CN115118722A - 基于边缘计算的水质智能监测系统 - Google Patents
基于边缘计算的水质智能监测系统 Download PDFInfo
- Publication number
- CN115118722A CN115118722A CN202210501342.6A CN202210501342A CN115118722A CN 115118722 A CN115118722 A CN 115118722A CN 202210501342 A CN202210501342 A CN 202210501342A CN 115118722 A CN115118722 A CN 115118722A
- Authority
- CN
- China
- Prior art keywords
- water quality
- data
- quality data
- module
- monitoring system
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 143
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 238000004364 calculation method Methods 0.000 title claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 230000008447 perception Effects 0.000 claims abstract description 14
- 230000003993 interaction Effects 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 238000012795 verification Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 229910052801 chlorine Inorganic materials 0.000 claims description 4
- 239000000460 chlorine Substances 0.000 claims description 4
- 239000003344 environmental pollutant Substances 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 231100000719 pollutant Toxicity 0.000 claims description 3
- 238000013215 result calculation Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000003860 storage Methods 0.000 abstract description 5
- 238000010276 construction Methods 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 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
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
- H04Q2209/84—Measuring functions
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Medicinal Chemistry (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种基于边缘计算的水质智能监测系统，其包括数据感知层、传输处理层与应用展示层；数据感知层用于对目标水体的水质数据进行采样；传输处理层包括通信模块、边缘计算模块与云服务端；边缘计算模块用于对水质数据进行预处理并排除冗余的信息后上传至云服务端；云服务端用于将排除冗余信息的水质数据进行分析处理；应用展示层用于根据处理后的水质数据进行相应的交互。相对于现有技术，本发明基于边缘计算的水质智能监测系统能够筛选有效水质数据上传，减少检测过程中的无效或冗余信息，尽量在最短时间内使网络能耗消耗最小化，缓解后台数据运算压力，有效降低大量数据采集设备获取的海量数据信息对存储空间及网络宽带等方面的开销，降低了建设成本。
Description
【技术领域】
本发明涉及水质检测技术领域，更具体地说，本发明涉及一种基于边缘计算的水质智能监测系统。
【背景技术】
目前，为做好“最后一公里”供水设施的水质长期检测，可通过在线监测仪器对水质关键指标进行实时监测。特别在线监测数据采集及分析技术方面，物联网设备的蜂窝式增加导致传感器网络发展越来越复杂多变，由于采集频率高、数据量大，以及监测环境(气体、杂质)及仪器自身波动等原因，造成数据误报量大、冗余，导致服务器运算能力需求高。
尽管多领域的技术研究已经提高了水质监测数据传输系统的传输性能和安全保障，然而，底层传播的水质数据传输具有大体量、快速流转、多样性的特征，随着传感器节点的增多，存在以下两点问题：第一，云计算与终端识别直接结合进行智能控制的方式，导致识别端与云端交互过多，云中心需频繁下达控制和决策指令，对主服务器依赖过高，容易造成服务器资源消耗大，产生大量的计算开销，从而造成生产成本增加；第二，长时间远距离的传输对延迟的要求处理较高，由于服务器端需要处理来自不同终端的数据，很容易由于服务器过载带来延迟，从而进一步引起反馈延迟，无法有效应对水质数据实时反馈处理的要求。
有鉴于此，实有必要提供一种基于边缘计算的水质智能监测系统，以克服上述缺陷。
【发明内容】
本发明的目的在于：提供一种基于边缘计算的水质智能监测系统，旨在解决目前水质监测中因数据误报量大、冗余，从而导致服务器运算能力需求高的问题，有效应对水质数据实时反馈处理的要求，对服务器资源消耗较小。
为了实现上述目的，本发明提供一种基于边缘计算的水质智能监测系统，包括数据感知层、传输处理层与应用展示层；
所述数据感知层用于对目标水体的水质数据进行采样；
所述传输处理层包括通信模块、边缘计算模块与云服务端；
所述通信模块用于将所述数据感知层采样得到的水质数据发送至所述边缘计算模块；所述边缘计算模块用于将采集到的水质数据的实际值与预设的污染物浓度阈值进行对比，并通过预设的数据清洗、边缘规则和边缘AI手段对水质数据进行数据清洗、过滤及整合，从而筛选出水质数据中浓度的异常值，进而消除非线性及调整滞后效应，对水质数据进行预处理并排除冗余的信息后上传至所述云服务端；所述云服务端用于将所述边缘计算模块发送的排除冗余信息的水质数据进行分析处理，并将处理后的数据发送至所述应用展示层；
所述应用展示层用于根据所述云服务端发送的处理后的水质数据进行相应的交互。
根据本发明基于边缘计算的水质智能监测系统的一个实施方式，所述数据感知层包括GEM控制器及均连接于所述GEM控制器上的温度传感器、浊度传感器、酸碱度传感器、余氯传感器、电导率传感器、TOC传感器中的一种或多种，从而用于相应采集目标水体的水质信息。
根据本发明基于边缘计算的水质智能监测系统的一个实施方式，所述传输处理层还包括区块链模块，所述区块链模块用于将所述云服务端计算得到的所述水质数据结合到区块链中。
根据本发明基于边缘计算的水质智能监测系统的一个实施方式，所述边缘计算模块包括用于对采集的水质数据进行校准结果计算的水质数据校准模型；所述水质数据校准模型通过将多要素的水质数据实测值作为节点、以历史水质数据作为学习样本以及建立预设的算法模型对各个水质监测指标进行模型训练所得到的。
根据本发明基于边缘计算的水质智能监测系统的一个实施方式，所述边缘计算模块还基于预设的规则对所述水质数据校准模型的校准结果进行二次规则校验，若校验通过，则通过边缘网关将校验结果发送至云服务端；若校验未通过，则将未通过校验的校准结果记录到本地日志中。
根据本发明基于边缘计算的水质智能监测系统的一个实施方式，所述边缘计算模块通过预设的算法规则指定的过滤条件和/或接收用户指定的过滤条件对所述数据感知层采样得到的水质数据进行过滤。
根据本发明基于边缘计算的水质智能监测系统的一个实施方式，当所述数据感知层连续上报属性重复的消息时，所述边缘计算模块仅向所述云服务端上报第一条。
根据本发明基于边缘计算的水质智能监测系统的一个实施方式，所述边缘计算模块还用于在预先指定时间窗和/或根据用户指定数据中每个属性的聚合方法来将指定时间窗内所述数据感知层的每个设备上报的数据聚合成一条数据上报。
根据本发明基于边缘计算的水质智能监测系统的一个实施方式，所述应用展示层还包括预警模块；所述预警模块用于判断所述水质数据的参数是否超出相应预设的阈值范围，若结果为是，则发出警报提醒。
根据本发明基于边缘计算的水质智能监测系统的一个实施方式，所述通信模块为4G通信模块、5G通信模块、WIFI通信模块、NB-IoT通信模块、LoRa通信模块中的一种。
相对于现有技术，本发明提供的基于边缘计算的水质智能监测系统，通过边缘计算模块对数据感知层采集的初始水质数据进行筛选，从而在数据感知层与云服务端之间引入新的计算节点从而对海量的初始水质数据进行计算和筛选上传，以减少网络流量和响应时间，在数据收集过程中及时将数据交付至云服务端，并且可通过预设的算法，校准数据精度，筛选有效水质数据上传，减少检测过程中的无效或冗余信息，尽量在最短时间内使网络能耗消耗最小化，缓解后台数据运算压力，有效降低大量数据采集设备获取的海量数据信息对存储空间及网络宽带等方面的开销，降低了建设成本。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明提供的基于边缘计算的水质智能监测系统的架构图。
图中标号：
100--基于边缘计算的水质智能监测系统；10--数据感知层；11--GEM控制器；12--传感器；20--传输处理层；21--通信模块；22--边缘计算模块；23--云服务端；30--应用展示层；31--预警模块。
【具体实施方式】
为了使本发明的发明目的、技术方案和有益技术效果更加清晰明白，以下结合附图和具体实施方式，对本发明进行进一步详细说明。应当理解的是，本说明书中描述的具体实施方式仅仅是为了解释本发明，并不是为了限定本发明。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
为了便于理解本发明的发明点与相应的技术效果，对其中涉及到的名词先进行解释，如下：
边缘计算：是指在数据源头的附近，采用网络、计算、存储、应用核心能力为一体的开放平台，就近直接提供最近端的服务。其特点如下：支持多种主流的工业通讯协议、支持异构数据源的统一管理和运算、持数据分析模型(数据就地分析、应用)、支持设备间使用不同协议进行同一通讯、调度(使得一个设备可以根据另一个设备的数据进行响应，即使两个设备的通讯协议完全不相同)以及可提供主流的API接口，轻松与第三方系统集成，实现数据双向交互。
NB-IOT：Narrow Band Internet of Things，窄带物联网，是IOT(物联网)领域的一个新兴技术，支持低功耗设备在广域网的蜂窝数据连接，也被叫做低功耗广域网，具有覆盖广、连接多、速率快、成本低、功耗低、架构优等特点。
区块链：作为一个共享数据库，存储于其中的数据或信息，具有“不可伪造”、“全程留痕”、“可追溯”、“公开透明”、及“集体维护”等特征。基于以上特征，区块链技术奠定了坚实的“信任”基础，创造了可靠的“合作”机制。
在本发明的实施例中，提供一种基于边缘计算的水质智能监测系统100，用于对目标水体(例如水厂、配水泵房、二次供水泵房等)进行水质在线实时监测，增强居民用水可感知程度。
如图1所示，基于边缘计算的水质智能监测系统100包括数据感知层10、传输处理层20与应用展示层30。
数据感知层10用于对目标水体的水质数据进行采样。
具体的，数据感知层10包括GEM(传感器网络)控制器11及均连接于GEM控制器上的温度传感器、浊度传感器、酸碱度传感器、余氯传感器、电导率传感器、TOC传感器(图1中统一标示为传感器12)中的一种或多种，从而用于相应采集目标水体的水质信息。其中，数据感知层10具备本地存储、备份、导出和上传功能。
传输处理层20包括通信模块21、边缘计算模块22与云服务端23。
其中，通信模块21用于将数据感知层10采样得到的水质数据发送至边缘计算模块22。具体的，水质数据上传多以以太网、光纤等有线方式也支持其他无线方式通过边缘计算模块22上传至云服务端23。其中，通信模块21为4G(第四代移动信息系统)通信模块、5G(第五代移动信息系统)通信模块、WIFI(无线网络通信技术)通信模块、NB-IoT(Narrow BandInternet of Things，窄带物联网)通信模块、LoRa(Long Range Radio，远距离无线电)通信模块中的一种。优选的，在数据采集和处理端以NB-IOT通信模块代替传统的WI-FI或GPRS传输方式实现数据远程传输，避免出现没有WIFI环境或网络导致数据无法上报的情况。
边缘计算模块22用于将采集到的水质数据的实际值与预设的污染物浓度阈值进行对比，并通过预设的数据清洗、边缘规则和边缘AI(Artificial Intelligence，人工智能)手段对水质数据进行数据清洗、过滤及整合，从而筛选出水质数据中浓度的异常值，进而消除非线性及调整滞后效应，对水质数据进行预处理并排除冗余的信息后上传至云服务端。
其中，边缘计算模块22包括用于对采集的水质数据进行校准结果计算的水质数据校准模型。水质数据校准模型通过将多要素的水质数据实测值作为节点、以历史水质数据作为学习样本以及建立预设的算法模型对各个水质监测指标进行模型训练所得到的。
具体的，可根据水质数据校准模型的参数列表，边缘计算模块22的边缘网关获取物联网终端环境(即数据感知层10)的浊度、余氯、pH、电导率及TOC等水质参数的当前值，将物联网终端环境的当前值输入水质数据校准模型，并基于水质数据校准模型进行校准结果计算。进一步的，边缘计算模块22还基于预设的规则对水质数据校准模型的校准结果进行二次规则校验，若校验通过，则通过边缘网关将校验结果发送至云服务端23；若校验未通过，则将未通过校验的校准结果记录到本地日志中。因此，边缘计算模块22可通过与云服务端23数据交换的方式获取大量历史数据，从而建立各水质指标的数据模型，边缘网关将获取的设备实时数据匹配模型进行计算，同时经过深度学习和大量数据对模型进行训练和校准，通过水质数据校准模型的优化和更新，模型可以较好地适应周边环境变化和系统内部误差，有效提高监测精度和准确度，并且由于不需要将所有的参数数据发送给云端，可有效节省网络流量，在一定程度上降低了云服务端的压力。
另外，边缘计算模块22也可通过对数据的分析，与自带数据库进行对比，提出居民用水建议(用水规律指导建议、用水常识科普、水质指标释义等体验功能)，并输送显示在应用展示层30的液晶显示屏上以供用户参考。
在本发明的一些实施例中，边缘计算模块22通过预设的算法规则指定的过滤条件和/或接收用户指定的过滤条件对数据感知层10采样得到的水质数据进行过滤。举例来说，通过预设的算法规则指定过滤条件，例如数据A 大于10，满足该条件的数据均会被过滤。用户也可以同时指定多个条件，条件之间可以是“与”关系(满足全部条件的数据才会被过滤)，也可以是“或”关系(满足任一条件就会被过滤)。
在本发明的一些实施例中，当数据感知层10连续上报属性重复的消息时，边缘计算模块22仅向云服务端23上报第一条。
在本发明的一些实施例中，边缘计算模块22还用于在预先指定时间窗(例如一个小时)和/或根据用户指定数据中每个属性的聚合方法来将指定时间窗内数据感知层10的每个设备上报的数据聚合成一条数据上报。其中，用户可指定数据中每个属性的聚合方法，例如：取最大/最小值，求和，取平均值等。
进一步的，在在本发明的一个实施例中，应用展示层30还包括预警模块31。预警模块31用于判断水质数据的参数是否超出相应预设的阈值范围，若结果为是，则发出警报提醒。具体的，当水质浓度超出阈值监测终端区域响警报提醒，提醒关注相关指标，这样通过边缘计算模块22和云服务端23的协作模式，可预先筛选异常值并实时报警，大大降低云中心服务端23的数据压力。
在本发明的实施例中，云服务端23用于将边缘计算模块22发送的排除冗余信息的水质数据进行分析处理，并将处理后的数据发送至应用展示层30。应用展示层30用于根据云服务端23发送的处理后的水质数据进行相应的交互，例如通过显示屏显示水质的实时状态。
进一步的，在在本发明的一个实施例中，传输处理层20还包括区块链模块(图中未示出)。区块链模块用于将云服务端23计算得到的水质数据结合到区块链中。因此，改变传统的采集数据直接存储在后台数据库的方式，将采集到的水质数据以及计算得到水质数据均保存在区块链模块中，数据信息被永久储存、不可篡改，数据稳定性和可靠性得到进一步提高。
相对于现有技术，本发明提供的基于边缘计算的水质智能监测系统10，通过边缘计算模块22对数据感知层10采集的初始水质数据进行筛选，从而在数据感知层10与云服务端23之间引入新的计算节点从而对海量的初始水质数据进行计算和筛选上传，以减少网络流量和响应时间，在数据收集过程中及时将数据交付至云服务端，并且可通过预设的算法，校准数据精度，筛选有效水质数据上传，减少检测过程中的无效或冗余信息，尽量在最短时间内使网络能耗消耗最小化，缓解后台数据运算压力，有效降低大量数据采集设备获取的海量数据信息对存储空间及网络宽带等方面的开销，降低了建设成本。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的系统或装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的系统或装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个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讯连接可以是通过一些接口，系统或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明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。
本发明并不仅仅限于说明书和实施方式中所描述，因此对于熟悉领域的人员而言可容易地实现另外的优点和修改，故在不背离权利要求及等同范围所限定的一般概念的精神和范围的情况下，本发明并不限于特定的细节、代表性的设备和这里示出与描述的图示示例。
Claims (10)
1.一种基于边缘计算的水质智能监测系统，其特征在于，包括数据感知层、传输处理层与应用展示层；
所述数据感知层用于对目标水体的水质数据进行采样；
所述传输处理层包括通信模块、边缘计算模块与云服务端；
所述通信模块用于将所述数据感知层采样得到的水质数据发送至所述边缘计算模块；所述边缘计算模块用于将采集到的水质数据的实际值与预设的污染物浓度阈值进行对比，并通过预设的数据清洗、边缘规则和边缘AI手段对水质数据进行数据清洗、过滤及整合，从而筛选出水质数据中浓度的异常值，进而消除非线性及调整滞后效应，对水质数据进行预处理并排除冗余的信息后上传至所述云服务端；所述云服务端用于将所述边缘计算模块发送的排除冗余信息的水质数据进行分析处理，并将处理后的数据发送至所述应用展示层；
所述应用展示层用于根据所述云服务端发送的处理后的水质数据进行相应的交互。
2.根据权利要求1所述的基于边缘计算的水质智能监测系统，其特征在于，所述数据感知层包括GEM控制器及均连接于所述GEM控制器上的温度传感器、浊度传感器、酸碱度传感器、余氯传感器、电导率传感器、TOC传感器中的一种或多种，从而用于相应采集目标水体的水质信息。
3.根据权利要求1所述的基于边缘计算的水质智能监测系统，其特征在于，所述传输处理层还包括区块链模块，所述区块链模块用于将所述云服务端计算得到的所述水质数据结合到区块链中。
4.根据权利要求1所述的基于边缘计算的水质智能监测系统，其特征在于，所述边缘计算模块包括用于对采集的水质数据进行校准结果计算的水质数据校准模型；所述水质数据校准模型通过将多要素的水质数据实测值作为节点、以历史水质数据作为学习样本以及建立预设的算法模型对各个水质监测指标进行模型训练所得到的。
5.根据权利要求4所述的基于边缘计算的水质智能监测系统，其特征在于，所述边缘计算模块还基于预设的规则对所述水质数据校准模型的校准结果进行二次规则校验，若校验通过，则通过边缘网关将校验结果发送至云服务端；若校验未通过，则将未通过校验的校准结果记录到本地日志中。
6.根据权利要求1所述的基于边缘计算的水质智能监测系统，其特征在于，所述边缘计算模块通过预设的算法规则指定的过滤条件和/或接收用户指定的过滤条件对所述数据感知层采样得到的水质数据进行过滤。
7.根据权利要求1所述的基于边缘计算的水质智能监测系统，其特征在于，当所述数据感知层连续上报属性重复的消息时，所述边缘计算模块仅向所述云服务端上报第一条。
8.根据权利要求1所述的基于边缘计算的水质智能监测系统，其特征在于，所述边缘计算模块还用于在预先指定时间窗和/或根据用户指定数据中每个属性的聚合方法来将指定时间窗内所述数据感知层的每个设备上报的数据聚合成一条数据上报。
9.根据权利要求1所述的基于边缘计算的水质智能监测系统，其特征在于，所述应用展示层还包括预警模块；所述预警模块用于判断所述水质数据的参数是否超出相应预设的阈值范围，若结果为是，则发出警报提醒。
10.根据权利要求1所述的基于边缘计算的水质智能监测系统，其特征在于，所述通信模块为4G通信模块、5G通信模块、WIFI通信模块、NB-IoT通信模块、LoRa通信模块中的一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210501342.6A CN115118722A (zh) | 2022-05-10 | 2022-05-10 | 基于边缘计算的水质智能监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210501342.6A CN115118722A (zh) | 2022-05-10 | 2022-05-10 | 基于边缘计算的水质智能监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115118722A true CN115118722A (zh) | 2022-09-27 |
Family
ID=83326195
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210501342.6A Pending CN115118722A (zh) | 2022-05-10 | 2022-05-10 | 基于边缘计算的水质智能监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115118722A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115574898A (zh) * | 2022-09-30 | 2023-01-06 | 江苏移动信息系统集成有限公司 | 一种基于5g边缘计算的水利感知系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108171259A (zh) * | 2017-12-13 | 2018-06-15 | 南京理工大学 | 一种基于NB-IoT的智慧末梢水质监测系统及方法 |
| CN109921573A (zh) * | 2019-03-01 | 2019-06-21 | 中国科学院合肥物质科学研究院 | 一种基于边缘计算网关实现大规模电机预测性维护的系统 |
| CN110262340A (zh) * | 2019-06-20 | 2019-09-20 | 上海禾视信息技术有限公司 | 一种基于边缘计算的物联接入与监测方法 |
| CN111222817A (zh) * | 2018-11-27 | 2020-06-02 | 深圳先进技术研究院 | 一种基于云/边计算的智能仓储系统 |
| CN111510500A (zh) * | 2020-04-21 | 2020-08-07 | 江苏卓易信息科技股份有限公司 | 一种基于边缘计算的水质监测数据校准方法 |
| EP3713196A1 (en) * | 2019-03-19 | 2020-09-23 | Deutsche Telekom AG | Method and apparatuses for binding an edge computing device to a communication terminal for pre-processing data |
| CN113252851A (zh) * | 2021-05-19 | 2021-08-13 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 一种基于NB-IoT和边缘计算的大气污染监测系统 |
| CN113904443A (zh) * | 2021-09-28 | 2022-01-07 | 国网江苏省电力有限公司连云港供电分公司 | 多维度空间可视化的现场变电设备监控与预警系统 |
| CN114363330A (zh) * | 2021-12-20 | 2022-04-15 | 安尼梅森(北京)数码科技有限公司 | 一种边缘服务器管理系统及方法 |
-
2022
- 2022-05-10 CN CN202210501342.6A patent/CN115118722A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108171259A (zh) * | 2017-12-13 | 2018-06-15 | 南京理工大学 | 一种基于NB-IoT的智慧末梢水质监测系统及方法 |
| CN111222817A (zh) * | 2018-11-27 | 2020-06-02 | 深圳先进技术研究院 | 一种基于云/边计算的智能仓储系统 |
| CN109921573A (zh) * | 2019-03-01 | 2019-06-21 | 中国科学院合肥物质科学研究院 | 一种基于边缘计算网关实现大规模电机预测性维护的系统 |
| EP3713196A1 (en) * | 2019-03-19 | 2020-09-23 | Deutsche Telekom AG | Method and apparatuses for binding an edge computing device to a communication terminal for pre-processing data |
| CN110262340A (zh) * | 2019-06-20 | 2019-09-20 | 上海禾视信息技术有限公司 | 一种基于边缘计算的物联接入与监测方法 |
| CN111510500A (zh) * | 2020-04-21 | 2020-08-07 | 江苏卓易信息科技股份有限公司 | 一种基于边缘计算的水质监测数据校准方法 |
| CN113252851A (zh) * | 2021-05-19 | 2021-08-13 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 一种基于NB-IoT和边缘计算的大气污染监测系统 |
| CN113904443A (zh) * | 2021-09-28 | 2022-01-07 | 国网江苏省电力有限公司连云港供电分公司 | 多维度空间可视化的现场变电设备监控与预警系统 |
| CN114363330A (zh) * | 2021-12-20 | 2022-04-15 | 安尼梅森(北京)数码科技有限公司 | 一种边缘服务器管理系统及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115574898A (zh) * | 2022-09-30 | 2023-01-06 | 江苏移动信息系统集成有限公司 | 一种基于5g边缘计算的水利感知系统 |
| CN115574898B (zh) * | 2022-09-30 | 2024-06-14 | 江苏移动信息系统集成有限公司 | 一种基于5g边缘计算的水利感知系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2016330769B2 (en) | Monitoring of field devices via a communication network | |
| US7356548B1 (en) | System and method for remote monitoring and controlling of facility energy consumption | |
| CN104580311A (zh) | 室内或车内环境监测与控制的物联网系统及其监控方法 | |
| CN103941693A (zh) | 工厂环境质量智能监控系统 | |
| CN110786021B (zh) | 用于收集传感器数据的方法和系统 | |
| CN108156222A (zh) | 一种基于养殖物联网的网关系统及方法 | |
| CN114518143A (zh) | 一种智能环境感知系统 | |
| CN109581989A (zh) | 一种基于云监测技术的桥梁群施工监测系统 | |
| CN113687609A (zh) | 应用于异常环境下的物联网智能监测系统及监测方法 | |
| CN110730234A (zh) | 一种电气火灾监控系统及其智能预警分析方法 | |
| CN105404219A (zh) | 一种智能化全方位环境监测系统 | |
| CN117641157A (zh) | 一种用电信息采集终端的抄表方法 | |
| CN109003431A (zh) | 高精度低成本的农田土壤质量智能监测系统 | |
| CN115118722A (zh) | 基于边缘计算的水质智能监测系统 | |
| CN203502797U (zh) | 一种大型公共建筑能耗监控系统 | |
| US20140214464A1 (en) | Methods and apparatus for monitoring and analyzing utility consumption | |
| CN105353744A (zh) | 基于物联网的锅炉监控方法 | |
| CN103179602A (zh) | 一种无线传感器网络异常数据检测方法和装置 | |
| CN112988876B (zh) | 一种工业数据采集管理方法及系统 | |
| CN118113741A (zh) | 一种智慧矿山数字资产管控系统 | |
| CN117519005A (zh) | 一种基于mes的车间设备数据采集系统 | |
| CN111062633A (zh) | 一种基于多源异构数据的输变电线路和设备状态评估系统 | |
| KR20130017995A (ko) | Ｕｓｎ 기반 실시간 수질 모니터링 시스템을 위한 통합 게이트웨이 | |
| CN115442405A (zh) | 一种智慧农业生产管理服务系统 | |
| CN111696301A (zh) | 一种基于LoRaWAN技术的电气火灾监控装置及系统 |
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 |