公开(公告)号：CN120032114A

公开(公告)日：2025-05-23

申请号：CN202510200938.6

申请日：2025-02-24

Applicant: 中国科学院计算技术研究所

Inventor： 纪雯 ,  胡叠丽 ,  杨哲铭 ,  左路路 ,  赵健 ,  国琪

IPC: G06V10/25 ,  G06F18/213 ,  G06N3/006 ,  G06Q10/0631 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于边云协同的多视觉任务处理系统，该系统用于接收多个终端发送的多个视觉任务并对其进行处理，其中，在系统的边侧引入动态特征提取框架，根据视觉任务的类型，从预先配置的特征模型库中匹配适配的特征提取模型，该方式避免了传统特征提取方式可能出现的信息冗余或丢失问题，极大提升了预处理的针对性和效率。针对资源分配适应性差的问题，本发明设计自适应资源分配框架，该框架根据边侧设备与云端设备的资源信息灵活调整资源分配策，有效提高系统运行效率、稳定性和可靠性，增强系统对处理多个异构视觉任务的复杂场景的适应能力。

公开(公告)号：CN117827595A

公开(公告)日：2024-04-05

申请号：CN202410166622.5

申请日：2024-02-06

Applicant: 中国科学院计算技术研究所

Inventor： 纪雯 ,  赵健 ,  左路路 ,  胡叠丽 ,  国琪 ,  杨哲铭

IPC: G06F11/30 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种设备故障检测模型的训练方法，该方法为在边缘服务器和中心服务器上分别部署相同结构的初始设备故障检测模型，边缘服务器上获取预设历史时间段内的运行状态数据及待测设备每一时刻对应的故障类型并将其处理成对应的图数据矩阵上传中心服务器，中心服务器利用图数据矩阵和待测设备每一时刻对应的故障类型对设备故障检测模型进行训练并将需要更新的参数下发边缘服务器以更新其所在的设备故障检测模型对应的参数。本发明训练设备故障检测模型的方式减低了通信开销，也降低了边缘服务器上的计算开销；同时，本发明设计的训练方法能够提高设备故障检测模型的性能，进一步提高待测设备的故障类型检测准确性。