CN114020848A - 一种用于工业现场边云协同的数据分析系统及实现方法 - Google Patents
一种用于工业现场边云协同的数据分析系统及实现方法 Download PDFInfo
- Publication number
- CN114020848A CN114020848A CN202111365484.6A CN202111365484A CN114020848A CN 114020848 A CN114020848 A CN 114020848A CN 202111365484 A CN202111365484 A CN 202111365484A CN 114020848 A CN114020848 A CN 114020848A
- Authority
- CN
- China
- Prior art keywords
- data
- edge
- analysis
- module
- cloud
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
- G06F16/273—Asynchronous replication or reconciliation
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提出了一种用于工业现场边云协同的数据分析系统及其实现方法。数据分析方式采用边云协同架构,整个系统由数据采集节点、边缘数据处理节点和云服务中心三部分构成。其中,数据采集节点实时采集工业现场数据;边缘数据处理节点搭载分布式人工智能模型,对工业数据进行预处理和实时分析,得到分析结果,对结果进行实时显示,并将预处理后的数据和分析结果发送至云端;云服务中心搭载大数据人工智能模型,汇总分布式边缘节点的分析结果和数据,通过深度学习和增量式学习的方式对边缘端的分布式人工智能模型进行优化和更新,并将分析结果展示给用户。通过边缘端与云端的协同工作,可以实现高效率、高价值、智能化的工业现场数据分析。
Description
技术领域
本发明属于工业互联网技术领域,具体涉及一种用于工业现场边云协同的数据分析系统及实现方法,包含该系统的整体架构、各端构建方式以及协同方法,适用于“智能制造”背景下工业现场的智能化数据分析。
背景技术
随着无线通信技术和互联网的迅速发展,物联网应运而生,它通过规定的信息传输规则,将各种物理量传感器设备连接成网络,帮助我们实现对管理对象的状态监测、环境感知,提高我们对延伸对象的控制能力。目前,工业生产规模不断扩大,制造业智能化水平持续提高,生产过程中对各设备之间信息互通和统筹的要求也不断提高。将物联网技术运用到工业生产领域,构建完备的工业互联网,实现智能化的数据分析,对提高企业生产管理效率,实现国家制造业高质量发展具有重要意义。
在工业规模大幅扩展、工业设备的数量不断增加的背景下,生产数据也随之大量增加。将大量的实时数据直接上传到云端的传统方式不仅面临着网络带宽限制、数据高延时、终端资源有限等问题,在数据安全方面也存在极大不足。运用边云协同的数据分析方式,不仅可以实现工业现场数据的实时处理,还能在云端实现大数据分析、数据长期存储等大规模、长周期的数据业务。另外,边缘数据处理节点对数据加密后再上传至云端,也为数据安全性提供了更高的保障。
工业领域的数据分析包括数据现场分析和云端分析两种方式。现场分析往往面临着计算资源有限、模型更新不及时、数据和分析结果不能及时共享等问题;而将现场数据上传至云端再进行分析以获取分析结果,则面临着数据传输延迟高、数据安全性难以保证等问题。
发明内容
为克服现有技术中存在的上述问题,本发明公开了一种用于工业现场边云协同的数据分析系统及其实现方法,边缘端数据处理节点搭载分布式人工智能模型,完成工业现场数据的预处理和实时分析,并将处理后的数据和分析结果上传云端,解决了数据延迟和结果共享的问题;云端依靠其强大的计算能力,汇总多个节点上传的数据,通过增量式学习和深度学习的方式及时对边缘端分布式模型进行优化和更新,打破了各边缘端之间的信息孤岛,同时也解决了边缘端计算资源有限、模型不能及时更新等问题。
本发明具体采用以下技术方案。
一种用于工业现场边云协同的数据分析系统及实现方法。数据分析方式采用边云协同架构,整个系统由数据采集节点、边缘数据处理节点和云服务中心三部分构成。其中,数据采集节点搭载传感器或通用数据接口,实时采集工业现场数据;边缘数据处理节点使用一般性能CPU和轻量AI芯片,搭载分布式人工智能模型,对工业数据进行预处理和实时分析,得到分析结果,对结果进行实时显示,并将预处理后的数据和分析结果发送至云端;云服务中心使用高性能云主机,搭载大数据人工智能模型,汇总分布式边缘节点的分析结果和数据,依靠自身的高性能计算能力,通过深度学习和增量式学习的方式对边缘端的分布式人工智能模型进行优化和更新,另外对分析结果进行记录,并将分析结果通过网页直接展示给用户。其特征在于:
所述数据采集节点负责数据采集,安装于工业现场的设备上,具有体积小、功耗低、可靠性高的特点,包括控制模块、数据接口模块、通信模块和电源模块。所述控制模块选用性能和功耗较低的控制芯片,负责控制数据接口和通信模块。所述数据接口模块选用工业通用的数据接口,也可以选用传感器模块,数据接口模块的选择根据工业现场的数据采集需求而定。所述通信模块,其作用在于与边缘数据处理节点建立数据连接,将数据包发送至边缘数据处理节点,可采用无线或有线的通信方式。所述电源模块,为满足小型化需求,可采用小型电池或有线供电的方式。
所述边缘数据处理节点,首先对工业数据进行预处理,之后通过分布式人工智能模型完成工业数据的实时分析,得到分析结果,在本地对分析结果进行实时显示,并将处理后的数据和分析结果发送至云端。包括控制模块、AI模块、显示模块、边缘通信模块、互联网通信模块和电源模块。所述控制模块可使用性能较高的ARM芯片,负责控制AI模块和通信模块的运作。所述AI模块,可使用小型轻量化的AI芯片,用较强的计算能力支撑边缘智能算法的运行。所述显示模块,负责对边缘数据处理结果进行实时显示。所述边缘通信模块,负责与数据采集节点建立通信连接,可根据采集节点通信方式选择模块类型。所述互联网通信模块,负责为设备提供联网功能,并通过互联网实现与云服务中心的连接。
数据采集节点与边缘数据处理节点之间的通信模式为直接发送模式,即数据采集节点在控制中心定时器的作用下按照需求定时采集数据,获取数据后打包并直接将数据包发送至其对应的边缘数据处理节点。
所述数据包内容包括数据包类型、数据包长度、数据类型、数据内容、数量单位和数据包结束标志,各类内容之间以“///”划分。其中数据包类型规定数据内容的类型,包括一段时间内采集的时间序列、单次采集数值、图片、视频等类型;数据包长度为整个数据包的长度,单位为Byte;数据类型声明所获取数据表示的物理量名称,如数量、电压、温度、光强等;数据内容根据类型不同设置不同的规定方式,方便边缘计算中心处理;数量单位标明所测数据使用的物理单位,如件、伏特、摄氏度等;数据包结束标志用来表明数据包的结束。
所述数据处理节点在与数据采集节点交互过程中,工作于多线程服务器状态,可同时监听多个数据采集节点的通信请求。
所述云服务中心,协调控制多个边缘数据处理节点的数据上传,汇总分布式边缘节点的数据和分析结果,依靠自身的高性能计算能力,通过深度学习和增量式学习的方式对边缘端的分布式人工智能模型进行优化和更新;另外对分析结果进行记录,并将分析结果通过网页直接展示给用户。云计算中心使用高性能云主机,搭建数据库和服务器后台,集成协同算法,以实现上述功能。
所述边缘户数据处理节点与云服务中心的协同方式为:数据分析系统首次工作时,边缘端搭载初始分布式人工智能模型,在工业现场完成数据预处理和数据分析,并将处理后的数据和分析结果上传云端;云端搭载深度学习或增量式人工智能模型,通过人工干预或智能判断的方式对结果进行修正,并以多个边端上传的数据和修正后的结果扩大训练数据集,定期训练边缘分布式模型并将新的模型下发至边缘端;边缘端装载新模型继续进行数据分析工作,并重复以上过程即可实现边缘分布式模型的持续更新和优化。
本发明具有以下技术效果:
数据采集节点与边缘数据处理节点之间采用无线或有线通信的方式进行连接,提高了系统的灵活性和可靠性,增强系统对不同工业环境的适应能力;边缘数据处理节点对数据进行边缘处理,减少上传云端的数据总量,提高系统的带宽资源利用效率,同时减少云端的数据处理压力;边缘数据处理节点搭载分布式智能模型,完成数据的实时分析,避免了数据上传云端进行分析带来的高延时;云服务中心汇总多个边缘数据处理节点的数据和分析结果,通过增量式学习和深度学习的方式及时对边缘端分布式模型进行优化和更新,打破了各边缘节点的信息孤岛,同时也解决了边缘端计算资源有限、模型不能及时更新等问题。
本发明可以满足智能制造背景下工业现场的数据获取和分析要求,采用边云协同的方式,达到高质量、高效率、智能化的工业现场数据获取和分析的目的。
附图说明
图1是本发明的系统构架示意图;
图2是本发明的系统工作逻辑框图;
图3是本发明中的数据采集节点模块结构图;
图4是本发明中数据采集节点工作流程图;
图5是数据采集节点与边缘数据处理节点之间的数据包内容示意图;
图6是本发明中的边缘数据处理节点模块结构图;
图7是本发明中的云服务中心整体架构图。
其中,1-数据采集节点,2-边缘数据处理节点,3-互联网,4-云端服务中心,5-数据接口模块,6-控制模块(数据采集节点),7-通信模块,8-电源模块(数据采集节点),9-数据包结构,10-边缘通信模块,11-控制模块(边缘数据处理节点),12-AI模块,13-显示模块,14-互联网通信模块,15-电源模块(边缘数据处理节点),16-网站服务器,17-数据库,18-手机,19-个人电脑。
具体实施方式
下面结合说明书附图对本发明进行详细的描述。
本发明为一种用于工业现场边云协同的数据分析系统,如图1所示,该系统由以下几部分组成:数据采集节点1,边缘数据处理节点2,云服务中心4。其中,数据采集节点搭载传感器或通用数据接口,实时采集工业现场数据;边缘数据处理节点使用一般性能CPU和轻量AI芯片,搭载分布式人工智能模型,对工业数据进行预处理和实时分析,得到分析结果,对结果进行实时显示,并将预处理后的数据和分析结果发送至云端;云服务中心使用高性能云主机,搭载大数据人工智能模型,汇总分布式边缘节点的分析结果和数据,依靠自身的高性能计算能力,通过深度学习和增量式学习的方式对边缘端的分布式人工智能模型进行优化和更新,另外对分析结果进行记录,并将分析结果通过网页直接展示给用户。
如图2所示,为本系统的整体工作逻辑框图。数据采集节点安装于工业设备上,只负责相关数据的采集。数据分析系统首次工作时,边缘端搭载初始分布式人工智能模型,在工业现场完成数据预处理和数据分析,并将处理后的数据和分析结果上传云端;云端服务器可支持网络服务,可将分析结果以网页等形式展示给用户,同时搭载深度学习或增量式人工智能模型,通过人工干预或智能判断的方式对结果进行修正,并以多个边端上传的数据和修正后的结果扩大训练数据集,定期训练边缘分布式模型并将新的模型下发至边缘端;边缘端装载新模型继续进行数据分析工作,并重复以上过程即可实现边缘分布式模型的持续更新和优化。
如图3所示为本发明中数据采集节点模块结构图。包括数据接口模块5、控制模块6、通信模块7和电源模块8。数据接口模块可以是RS-232、RS485、USB、RJ45等工业数据通用接口,也可以是传感器模块,数据接口模块的选择根据工业现场的数据采集需求而定。控制模块可选用FPGA、DSP、STM32等控制芯片,负责对数据接口和通信模块的控制。通信模块,其作用在于与边缘计算中心建立数据连接,可以选用Wi-Fi、蓝牙、Zigbee等无线通信模块,也可以以有线通信的方式来实现。所述电源模块,可选用小型电池也可以采用线路连接通用电源的方式实现。
如图4所示为本发明中数据采集节点的工作流程示意图。在这里以数据接口模块为传感器模块,通信模块使用ESP8266-Wi-Fi模块为实例进行具体说明。选用节点启动后,首先完成各模块的初始化,其中Wi-Fi模块连接边缘计算中心开放的热点,并设置为透传模式,即节点通过串口写入Wi-Fi模块的数据将直接发送至设定的IP,可以有效提高数据传输速率;之后节点在定时器控制下定时采集数据,每次采集数据后即进行打包并发送至边缘计算中心。
如图5所示为所述数据包的内容结构,包括数据包类型、数据包长度、数据类型、数据内容、数量单位和数据包结束标志,各类内容之间以“//”划分。其中数据包类型规定数据内容的类型,包括一段时间内采集的时间序列、单次采集数值、图片、视频等类型;数据包长度为整个数据包的长度,单位为Byte;数据类型声明所获取数据表示的物理量名称,如数量、电压、温度、光强等;数据内容根据类型不同设置不同的规定方式,方便数据分析节点处理;数量单位标明所测数据使用的物理单位,如件、伏特、摄氏度等;数据包结束标志用来表明数据包的结束。
如图6所示为边缘数据数据处理节点模块结构图,包括10-边缘通信模块,11-控制模块,12-AI模块,13-显示模块,14-互联网通信模块,15-电源模块。所述控制模块可使用性能较高的ARM芯片,负责控制AI模块和通信模块的运作。所述AI模块,可使用小型轻量化的AI芯片,用较强的计算能力支撑边缘智能算法的运行。所述显示模块,可使用大小适中的液晶显示屏,对数据处理结果进行实时显示。所述边缘通信模块,负责与数据采集节点建立通信连接,需根据采集节点通信方式选择模块类型。所述互联网通信模块,负责为设备提供联网功能,并通过互联网实现与云服务中心的连接,可选择但不限于Wi-Fi、4G、5G等。
如图7所示为云服务中心的系统架构,包括16-网站服务器、17-数据库以及用户端的18-手机或19-电脑等。网站服务器接收多个边缘数据处理节点发送的数据流,并将其中的数据和边缘端的分析结果保存在数据库。其中边缘端的分析结果将以网页或用户端APP等方式展示给用户,用户可通过手机或个人电脑对数据分析结果进行查看,也能够根据工业现场的实际情况对这些结果进行校准。存储在数据库中的数据和校准后的结果构成了新的训练数据,云端程序定期将这些数据加入到训练集中,通过增量式学习或深度学习的方式训练新的边缘端模型,并将新模型下发给边缘端,对其进行更新。
本发明申请人结合说明书附图对本发明的具体实施方式做了详细的说明与描述,但是本领域技术人员应该理解,以上实施例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (6)
1.一种用于工业现场边云协同的数据分析系统及实现方法,其特征在于:
所述数据分析系统由数据采集节点、边缘数据处理节点和云服务中心三部分构成。其中,数据采集节点搭载传感器或通用数据接口,实时采集工业现场数据;边缘数据处理节点使用一般性能CPU和轻量AI芯片,搭载分布式人工智能模型,对工业数据进行预处理和实时分析,得到分析结果,对结果进行实时显示,并将预处理后的数据和分析结果发送至云端;云服务中心使用高性能云主机,搭载大数据人工智能模型,汇总分布式边缘节点的分析结果和数据,依靠自身的高性能计算能力,通过深度学习和增量式学习的方式对边缘端的分布式人工智能模型进行优化和更新,另外对分析结果进行记录,并将分析结果通过网页直接展示给用户。
2.根据权利要求1所述的数据采集节点,其特征在于:
所述数据采集节点负责数据采集,安装于工业现场的设备上,具有体积小、功耗低、可靠性高的特点,包括控制模块、数据接口模块、通信模块和电源模块;所述控制模块选用性能和功耗较低的控制芯片,负责控制数据接口和通信模块;所述数据接口模块选用工业通用的数据接口,也可以选用传感器模块,数据接口模块的选择根据工业现场的数据采集需求而定;所述通信模块,其作用在于与边缘数据处理节点建立数据连接,将数据包发送至边缘数据处理节点,可采用无线或有线的通信方式。
3.根据权利要求2所述的数据包,其特征在于:
所述数据包内容包括数据包类型、数据包长度、数据类型、数据内容、数量单位和数据包结束标志,各类内容之间以“///”划分;其中数据包类型规定数据内容的类型,包括一段时间内采集的时间序列、单次采集数值、图片、视频等类型;数据包长度为整个数据包的长度,单位为Byte;数据类型声明所获取数据表示的物理量名称,如数量、电压、温度、光强等;数据内容根据类型不同设置不同的规定方式,方便边缘计算中心处理;数量单位标明所测数据使用的物理单位,如件、伏特、摄氏度等;数据包结束标志用来表明数据包的结束。
4.根据权利要求1所述的边缘数据处理节点,其特征在于:
所述边缘数据处理节点,首先对工业数据进行预处理,之后通过分布式人工智能模型完成工业数据的实时分析,得到分析结果,在本地对分析结果进行实时显示,并将处理后的数据和分析结果发送至云端;包括控制模块、AI模块、显示模块、边缘通信模块、互联网通信模块和电源模块;所述控制模块可使用性能较高的ARM芯片,负责控制AI模块和通信模块的运作;所述AI模块,可使用小型轻量化的AI芯片,用较强的计算能力支撑边缘智能算法的运行;所述显示模块,负责对边缘数据处理结果进行实时显示。所述边缘通信模块,负责与数据采集节点建立通信连接,可根据采集节点通信方式选择模块类型;所述互联网通信模块,负责为设备提供联网功能,并通过互联网实现与云服务中心的连接。
5.根据权利要求1所述的云服务中心,其特征在于:
所述云服务中心,协调控制多个边缘数据处理节点的数据上传,汇总分布式边缘节点的数据和分析结果,依靠自身的高性能计算能力,通过深度学习和增量式学习的方式对边缘端的分布式人工智能模型进行优化和更新;另外对分析结果进行记录,并将分析结果通过网页直接展示给用户;云计算中心使用高性能云主机,搭建数据库和服务器后台,集成协同算法,以实现上述功能。
6.根据权利要求1所述的边云协同方法,其特征在于:
所述数据分析系统首次工作时,边缘端搭载初始分布式人工智能模型,在工业现场完成数据预处理和数据分析,并将处理后的数据和分析结果上传云端;云端搭载深度学习或增量式人工智能模型,通过人工干预或智能判断的方式对结果进行修正,并以多个边端上传的数据和修正后的结果扩大训练数据集,定期训练边缘分布式模型并将新的模型下发至边缘端;边缘端装载新模型继续进行数据分析工作,并重复以上过程即可实现边缘分布式模型的持续更新和优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111365484.6A CN114020848A (zh) | 2021-11-18 | 2021-11-18 | 一种用于工业现场边云协同的数据分析系统及实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111365484.6A CN114020848A (zh) | 2021-11-18 | 2021-11-18 | 一种用于工业现场边云协同的数据分析系统及实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114020848A true CN114020848A (zh) | 2022-02-08 |
Family
ID=80065156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111365484.6A Pending CN114020848A (zh) | 2021-11-18 | 2021-11-18 | 一种用于工业现场边云协同的数据分析系统及实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114020848A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114286061A (zh) * | 2022-02-14 | 2022-04-05 | 上海交通大学 | 一种基于云边协同的烧结现场实时视频采集分析系统 |
CN115412375A (zh) * | 2022-11-01 | 2022-11-29 | 山东省电子信息产品检验院(中国赛宝(山东)实验室) | 一种工业互联网数据防护系统 |
CN115620582A (zh) * | 2022-12-14 | 2023-01-17 | 北京东方国信科技股份有限公司 | 工业互联网教学实训系统、方法及电子设备 |
CN115689277A (zh) * | 2022-10-12 | 2023-02-03 | 北京思路智园科技有限公司 | 云边协同技术下的化工园区风险预警系统 |
CN116260698A (zh) * | 2023-04-03 | 2023-06-13 | 中国电子技术标准化研究院 | 一种工业互联网云边端数据融合系统及方法 |
CN117097743A (zh) * | 2023-10-17 | 2023-11-21 | 无锡雪浪数制科技有限公司 | 边缘端、云端及数据协同管理系统 |
CN117612537A (zh) * | 2023-11-27 | 2024-02-27 | 北京林业大学 | 一种基于云边协同控制的鸟鸣声智能监测系统 |
-
2021
- 2021-11-18 CN CN202111365484.6A patent/CN114020848A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114286061A (zh) * | 2022-02-14 | 2022-04-05 | 上海交通大学 | 一种基于云边协同的烧结现场实时视频采集分析系统 |
CN115689277A (zh) * | 2022-10-12 | 2023-02-03 | 北京思路智园科技有限公司 | 云边协同技术下的化工园区风险预警系统 |
CN115689277B (zh) * | 2022-10-12 | 2024-05-07 | 北京思路智园科技有限公司 | 云边协同技术下的化工园区风险预警系统 |
CN115412375A (zh) * | 2022-11-01 | 2022-11-29 | 山东省电子信息产品检验院(中国赛宝(山东)实验室) | 一种工业互联网数据防护系统 |
WO2024061380A1 (zh) * | 2022-11-01 | 2024-03-28 | 山东省信息技术产业发展研究院(中国赛宝(山东)实验室) | 一种工业互联网数据防护系统 |
CN115620582A (zh) * | 2022-12-14 | 2023-01-17 | 北京东方国信科技股份有限公司 | 工业互联网教学实训系统、方法及电子设备 |
CN116260698A (zh) * | 2023-04-03 | 2023-06-13 | 中国电子技术标准化研究院 | 一种工业互联网云边端数据融合系统及方法 |
CN117097743A (zh) * | 2023-10-17 | 2023-11-21 | 无锡雪浪数制科技有限公司 | 边缘端、云端及数据协同管理系统 |
CN117612537A (zh) * | 2023-11-27 | 2024-02-27 | 北京林业大学 | 一种基于云边协同控制的鸟鸣声智能监测系统 |
CN117612537B (zh) * | 2023-11-27 | 2024-06-07 | 北京林业大学 | 一种基于云边协同控制的鸟鸣声智能监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114020848A (zh) | 一种用于工业现场边云协同的数据分析系统及实现方法 | |
CN102891916B (zh) | 一种预测用户操作的方法及移动终端 | |
CN203537568U (zh) | 基于无线传感网络的温室环境监测系统 | |
CN102780783B (zh) | 农作物生长环境信息实时感知和动态呈现系统及方法 | |
CN204598011U (zh) | 一种基于td-lte的opc数据采集与监控智能终端 | |
US20200174435A1 (en) | Energy Information System, and Method and Device for Processing Energy Information | |
CN102395221A (zh) | 基于无线传感网的博物馆环境监测系统 | |
CN111242807A (zh) | 一种变电站数据接入泛在电力物联网的方法 | |
CN103426283A (zh) | 基于wifi通信技术的温湿度数据传输系统 | |
CN204517863U (zh) | 一种温室物联网测控系统 | |
CN102970768B (zh) | 基于td-lte公网的气象监控系统 | |
CN108500981B (zh) | 基于物联网的药品投递智能机器人系统及药品投递方法 | |
CN212009322U (zh) | 一种基于泛在物联网的智慧用电管理系统 | |
CN109764915A (zh) | 根据生产环境温湿度智能预警方法、存储介质及智能终端 | |
CN103944959B (zh) | 一种用于监测数据远程传送、接收的方法、系统及装置 | |
CN209994398U (zh) | 一种基于LoRa的大型建筑环境监测系统 | |
CN202721707U (zh) | 农作物生长环境信息实时感知和动态呈现系统 | |
CN115103037A (zh) | 一种实时系统和非实时系统之间的通讯实现方法 | |
CN210923849U (zh) | 智慧型电能质量监测系统 | |
CN115128973A (zh) | 一种基于物联网的智能农业监控系统 | |
CN105913642A (zh) | 一种gprs无线数据采集器 | |
CN113259885A (zh) | 一种基于物联网的监控数据采集控制系统 | |
CN204480307U (zh) | 一种农产品质量安全全程监控与溯源追踪装置 | |
CN205826888U (zh) | 基于物联网的分布式农田气象站系统 | |
CN202795726U (zh) | 农作物多源生产履历信息感知节点 |
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 |