一种基于边缘云的智慧水产养殖管理系统及方法与流程

本发明属于边缘计算领域，具体涉及一种基于边缘云的智慧水产养殖管理系统及方法。

背景技术：

水产养殖业的智慧养殖系统面临着许多挑战。例如如何在减少人工的前提下完成养殖多环节的信息化；如何储存和分析接收到的数据。传统智慧养殖系统数据获取难度高，计算分析被边缘化，人工支持成本大，无法达成真正的智能化养殖。

技术实现要素：

针对上述技术问题，本发明提供一种基于边缘云的智慧水产养殖管理系统及方法。

本发明解决上述技术问题的技术方案如下：一种基于边缘云的智慧水产养殖管理系统，包括：

全局中心，用于统一管理多个边缘云中心，还用于负责应用在容器平台或传统平台的统一编排，通过应用编排模版推送边缘云平台应用自动拉起，还用于人工智能计算模型的自动推送；

所述边缘云中心，用于对所在区域的养殖场的管理和数据收集，对数据进行预处理和预判断，将结构化的数据传回所述全局中心，将简单业务的计算结果返回至用户上层应用。

为实现上述发明目的，本发明还提供一种基于边缘云的智慧水产养殖管理方法，包括：

全局中心统一管理多个边缘云中心，负责应用在容器平台或传统平台的统一编排，通过应用编排模版推送边缘云平台应用自动拉起，负责人工智能计算模型的自动推送；

所述边缘云中心对所在区域的养殖场的管理和数据收集，对数据进行预处理和预判断，将结构化的数据传回所述全局中心，将简单业务的计算结果返回至用户上层应用。

本发明的有益效果是：

a.可以灵活部署在养殖场周围，减少了传统智慧养殖系统部署要求高，改善了数据传递慢和计算复杂的缺点；

b.可同时处理多种类型数据，如视频数据和文本数据，进行全环节数据收集，便于管理和监控。

附图说明

图1为本发明实施例提供的一种基于边缘云的智慧水产养殖管理系统的系统架构图；

图2为本发明实施例提供的一种智慧水产养殖平台的硬件连接结构图；

图3是本发明实施例提供的一种智慧水产养殖系统中的本地计算节点组件图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

图1为本发明实施例提供的一种基于边缘云的智慧水产养殖管理系统的系统架构图，如图1所示，该系统层次设计包括全局中心和边缘云中心。全局中心统一管理多个边缘云中心。同时，全局中心还负责应用在容器平台或传统平台的统一编排；应用编排模版推送边缘云平台应用自动拉起；人工智能计算模型的自动推送。

边缘云管理中心负责该区域的养殖场管理和数据收集，对数据进行预处理和预判断，将结构化的数据传回全局中心，将简单业务的计算结果返回至用户上层应用。

图2为本发明实施例提供的一种智慧水产养殖平台的硬件连接结构图，如图2所示，该平台架构设计包括物联网基础设施、本地计算节点、远端云平台、应用编排、oss/bss和上层应用。

其中，物联网基础设施包括环境自动监测、设备电气化自动控制和高清视频摄像等物联网设备。

本地计算节点负责本地多媒体数据的存储、分析和计算。例如当产生了水质监控数据后，本地边缘计算节点会进行预处理，只将结构化信息给远程云平台。

远程云平台包括控制节点、计算节点、存储节点、虚拟网元接口，负责数据记录存储、智能分析统计和远程人员管理监控。

oss/bss即运营支持系统和业务支持系统，包括客户关系管理、数据采集系统、计费账务、综合结算和营销支撑这些模块。

云平台应用编排支持容器平台和传统平台的应用编排。远程云平台的应用编排模版可适用于多种平台，自动推送，无人人工介入配置。自编排、自推送、自适应配置，做到真正的自动化。

上层应用主要包括了人员管理监控、微信小程序、人工智能应用等用户功能；在上层应用里增加了利用深度学习和机器学习模型组件，对数据进行分析和结果预测，深度学习和机器学习应用是一种高级应用，可预测和分析多种类型数据，大数据计算模版也可以自动推送给各个子平台，子平台自动调整配置以满足计算模版的计算结果。

图3是本发明实施例提供的一种智慧水产养殖系统中的本地计算节点组件图。与传统智慧养殖平台相比，增加了本地计算节点。

本地计算节点包括了边缘网关和其业务组件，由本地存储、分析、函数计算和规则引擎等组成。边缘网关强化了本地计算节点的计算能力，一些简单的业务逻辑直接在边缘节点处理并返回信息至用户设备。

远程云平台通过调用starlingxapi来远程管理本地计算节点。主要负责本地计算节点的设备管理、组件管理和节点管理，以及自动推送应用编排和自适应部署，无需人工监控和部署。本地计算节点也通过调用starlingxapi与云平台交换结构化数据满足用户业务逻辑。

同时，远程云平台也通过starlingxapi进行远程运营管理和设备管理的调用，监控人员的操作是否规范等。远程云平台除了边缘计算管理组件外，还包括了存储、大数据、中间件和人工智能等业务组件。远程云平台承担大数据计算模型训练任务。这一任务组件包括了云端模型训练、边缘数据分析、数据云端存储和云端设备控制。通过机器学习和深度学习，预测和模拟计算模型的最优解，训练出来的计算模版未来可自动推送给各个边缘平台以自动调整和部署设备。

边缘云中心与远程云平台以开放api的形式整合，方便本地计算节点和远程云平台之间调用。可以远程监控和管理人工操作是否可规范，从虾苗的投放情况、饲料的使用情况到虾成熟后的捕获情况等，收集一切数据，做到一切环节有数据可循。

与现有技术相比，本发明具有以下特点：

i.与传统智慧养殖系统相比，由于加入了边缘计算技术，可以用一个较低的人力成本把虾养殖场的虾、物、人都纳入到信息化管理中；且打破了各子系统间的隔离，连接了物理基础、信息基础设施。操作简单，无需专人管理；

ii.该新型智慧水产养殖系统极大的提升了计算反馈速度，利用了边缘网关具备计算能力的特性，先预处理数据再传至远端分析，管理人员可以立刻得到数据的分析和反馈，可以及时作出调整；且边缘网关接口多，便于接受各种媒体的数据，如图片、视频和结构化数据，实现了多媒体数据的存储和计算；

iii.该新型智慧水产养殖系统可以根据需求统一规划和装配适配器，打破了传感器和信息系统之间的数据交互，统一管理各传感硬件。

读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

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，上述描述系统实施例中的模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，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。

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发明实施例方案的目的。

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，也可以是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。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。