本申请实施例提供的一种基于边缘计算的环境监测方法，其特征在于，应用于边缘计算网关，所述方法具体包括如下步骤：
步骤201，接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据；
其中，环境监测子系统包括环境监测传感器以及图像采集装置，环境监测传感器用于采集环境数据，图像采集装置用于采集环境图像数据，环境监测子系统可以包括多个环境监测传感器，多个环境监测传感器，多个环境监测传感器可以根据用户的需求设定在目标区域，如，目标区域为矩形区域，环境监测子系统包括五个环境监测传感器，用户的需求为监测矩形区域的所有角落的环境数据，并且重点监测矩形区域的中心部位，针对该用户的需求，矩形区域可以由对角线被划分为四个三角形区域，环境监测子系统中的四个环境监测传感器分别设于四个三角形区域的中心，最后一个环境监测传感器设于对角线的交汇处。
目标区域的环境数据组可以由一个环境监测传感器在不同时间采集的多个目标区域的环境数据组成，也可以由目标区域的多个环境监测传感器在同一时刻采集的多个目标区域的环境数据组成。
在进行环境监测时，环境监测子系统会在目标区域通过监测传感器采集环境数据组以及通过图像采集装置采集环境图像数据，并将该环境数据组以及环境图像数据发送至边缘计算网关。
步骤202，基于所述环境监测数据进行边缘计算生成目标中间数据，所述目标中间数据包括文本信息和/或目标环境数据，所述文本信息基于所述环境图像数据生成，所述目标环境数据基于环境数据组生成；
在接收到监测子系统发送的环境图像数据后，边缘计算网关可以先对环境图像数据进行图像去噪，然后对环境图像数据进行图像分割，紧接着边缘计算网关可以对环境图像数据进行图像形态学处理识别，具体的，可以对环境图像数据进行特征识别，如对环境图像数据进行人脸识别，进而将识别到的信息转换为文本信息，如，当环境图像数据识别到人脸时，表明当前目标区域中存在人，生成记录目标区域中存在人以及检测时间的文本信息。在具体实现时，可以通过直方图增强、均值滤波、中值滤波进行图像去噪，通过灰度图像的自动阈值分割(Ostu分割)方法进行图像分割，通过先开运算后闭运算的方式进行害虫图像形态学处理功能，
在接收到监测子系统发送的环境数据组后，边缘计算网关可以对环境数据组进行误差排除处理，并根据环境数据组生成与当前区域对应的误差最小的目标环境数据。
在本申请一实施例中，所述步骤202包括如下子步骤：
子步骤S11，确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，并生成记录有所述目标对象类别以及所述目标对象数量的文本信息；
在对环境图像数据进行图像分割后，紧接着根据目标对象的图像形态学处理识别图像中的目标对象种类，并对目标对象图像进行标记以及得到目标对象种类分别对应的数量，生成文本信息，如，目标对象为害虫，可以根据害虫的图像形态学处理识别图像中的目标对象的种类，并对害虫进行标记，最终可以得到环境图像数据中的一个或多个害虫的种类，以及各害虫的种类分别对应的数量，进而生成记录有一个或多个害虫的种类以及各害虫的种类分别对应的数量的文本信息，在具体实现时，可以通过连通域标记以及裁剪的方式对目标对象进行标记。
子步骤S12，对所述环境数据组进行数据融合，得到所述目标环境数据。
在接收到监测子系统发送的环境数据组后，边缘计算网关可以对环境数据组进行误差排除处理，具体的，对所述环境数据组进行数据融合，生成与当前区域对应的误差最小的目标环境数据。
融合处理可以减弱外界环境因素的噪声影响，提高目标环境数据确定的精度，具体算法如下：
在实际的各个环境监测传感器测量过程中，考虑到测量存在一定的噪声影响，则各个环境监测传感器的测量值Xi，目标环境数据的值Zi，和噪声Yi有如下的关系：
Xi＝Zi+Yi(i＝1,2,...,n)………………………(1)
当环境监测传感器数量无限多的时候，对(1)式进行平均处理，其测量值Xi会无限接近目标环境数据的值Zi，此时噪声即可忽略不计。但在实际应用中，环境监测传感器的数量并不是无限的，若只通过求平均值的方法，会使目标环境数据的值和测量值存在一定的噪声误差，造成融合数据不够准确。因此本申请采用了如下步骤进一步减少噪声误差：
(1)测量值排序：对所有田环境监测传感器采集的数据进行排序，并选取其中的最大值Xmax和最小值Xmin；
(2)取平均数：对获取的最大最小值取平均数A0；
(3)将获取的平均数A0加入到原始测量数据中，并重新对测量数据进行排列，此时将大于等于A0的部分归类为P1，小于A0的部分归类为P2：
(4)分别对P1和P2两部分求平均值，得到P1a和P2a后对其再次求平均值：
(5)将得到的平均值作为A1再次加入到原始测量数据中，重复以上步骤，不断进行迭代处理，直到满足式5，停止迭代。
Ak＝Ak-1……………………………(5)
其中，K为得到的平均值的次数，如，A1为第一次得到的平均值，A2为第二次得到的平均值。
此时取得的平均值不再变化，认为此时获取的值无限接近环境真实数据。
本申请还可以采用加权融合算法生成准确率较高的检测数据，具体的，待估计的目标环境数据可以是通过环境监测子系统中的各个环境监测传感器所采集，可以通过数据的平均值来进行确定。然而通过平均值的估计确定目标环境数据，虽然可以减少小范围误差所带来的影响，但环境监测子系统中的各个环境监测传感器的检测环境是在农田，测量受环境因素影响很大，因此仅通过平均值来估计目标环境数据会出现一定的误差。
实验结果与分析
通过在待检测农田中部署环境监测传感器来实时监测环境信息。为测试上文中提到的数据融合技术，在测试环境中部署了三组环境监测传感器，每个节点都包括五种不同类型的环境监测传感器，采集七种不同的环境因素，分别为光照强度、空气温度、空气湿度、土壤湿度、土壤温度、CO2浓度和土壤电导率。测试时间为从上午11点开始至下午2点结束，实验期间，每20分钟获取一次数据共获取9组数据。实际采集的详细数据如表1所示。
表1传感器采集数据
续表
表2数据融合结果
通过总均方差来表示上述融合算法结果，由表2可知迭代权值法使系统总方差与自适应数据融合技术对比降低约25％，与静态权值均等法相比降低了约58％。自适应数据融合为本申请的最优选择，提高了监测数据准确率，可满足环境监测的实际需求，为下一步的决策提供保障。
步骤203，将所述目标中间数据发送至云端服务器，所述云端服务器用于基于所述目标中间数据进行环境监测。
在本申请实施例中，通过接收环境监测子系统发送的环境监测数据，环境监测数据包括目标区域的环境数据组和/或环境图像数据，基于环境监测数据生成目标中间数据，目标中间数据包括文本信息和/或目标环境数据，文本信息基于环境图像数据生成，目标环境数据由环境数据组通过数据融合生成，将目标中间数据发送至云端服务器，云端服务器用于基于目标中间数据进行环境监测。充分利用边缘计算网关的计算资源，云端服务器只需根据边缘计算网关生成的目标中间数据进行环境监测，计算压力更小，进而减轻了云端服务器运算的压力，并且由于文本信息和/或目标环境数据均小于处理前的环境图像数据以及环境数据组，可以缓解了传输的延迟和带宽资源的占用，进一步提升传输与运行效率，提高监测精度，大大加快了农业信息的响应速度。
图3为本申请实施例提供的又一种基于边缘计算的环境监测方法的流程示意图，应用于边缘计算网关，所述边缘计算网关中设有基于容器虚拟化生成的第一功能服务容器、第二功能服务容器以及第三功能服务容器，容器虚拟化(Docker)是一种基于Linux内核虚拟化技术的容器引擎，基于GO语言并依据阿帕奇2.0(Apache HTTP Server，Apache2.0)协议开发。Docker容器技术支持多个应用同时运行，各容器共享主机操作系统资源，利用进程隔离部署不同的应用服务，Docker使用源自控制组群(control groups，Cgroups)技术统一管理进程资源，包括CPU、内存等，为向上层虚拟化资源提供保障，使用命名空间技术对系统资源进行有效隔离，同一命名空间下的容器进程可以使用独立特定的系统资源，结合这两种内核技术，容器在提供隔离机制的同时还可以实现资源共享。各个应用之间彼此独立，在共享同一主机操作系统内核环境下隔离运行。Docker相比传统虚拟机具有启动快速、部署方便、资源占用少、运行效率高等优点。目前边缘计算与容器虚拟化技术在环境监测物联网领域的应用还比较少，应用于监测的物联网的云端服务器-边缘计算网关架构的研究还处于空白阶段；
如图4，边缘计算网关容器化设计是利用Docker虚拟化技术对边缘计算网关进行容器化隔离(本申请中基于容器虚拟化生成第一功能服务容器、第二功能服务容器以及第三功能服务容器)，以独立微服务的形式进行容器间内部通信(第一功能服务容器、第二功能服务容器以及第三功能服务容器之间的通信)，同时各容器根据需要向外提供必要的接口。从硬件资源角度，各虚拟化服务容器通过docker虚拟化技术进行资源调配，能够更加合理有序的使用硬件CPU算力、内部存储、数据存储等资源，使边缘计算网关的硬件资源得到合理、安全、规范化的调配。docker虚拟化技术方便进行模块化功能拆分和重组，能够快速定制出符合需求的边缘计算方案。在具体实现过程中，可以通过docker服务程序，调用docker命令单独处理程序以及docker Compose批量化处理生成第一功能服务容器、第二功能服务容器以及第三功能服务容器，可以通过docker服务程序，在仓库(特定的存储空间)调用第一功能镜像、第二功能镜像以及第三功能镜像，并使得第一功能镜像运行在第一功能服务容器，第二功能镜像运行在第二功能服务容器，第三功能镜像运行在第三功能服务容器。
边缘计算网关可以为小型单板设备，在物联网边缘计算场景下，成本低、资源受限的小型单板设备的应用越来越普及，而应用于单板设备上的轻量级虚拟化技术，可以保证部分云计算任务在边缘计算设备上的实现，具有很好的灵活性和可扩展性。虚拟化技术是通过将计算机的网络、计算、存储等实体资源进行抽象和转换，让服务不再受限于硬件，使用户充分利用资源。容器技术作为一种轻量级虚拟化技术，近年来不仅广泛应用于云计算平台和数据中心的资源管理、系统运维和软件部署中，也逐步应用于包括边缘计算、物联网等在内的新领域。
所述基于边缘计算的环境监测方法具体包括如下步骤：
步骤301，接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据；
在本申请一实施例中，所述环境监测子系统用于生成所述环境监测数据，并将所述环境监测数据存储至宿主机；宿主机用于将所述环境监测数据转发给所述边缘计算网关。
在进行环境监测时，环境监测子系统可以采集环境数据组以及环境图像数据，并可以通过Docker虚拟化技术中的容器卷volume将图像处理应用文件夹映射到用于存储图像的宿主机/md目录。容器卷volume是Docker虚拟化技术用来实现数据持久化的一种方式，通过容器卷volume能够绕过Docker虚拟化技术中的默认的文件系统，将容器内指定的应用文件夹同宿主机对应文件夹进行关联。通过容器卷volume可以将容器应用中重要的数据(如，环境数据组以及环境图像数据)保存至宿主机。宿主机可以将该环境监测数据转发给边缘计算网关，使得边缘计算网关可以接收到环境监测子系统发送的环境监测数据。可见，本申请实施例中的边缘计算网关可以从宿主机获取相关更新数据(如，环境数据组以及环境图像数据)。
在本申请一实施例中，所述目标区域为农田区域，所述步骤301，包括：
接收图像采集装置拍摄的环境图像数据以及环境监测传感器采集的农田环境数据组。
步骤302，通过所述第一功能服务容器确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，并生成记录有所述目标对象类别以及所述目标对象数量的所述文本信息；
在接收到环境图像数据后，边缘计算网关可以基于docker虚拟化技术生成第一功能服务容器，并在第一功能服务容器中运行图像识别处理程序对应的代码程序，通过在第一功能服务容器中运行的图像识别处理程序确认环境图像数据中的目标对象类别和目标对象类别对应的目标对象数量，并生成记录有目标对象类别以及目标对象数量的文本信息。
在本申请一实施例中，所述步骤302，还包括如下子步骤：
子步骤S21，将预先设定的第一功能程序代码以及第二功能程序代码分别打包成第一功能镜像以及第二功能镜像；
子步骤S22，将所述第一功能镜像发送至所述第一功能服务容器，将所述第二功能镜像发送至所述第二功能服务容器；
子步骤S23，在所述第一功能服务容器中运行所述第一功能镜像中的第一功能程序代码，通过所述第一功能程序代码确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，得到记录有所述目标对象类别以及所述目标对象数量的文本信息；
子步骤S24，在所述第二功能服务容器中运行所述第二功能镜像中的第二功能程序代码，通过所述第二功能程序代码对所述环境数据组进行数据融合，得到所述目标环境数据。
随着互联网高质量图像数量的增加，云计算的延迟相对于边缘计算明显上升。通过在边缘计算网关docker虚拟化技术生成的第一功能服务容器中部署预先设定的第一功能程序代码，可以针对环境中的环境图像，如图5，病虫害图像进行处理分析识别，具体的，环境监测子系统获取图像，并将图像发送至第一功能服务容器，在第一功能服务容器中进行图像识别处理，通过MQTT协议将识别的结果以文本的形式回传至云端服务器，能够显著降低与云端服务器之间的传输延迟。如图6，通过在第二功能服务容器中部署第二功能程序代码，可以对所述环境数据组进行数据融合，得到目标环境数据，具体的，通过环境监测传感器获取数据信息(环境数据组)，将环境数据组发送至第二功能服务容器，进行数据融合，最终将融合结果发送至第三功能服务容器，目标环境数据相比于环境数据组的数据量小，能够显著降低云端服务器的传输延迟。
在本申请一实施例中，所述步骤302后，还包括：
通过所述第一功能服务容器基于所述消息队列遥测传输协议，将所述文本信息发送至所述第三功能服务容器；
在本申请一实施例中，所述目标区域为农田区域，所述目标区域的环境数据组为农田环境数据组，所述农田环境数据组包括：农田空气温度数据组、农田空气湿度数据组、农田土壤温度数据组、农田土壤湿度数据组、农田光照强度数据组、农田二氧化碳浓度数据组和/或农田土壤电导率数据组；所述步骤302，还包括：
确认所述环境图像数据中包含的害虫类别，以及害虫类别对应的害虫数量，生成记录所述害虫种类以及所述害虫种类对应的害虫数量的文本信息；分别对各类别的农田环境数据组进行数据融合，得到目标环境数据，所述目标环境数据包括：目标空气温度数据、目标空气湿度数据、目标土壤温度数据、目标土壤湿度数据、目标光照强度数据、目标二氧化碳浓度数据和/或目标土壤电导率数据。
步骤303，通过所述第二功能服务容器对所述环境数据组进行数据融合，得到所述目标环境数据；
在接收到环境数据组后，边缘计算网关可以基于docker虚拟化技术生成第二功能服务容器，并在第二功能服务容器运行环境数据组处理程序对应的代码程序，通过在第二功能服务容器中运行的环境数据组处理程序，对环境数据组进行数据融合，得到目标环境数据；
在接收到环境数据组后，可以通过环境数据组处理模块基于python科学计算库Numpy和数据分析包Pandas执行数据融合技术，并基于所述环境数据组对应的多个环境数据，生成目标环境数据。Numpy支持高维度矩阵计算，在计算过程种提供大量数学函数库，函数库可以更加高效的处理多维矩阵。
在本申请一实施例中，所述步骤303后，还包括：
通过所述第二功能服务容器基于所述消息队列遥测传输协议，将所述目标环境数据发送至所述第三功能服务容器；
步骤304，通过所述第三功能服务容器将所述文本信息以及所述目标环境数据发送至所述云端服务器。
在具体执行过程中，边缘计算网关可以基于docker虚拟化技术生成第三功能服务容器，并在第三功能服务容器运行数据发送程序对应的代码程序，通过在第三功能服务容器运行的数据发送程序将文本信息以及目标环境数据发送至所述云端服务器。
在第一功能服务容器生成文本信息以及第二功能服务容器生成目标环境数据后，数据发送模块可以将文本信息以及环境数据组分别对应的目标环境数据发送至所述云端服务器。
在本申请一实施例中，所述步骤304，包括如下子步骤：
子步骤S21，在所述云端服务器订阅所述文本信息后，通过所述第三功能服务容器将所述文本信息发送至所述云端服务器；和/或，
子步骤S22，在所述云端服务器订阅所述目标环境数据后，通过所述第三功能服务容器将所述目标环境数据发送至所述云端服务器。
所述第一功能服务容器用于通过消息队列遥测传输(Message QueuingTelemetry Transport，MQTT)协议发送所述文本信息至所述第三功能服务容器，第二功能服务容器用于通过MQTT协议发送所述多组环境数据组分别对应的目标环境数据至所述第三功能服务容器，所述第三功能服务容器用于通过MQTT协议推送所述文本信息以及多组环境数据组分别对应的目标环境数据至所述云端服务器。
在具体实现过程中，本专利采用MQTT消息中间件的架构，应用发布/订阅的模式替代之前的链式交互方式，实现主动式消息交互，原理如图7所示，第一功能服务容器和/或第二功能服务容器在生成文本信息以及目标环境数据后发布至第三功能服务容器，第三功能服务容器在云端服务器订阅消息后，推送文本信息以及目标环境数据至云端服务器。目前大多数互联网架构均支持MQTT协议，本申请既可以为边缘计算网关内部提供数据交互支持，也能应用于边缘计算网关以及云端服务器之间的信息传送，成为边缘计算网关与云端服务器之间信息交互的纽带。
本申请提出的边缘端MQTT架构中其中RabbitMQ作为整体MQTT服务器，负责通过对应的进行消息转发，并提供MQTT服务端日志的保存。其他功能模块都配有支持MQTT协议的数据接口，能够自由的进行订阅和发布信息，边缘计算网关MQTT传输整体架构如图7所示。
所述步骤304，包括：
通过所述第三功能服务容器基于所述消息队列遥测传输协议将所述目标中间数据发送至所述云端服务器。
在本申请一实施例中，如图8所示，可以将边缘计算网关划分为数据接入层、虚拟化层以及边缘计算层，数据接入层与环境监测子系统通信连接。
边缘计算网关上预先设有硬件接口和总线协议，硬件接口和总线协议设于该数据接入层，在基于所述环境监测数据进行边缘计算生成目标中间数据前，边缘计算网关可以通过硬件接口和总线协议，接收环境监测子系统发送的环境监测数据，数据接入层支持多种硬件接口和总线协议，具体的，总线协议包括LoRaWAN传输协议或WiFi传输协议。
虚拟化层可以依托Docker虚拟化技术，将各种需独立运行的服务(即第一功能程序代码、第二功能程序代码以及第三功能程序代码)打包成镜像，虚拟化层也可以预先设有行业化服务，如，依托其他功能程序代码运行的服务，实现了各个功能服务相互隔离。
边缘计算层采用虚拟化网络为容器(即第一功能服务容器、第二功能服务容器以及第三功能服务容器)提供数据接入服务，提高了整体边缘计算网关的资源利用效率和兼容性。
如图9，边缘计算层通过对各个容器镜像(第一功能镜像以及第二功能镜像)的管理，对各功能容器的输入输出进行定义(第一功能服务容器接收图像采集装置采集的图像，第二功能服务容器接收环境监测传感器获取的环境数据组，并输出给第三功能服务容器)，在定义逻辑下系统性地进行数据的分析和处理，在边缘端实现了部分云端服务器的功能，最后通过MQTT协议与云端服务器通信连接。
在本申请实施例中，通过接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据，通过所述第一功能服务容器确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，并生成记录有所述目标对象类别以及所述目标对象数量的所述文本信息，通过所述第二功能服务容器对所述环境数据组进行数据融合，得到所述目标环境数据，通过所述第三功能服务容器将所述目标中间数据发送至所述云端服务器。将各种需独立运行的图像识别处理模块、环境数据组处理模块以及数据发送模块打包成镜像，并在功能服务容器中运行，实现了边缘计算网关中各个功能服务相互隔离，即图像识别处理模块、环境数据组处理模块以及数据发送模块相互隔离。采用虚拟化网络为容器提供数据接入服务，提高了整体边缘计算网关的资源利用效率和兼容性。并且通过对各个容器镜像的管理，对各功能容器的输入输出进行定义，在定义逻辑下系统性地进行数据的分析和处理，在边缘端实现了部分云端服务器的功能。
图10为本申请实施例提供的一种基于边缘计算的环境监测装置的结构示意图，包含于边缘计算网关，所述装置包括如下模块：
环境监测数据接收模块1001，用于接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据；
数据处理模块1002，用于基于所述环境监测数据进行边缘计算生成目标中间数据，所述目标中间数据包括文本信息和/或目标环境数据，所述文本信息基于所述环境图像数据生成，所述目标环境数据基于所述环境数据组生成；
目标中间数据发送模块1003，用于将所述目标中间数据发送至云端服务器，所述云端服务器用于基于所述目标中间数据进行环境监测。
在本申请一实施例中，所述目标中间数据生成模块1002，包括：
文本信息生成子模块，用于确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，并生成记录有所述目标对象类别以及所述目标对象数量的文本信息；
目标环境数据生成子模块，用于对所述环境数据组进行数据融合，得到所述目标环境数据。
在本申请一实施例中，所述目标区域为农田区域，所述目标区域的环境数据组为农田环境数据组，所述农田环境数据组包括：农田空气温度数据组、农田空气湿度数据组、农田土壤温度数据组、农田土壤湿度数据组、农田光照强度数据组、农田二氧化碳浓度数据组和/或农田土壤电导率数据组；
所述环境监测数据接收模块1001，包括：
农田环境监测数据接收子模块，用于数据接收图像采集装置拍摄的环境图像数据以及环境监测传感器采集的农田环境数据组；
所述数据处理模块1002，包括：
农田目标环境数据生成子模块，用于确认所述环境图像数据中包含的害虫类别，以及害虫类别对应的害虫数量，生成记录所述害虫种类以及所述害虫种类对应的害虫数量的文本信息；分别对各类别的农田环境数据组进行数据融合，得到目标环境数据，所述目标环境数据包括：目标空气温度数据、目标空气湿度数据、目标土壤温度数据、目标土壤湿度数据、目标光照强度数据、目标二氧化碳浓度数据和/或目标土壤电导率数据。
在本申请一实施例中，所述边缘计算网关中设有基于容器虚拟化生成的第一功能服务容器、第二功能服务容器以及第三功能服务容器；
所述数据处理模块1002，包括：
容器图像识别子模块，用于通过所述第一功能服务容器确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，并生成记录有所述目标对象类别以及所述目标对象数量的所述文本信息；
容器数据融合子模块，用于通过所述第二功能服务容器对所述环境数据组进行数据融合，得到所述目标环境数据；
所述目标中间数据发送模块1003，包括：
容器目标中间数据发送子模块，用于通过所述第三功能服务容器将所述文本信息以及所述目标环境数据发送至所述云端服务器。
在本申请一实施例中，所述装置还包括：
第一协议内部传输模块，用于通过所述第一功能服务容器基于所述消息队列遥测传输协议，将所述文本信息发送至所述第三功能服务容器；
第二协议内部传输模块，用于通过所述第二功能服务容器基于所述消息队列遥测传输协议，将所述目标环境数据发送至所述第三功能服务容器；
所述目标中间数据发送模块1003，包括：
协议目标中间数据发送模块，用于通过所述第三功能服务容器基于所述消息队列遥测传输协议将所述文本信息以及目标环境数据发送至所述云端服务器。
在本申请一实施例中，所述协议目标中间数据发送模块，包括：
订阅传输子模块，用于在所述云端服务器订阅所述文本信息后，通过所述第三功能服务容器将所述文本信息发送至所述云端服务器；
订阅处理子模块，用于在所述云端服务器订阅所述目标环境数据后，通过所述第三功能服务容器将所述目标环境数据发送至所述云端服务器。
在本申请一实施例中，所述装置还包括：
镜像打包模块，用于将预先设定的第一功能程序代码以及第二功能程序代码分别打包成第一功能镜像以及第二功能镜像；
镜像发送模块，用于将所述第一功能镜像发送至所述第一功能服务容器，将所述第二功能镜像发送至所述第二功能服务容器；
第一功能镜像运行模块，用于在所述第一功能服务容器中运行所述第一功能镜像中的第一功能程序代码，通过所述第一功能程序代码确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，得到记录有所述目标对象类别以及所述目标对象数量的文本信息；
第二功能镜像运行模块，用于在所述第二功能服务容器中运行所述第二功能镜像中的第二功能程序代码，通过所述第二功能程序代码对所述环境数据组进行数据融合，得到所述目标环境数据。
在本申请一实施例中，所述边缘计算网关上预先设有硬件接口和总线协议，所述装置，还包括：
协议接受模块，用于通过所述硬件接口和总线协议，接收环境监测子系统发送的环境监测数据，所述总线协议包括LoRaWAN传输协议或WiFi传输协议。
在本申请一实施例中，所述环境监测子系统用于生成所述环境监测数据，并将所述环境监测数据存储至宿主机；
所述环境监测数据接收模块1001，包括：
宿主机环境监测数据接收模块，用于从所述宿主机获取所述环境监测数据。
如图11所示，本申请实施例提供提供了一种边缘计算网关，包括处理器111、通信接口112、存储器113和通信总线114，其中，处理器111，通信接口112，存储器113通过通信总线114完成相互间的通信，
存储器113，用于存放计算机程序；
在本申请一个实施例中，处理器111，用于执行存储器113上所存放的程序时，实现前述任意一个方法实施例提供的基于边缘计算的环境监测方法。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的基于边缘计算的环境监测方法的步骤。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于边缘计算的环境监测方法，其特征在于，应用于边缘计算网关，所述方法包括：
接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据；
基于所述环境监测数据进行边缘计算生成目标中间数据，所述目标中间数据包括文本信息和/或目标环境数据，所述文本信息基于所述环境图像数据生成，所述目标环境数据基于所述环境数据组生成；
将所述目标中间数据发送至云端服务器，所述云端服务器用于基于所述目标中间数据进行环境监测。
2.根据权利要求1所述的方法，其特征在于，所述基于所述环境监测数据进行边缘计算生成目标中间数据，包括：
确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，并生成记录有所述目标对象类别以及所述目标对象数量的文本信息；
对所述环境数据组进行数据融合，得到所述目标环境数据。
3.根据权利要求1所述的方法，其特征在于，所述目标区域为农田区域，所述目标区域的环境数据组为农田环境数据组，所述农田环境数据组包括：农田空气温度数据组、农田空气湿度数据组、农田土壤温度数据组、农田土壤湿度数据组、农田光照强度数据组、农田二氧化碳浓度数据组和/或农田土壤电导率数据组；
所述接收环境监测子系统发送的环境监测数据，包括：接收图像采集装置拍摄的环境图像数据以及环境监测传感器采集的农田环境数据组；
所述基于所述环境监测数据进行边缘计算生成目标中间数据，包括：确认所述环境图像数据中包含的害虫类别，以及害虫类别对应的害虫数量，生成记录所述害虫种类以及所述害虫种类对应的害虫数量的文本信息；分别对各类别的农田环境数据组进行数据融合，得到目标环境数据，所述目标环境数据包括：目标空气温度数据、目标空气湿度数据、目标土壤温度数据、目标土壤湿度数据、目标光照强度数据、目标二氧化碳浓度数据和/或目标土壤电导率数据。
4.根据权利要求1所述的方法，其特征在于，所述边缘计算网关中设有基于容器虚拟化生成的第一功能服务容器、第二功能服务容器以及第三功能服务容器；
所述基于所述环境监测数据进行边缘计算生成目标中间数据，包括：
通过所述第一功能服务容器确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，并生成记录有所述目标对象类别以及所述目标对象数量的所述文本信息；
通过所述第二功能服务容器对所述环境数据组进行数据融合，得到所述目标环境数据；
所述将所述目标中间数据发送至云端服务器，包括：
通过所述第三功能服务容器将所述文本信息以及所述目标环境数据发送至所述云端服务器。
5.根据权利要求4所述的方法，其特征在于，所述基于所述环境监测数据进行边缘计算生成目标中间数据后，所述方法还包括：
通过所述第一功能服务容器基于所述消息队列遥测传输协议，将所述文本信息发送至所述第三功能服务容器；
通过所述第二功能服务容器基于所述消息队列遥测传输协议，将所述目标环境数据发送至所述第三功能服务容器；
所述将所述目标中间数据发送至云端服务器，包括：
通过所述第三功能服务容器基于所述消息队列遥测传输协议将所述文本信息以及目标环境数据发送至所述云端服务器。
6.根据权利要求4或5所述的方法，其特征在于，所述通过所述第三功能服务容器将所述文本信息以及所述目标环境数据发送至所述云端服务器，包括：
在所述云端服务器订阅所述文本信息后，通过所述第三功能服务容器将所述文本信息发送至所述云端服务器；和/或，
在所述云端服务器订阅所述目标环境数据后，通过所述第三功能服务容器将所述目标环境数据发送至所述云端服务器。
7.根据权利要求4所述的方法，其特征在于，所述基于所述环境监测数据进行边缘计算生成目标中间数据前，还包括：
将预先设定的第一功能程序代码以及第二功能程序代码分别打包成第一功能镜像以及第二功能镜像；
将所述第一功能镜像发送至所述第一功能服务容器，将所述第二功能镜像发送至所述第二功能服务容器；
在所述第一功能服务容器中运行所述第一功能镜像中的第一功能程序代码，通过所述第一功能程序代码确认所述环境图像数据中的目标对象类别和所述目标对象类别对应的目标对象数量，得到记录有所述目标对象类别以及所述目标对象数量的文本信息；
在所述第二功能服务容器中运行所述第二功能镜像中的第二功能程序代码，通过所述第二功能程序代码对所述环境数据组进行数据融合，得到所述目标环境数据。
8.根据权利要求4所述的方法，其特征在于，所述边缘计算网关上预先设有硬件接口和总线协议，所述基于所述环境监测数据进行边缘计算生成目标中间数据前，还包括：
通过所述硬件接口和总线协议，接收环境监测子系统发送的环境监测数据，所述总线协议包括LoRaWAN传输协议或WiFi传输协议。
9.根据权利要求1所述的方法，其特征在于，所述环境监测子系统用于生成所述环境监测数据，并将所述环境监测数据存储至宿主机；
所述宿主机用于将所述环境监测数据转发给所述边缘计算网关。
10.一种基于边缘计算的环境监测系统，其特征在于，包括环境监测子系统、边缘计算网关以及云端服务器；
所述环境监测子系统用于接收环境监测传感器监测的环境监测数据，将所述环境监测数据发送至边缘计算网关；
所述边缘计算网关用于接收环境监测子系统发送的环境监测数据，所述环境监测数据包括目标区域的环境数据组和/或环境图像数据；基于所述环境监测数据生成目标中间数据，所述目标中间数据包括文本信息和/或目标环境数据，所述文本信息基于所述环境图像数据生成，所述目标环境数据基于环境数据组生成；将所述目标中间数据发送至云端服务器；
所述云端服务器用于基于所述目标中间数据进行环境监测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110886799.9A CN113639793A (zh) | 2021-08-03 | 2021-08-03 | 一种基于边缘计算的环境监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110886799.9A CN113639793A (zh) | 2021-08-03 | 2021-08-03 | 一种基于边缘计算的环境监测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113639793A true CN113639793A (zh) | 2021-11-12 |
Family
ID=78419429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110886799.9A Pending CN113639793A (zh) | 2021-08-03 | 2021-08-03 | 一种基于边缘计算的环境监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113639793A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115884009A (zh) * | 2023-03-02 | 2023-03-31 | 四川君迪能源科技有限公司 | 二氧化碳排放远程实时监测方法、装置和系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107613021A (zh) * | 2017-10-18 | 2018-01-19 | 四川聚峰谷农业科技开发有限公司 | 基于云模式的农业物联网信息管理系统 |
| CN108616838A (zh) * | 2018-04-29 | 2018-10-02 | 山东省计算中心（国家超级计算济南中心） | 基于卡尔曼滤波算法的农业大棚数据融合处理方法 |
| US20190226898A1 (en) * | 2017-11-16 | 2019-07-25 | James R. Gray, JR. | Environmental sensor platform, system and method |
| CN110929077A (zh) * | 2019-10-17 | 2020-03-27 | 北京海益同展信息科技有限公司 | 动物建档的方法、装置、设备、电子设备及计算机可读介质 |
| CN111163002A (zh) * | 2019-12-31 | 2020-05-15 | 广州智光电气股份有限公司 | 一种基于容器的边缘网关系统和能源数据处理方法 |
| CN111459605A (zh) * | 2020-02-26 | 2020-07-28 | 浙江工业大学 | 一种基于Docker的边缘计算网关虚拟化方法 |
| CN111524125A (zh) * | 2020-04-28 | 2020-08-11 | 北京海益同展信息科技有限公司 | 一种设备清洁方法、装置、系统、电子设备及存储介质 |
| CN112118306A (zh) * | 2020-09-14 | 2020-12-22 | 衢州学院 | 基于边缘计算的胡柚生长环境及病虫害物联网监测系统 |
-
2021
- 2021-08-03 CN CN202110886799.9A patent/CN113639793A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107613021A (zh) * | 2017-10-18 | 2018-01-19 | 四川聚峰谷农业科技开发有限公司 | 基于云模式的农业物联网信息管理系统 |
| US20190226898A1 (en) * | 2017-11-16 | 2019-07-25 | James R. Gray, JR. | Environmental sensor platform, system and method |
| CN108616838A (zh) * | 2018-04-29 | 2018-10-02 | 山东省计算中心（国家超级计算济南中心） | 基于卡尔曼滤波算法的农业大棚数据融合处理方法 |
| CN110929077A (zh) * | 2019-10-17 | 2020-03-27 | 北京海益同展信息科技有限公司 | 动物建档的方法、装置、设备、电子设备及计算机可读介质 |
| CN111163002A (zh) * | 2019-12-31 | 2020-05-15 | 广州智光电气股份有限公司 | 一种基于容器的边缘网关系统和能源数据处理方法 |
| CN111459605A (zh) * | 2020-02-26 | 2020-07-28 | 浙江工业大学 | 一种基于Docker的边缘计算网关虚拟化方法 |
| CN111524125A (zh) * | 2020-04-28 | 2020-08-11 | 北京海益同展信息科技有限公司 | 一种设备清洁方法、装置、系统、电子设备及存储介质 |
| CN112118306A (zh) * | 2020-09-14 | 2020-12-22 | 衢州学院 | 基于边缘计算的胡柚生长环境及病虫害物联网监测系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115884009A (zh) * | 2023-03-02 | 2023-03-31 | 四川君迪能源科技有限公司 | 二氧化碳排放远程实时监测方法、装置和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11740935B2 (en) | FPGA acceleration for serverless computing | |
| US11397887B2 (en) | Dynamic tuning of training parameters for machine learning algorithms | |
| Hadidi et al. | Distributed perception by collaborative robots | |
| CN109284823B (zh) | 一种运算装置及相关产品 | |
| Li et al. | DeepNFV: A lightweight framework for intelligent edge network functions virtualization | |
| CN113849293B (zh) | 数据处理方法、装置、系统及计算机可读存储介质 | |
| Cogliati et al. | Intelligent cyber-physical systems for industry 4.0 | |
| Hadidi et al. | Musical chair: Efficient real-time recognition using collaborative iot devices | |
| CN112667400B (zh) | 边缘自治中心管控的边云资源调度方法、装置及系统 | |
| US9471885B1 (en) | Predictor-corrector method for knowledge amplification by structured expert randomization | |
| CN113639793A (zh) | 一种基于边缘计算的环境监测方法及系统 | |
| CN113190417A (zh) | 微服务状态检测方法、模型的训练方法、设备及存储介质 | |
| Mendieta et al. | A novel application/infrastructure co-design approach for real-time edge video analytics | |
| US11201789B1 (en) | Coordinated device grouping in fog computing | |
| Kim et al. | Network virtualization for real-time processing of object detection using deep learning | |
| US20240095529A1 (en) | Neural Network Optimization Method and Apparatus | |
| CN114666335A (zh) | 一种基于dds的分布式系统负载均衡装置 | |
| US20230229963A1 (en) | Machine learning model training | |
| Taherizadeh et al. | Incremental learning from multi-level monitoring data and its application to component based software engineering | |
| CN114746868A (zh) | 编译神经网络模型的方法和装置 | |
| CN112631577B (zh) | 一种模型的调度方法、模型调度器以及模型安全测试平台 | |
| US20230297885A1 (en) | Big data-based modular ai engine server and driving method of the same | |
| Chainbi et al. | A multiswarm for composite SaaS placement optimization based on PSO | |
| Pourabdollah et al. | Fuzzy logic as-a-service for ambient intelligence environments | |
| Roy et al. | RoboCon: A Modular Robotic Containerization, Orchestration, and Load Balancing Technique for Mixed Hierarchy Task Handling Across Computing Platforms |
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 |
Application publication date: 20211112 |
|
| RJ01 | Rejection of invention patent application after publication |