本发明涉及信息技术数据监测领域，具体为一种信息技术数据监测装置及其使用方法。
背景技术：
1、在当今数字化时代，信息技术数据监测对于众多领域至关重要，广泛应用于工业生产、智能安防、环境监测、建筑健康监测等多个方面。然而，现有的数据监测技术存在诸多问题，难以满足日益增长的复杂监测需求。
2、在传感器部署方面，传统监测系统的传感器种类较为单一，往往只能监测某一特定类型的数据，无法全面反映监测区域的综合状况。例如，在工业生产车间，仅监测温度或压力等单一参数，难以察觉因多种因素综合导致的潜在故障风险。即便部分系统采用多种传感器，其分布也缺乏科学规划，传感器之间相互干扰，数据采集存在盲区，严重影响数据的准确性和完整性。以大型仓储环境为例，温湿度传感器若分布不合理，可能会遗漏某些关键区域的温湿度变化，无法及时发现因温湿度异常引发的货物变质问题。
3、数据处理与分析层面，不同传感器采集的数据格式、采样频率和精度差异巨大，多源数据融合难度高。早期简单的加权平均融合方法无法充分挖掘数据间的内在联系，融合结果无法准确反映实际情况。在复杂的交通流量监测场景中，融合车辆速度、流量、密度等多源数据时，传统方法难以有效整合信息，导致对交通拥堵状况的判断出现偏差。同时，现有的异常检测技术依赖人工经验设定阈值，无法适应动态变化的监测环境，容易出现误报或漏报现象。在电力设备运行监测中，由于设备工况随时间变化，固定阈值的检测方式无法及时察觉设备的早期故障迹象。
4、通信传输环节，数据传输的稳定性和效率也面临挑战。在网络覆盖不稳定的区域，如偏远山区或地下矿井，传统的单一通信协议无法保证数据的可靠传输。若仅依赖 4g 或wifi 等通信方式，信号容易中断，导致大量监测数据丢失，影响后续的分析和决策。此外，大量原始数据的传输不仅消耗大量网络带宽，还增加了数据存储和处理的负担，降低了整个监测系统的运行效率。
5、在模型优化方面，现有监测系统的模型更新往往需要集中收集所有数据进行训练，这种方式不仅耗费大量时间和资源，还面临数据隐私泄露的风险。在医疗健康监测领域，患者的个人健康数据涉及隐私，集中式的数据收集和训练可能会导致数据泄露，引发严重的安全问题。而且，由于不同监测区域的环境和数据特征存在差异，单一的全局模型难以适应所有场景，导致监测精度下降。
技术实现思路
1、本发明的目的在于提供一种信息技术数据监测装置及其使用方法以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：一种信息技术数据监测装置，所述装置包括：
3、多个异构传感器模块，分布于监测区域的不同位置，所述传感器模块包括光强传感器、电磁信号传感器、温湿度传感器及运动加速度传感器；
4、数据采集单元，与各传感器模块连接，用于实时获取各传感器的原始数据，并对数据进行时间戳同步；
5、边缘计算节点，部署于监测区域内，接收所述数据采集单元的同步数据，并执行多模态信号预处理；
6、中央处理模块，接收预处理后的数据，通过多源数据融合算法生成综合监测指标；
7、动态权重调整模块，基于实时数据分布特性自适应调整多源数据的融合权重；
8、异常检测引擎，采用自编码器模型对所述综合监测指标进行异常概率计算；
9、数据传输单元，采用lora与5g双模通信协议，将异常检测结果及原始数据上传至云端服务器。
10、优选的，所述异构传感器模块的分布方式具体为：以监测区域的几何中心为原点建立三维坐标系，将光强传感器部署于监测区域表层，电磁信号传感器间隔嵌入监测区域内部，温湿度传感器均匀分布于表层及内部交界处，运动加速度传感器固定于监测区域的关键结构点。
11、优选的，所述多模态信号预处理包括以下步骤：
12、对光强传感器数据执行离散小波变换，提取高频分量作为光强波动特征；
13、对电磁信号传感器数据采用快速傅里叶变换，提取主频幅值及谐波能量占比；
14、对温湿度传感器数据通过滑动窗口均值滤波消除环境噪声；
15、对运动加速度传感器数据采用动态时间规整算法，对齐不同采样频率的时序数据。
16、优选的，所述多源数据融合算法具体为：
17、定义第类传感器数据的可信度权重，其中为第类传感器数据的方差；
18、基于可信度权重对预处理后的多模态特征进行加权求和，生成初始融合特征向量；
19、将初始融合特征向量输入图卷积网络，通过邻接矩阵建模传感器间的空间相关性，输出时空融合特征。
20、优选的，所述动态权重调整模块的工作流程包括：
21、实时计算各传感器数据的kl散度，检测数据分布偏移量；
22、当某类传感器数据的kl散度超过预设阈值时，将其可信度权重按指数衰减函数动态下调，计算公式为：
23、
24、其中为下调后的可信度权重，为衰减系数，为kl散度，为当前数据分布，为历史基准分布。
25、优选的，所述异常检测引擎的具体实现方式为：
26、构建深度自编码器网络，编码器部分包含3层全连接网络，隐藏层激活函数为leakyrelu；
27、解码器部分采用对称结构，损失函数定义为重构误差与潜在空间稀疏约束的加权和，计算公式为：
28、
29、其中为编码器输出的潜在向量，为输入数据的原始特征向量，为自编码器输出的重构特征向量，和为超参数；
30、当某时刻的重构误差超过历史误差分布的3倍标准差时，判定为异常事件。
31、优选的，所述数据传输单元的工作模式为：在监测区域网络覆盖稳定时，优先采用5g协议传输原始数据及异常标签；当5g信号强度低于-90dbm时，切换至lora协议，仅传输异常事件的压缩特征向量及位置编码。
32、优选的，还包括自适应学习模块，用于：
33、定期从云端服务器下载最新监测数据，更新自编码器模型的参数；
34、采用联邦学习框架，聚合多个边缘计算节点的局部模型梯度，生成全局模型参数后同步至各节点。
35、优选的，所述联邦学习框架的执行步骤包括：
36、各边缘节点基于本地数据计算模型梯度，并添加差分隐私噪声；
37、中央处理模块通过安全多方计算协议聚合梯度，更新全局模型；
38、将更新后的模型参数加密分发至各边缘节点，替换原有模型。
39、优选的，本发明还包括一种信息技术数据监测装置的使用方法，包括以下步骤：
40、于监测区域部署上述信息技术数据监测装置，初始化传感器模块的坐标系及通信协议；
41、通过数据采集单元按预设频率同步采集多模态传感器数据，并标记时空戳；
42、在边缘计算节点执行多模态信号预处理，生成标准化特征向量；调用动态权重调整模块，根据实时数据分布更新融合权重；
43、利用中央处理模块的多源数据融合算法生成综合监测指标，并输入异常检测引擎计算异常概率；
44、当异常概率超过0.95时，触发数据传输单元上传告警信息及关联数据至云端；
45、每月通过自适应学习模块下载全局模型参数，完成边缘节点模型的增量更新。
46、与现有技术相比，本发明的有益效果是：
47、本发明通过部署光强传感器、电磁信号传感器、温湿度传感器及运动加速度传感器等多个异构传感器模块，并科学规划其分布位置，实现了对监测区域多维度数据的全面采集。以监测区域几何中心为原点建立三维坐标系，光强传感器部署于表层，能精准捕捉光照强度的瞬间变化，对于农业温室大棚光照监测、智能照明系统调控等场景意义重大；电磁信号传感器间隔嵌入内部，有效避免干扰，准确监测电磁信号，在电子设备密集区域的电磁辐射监测中发挥关键作用；温湿度传感器均匀分布于表层及内部交界处，全面掌握温湿度变化，保障仓储环境、生产车间的温湿度稳定；运动加速度传感器固定于关键结构点，实时监测结构运动状态，在桥梁、建筑物等结构安全监测中不可或缺。这种多传感器协同且科学分布的方式，极大地提高了数据采集的准确性和全面性，为后续分析提供了丰富可靠的数据基础。在数据处理过程中，针对不同传感器数据特点，采用离散小波变换、快速傅里叶变换、滑动窗口均值滤波和动态时间规整算法等进行多模态信号预处理，有效提取特征、消除噪声并对齐时序数据。多源数据融合算法通过定义可信度权重并结合图卷积网络，充分考虑传感器数据的稳定性和空间相关性，生成准确的时空融合特征。动态权重调整模块基于实时数据分布特性自适应调整融合权重，当数据分布发生变化时，及时下调异常数据的权重，确保融合结果的可靠性。在工业设备故障监测中，能够精准融合振动、温度、压力等多源数据，准确判断设备运行状态，提前发现潜在故障隐患，相比传统融合方法，故障判断准确率大幅提高，减少设备停机时间和维修成本。
48、异常检测引擎构建深度自编码器网络，通过合理设置编码器和解码器结构以及损失函数，有效学习数据的正常模式。当重构误差超过历史误差分布 3 倍标准差时判定为异常事件，这种基于模型的异常检测方法相比传统人工阈值设定更加准确和自适应。在智能安防监控中，能够及时发现异常行为，如非法入侵、人员异常聚集等，快速发出警报，为安全防范提供有力支持，降低安全事故发生的风险。数据传输单元采用 lora 与 5g 双模通信协议，根据网络覆盖情况智能切换。在网络覆盖稳定时，利用 5g 协议的高速率和低延迟优势，快速上传原始数据及异常标签；当 5g 信号强度低于 -90dbm 时，自动切换至 lora 协议，仅传输异常事件的压缩特征向量及位置编码，减少数据传输量，保证数据在恶劣网络环境下的稳定传输。在偏远地区的环境监测、野外作业数据回传等场景中，有效避免数据丢失，确保监测数据的连续性和完整性。
49、自适应学习模块通过定期从云端服务器下载最新监测数据更新自编码器模型参数，提升模型对新数据的适应性和准确性。采用联邦学习框架，各边缘节点基于本地数据计算模型梯度并添加差分隐私噪声，中央处理模块通过安全多方计算协议聚合梯度更新全局模型，再将加密后的模型参数分发至各节点。这种方式既实现了模型的协同优化，提高监测精度，又保护了本地数据隐私。在金融风险监测、医疗健康数据监测等对数据隐私要求极高的领域，既能充分利用各方数据提升监测效果，又能确保数据安全，符合严格的隐私法规要求。
50、本发明的信息技术数据监测装置使用方法简单便捷，涵盖装置部署、数据采集、预处理、融合分析、异常检测及数据传输和模型更新等一系列流程。按预设频率同步采集多模态传感器数据并标记时空戳，保证数据的时空一致性；每月通过自适应学习模块下载全局模型参数完成增量更新，使装置始终保持良好性能。在实际应用中，降低了用户的使用门槛和维护成本，提高了监测系统的运行效率和可靠性，能够快速部署并应用于各种监测场景，为不同行业提供高效的数据监测解决方案。