应用于农业LoRa网关的机器学习决策系统专利检索-农业机器作物管理专利检索查询-专利查询网

应用于农业LoRa网关的 机器学习决策系统

阅读：791发布：2020-05-08

专利汇可以提供应用于农业LoRa网关的机器学习决策系统专利检索，专利查询，专利分析的服务。并且本发明提供了一种应用于农业LoRa网关的机器学习决策系统，包括树莓派模块、射频模块及服务器；所述树莓派模块搭载Linux系统，内设有网关主程序及算法模型接口程序；所述网关主程序用于通过SPI接口控制射频模块接收和发送数据信息；所述算法模型接口程序用于将射频模块接收到的数据信息进行分析处理；所述服务器用于对算法模型进行模型训练，并将训练完成的算法模型通过以太网发送至树莓派模块，为树莓派模块提供相应的算法模型。本发明的有益效果在于：利用树莓派模块的冗余性能，在树莓派模块上设算法模型接口程序，接收从服务器下移的算法模型，使得数据能够在网关进行处理，可以减轻服务器的负担，利用冗余的网关资源降低服务器所需费用。，下面是应用于农业LoRa网关的机器学习决策系统专利的具体信息内容。

权利要求

1.一种应用于农业LoRa网关的机器学习决策系统，其特征在于：包括，树莓派模块、射频模块及服务器；
所述树莓派模块搭载Linux系统，内设有网关主程序及算法模型接口程序；所述网关主程序用于通过SPI接口控制射频模块接收和发送数据信息；所述算法模型接口程序用于将射频模块接收到的数据信息进行分析处理；
所述服务器用于对算法模型进行模型训练，并将训练完成的算法模型通过以太网发送至树莓派模块，为树莓派模块提供相应的算法模型。
2.如权利要求1所述的应用于农业LoRa网关的机器学习决策系统，其特征在于：
算法模型接口程序，还用于将网关主程序接收到的图片类型或者数值类型的数据发送给算法模型接口程序，算法模型接口程序接收到数据后，将其输入算法模型，得到算法结果；并将算法结果返回给网关主程序，完成算法计算工作。
3.如权利要求1所述的应用于农业LoRa网关的机器学习决策系统，其特征在于：
当算法模型更新时，服务器将算法模型进行训练后，通过以太网将算法模型发送到网关算法模型接口程序；算法模型程序接收到算法模型后，修改或覆盖本地算法模型文件，完成算法模型的更新。
4.如权利要求1所述的应用于农业LoRa网关的机器学习决策系统，其特征在于：
所述服务器还用于与网关主程序进行业务数据交互，对业务数据进行分析处理。
5.如权利要求1所述的应用于农业LoRa网关的机器学习决策系统，其特征在于：
所述算法模型程序还用于维护应用程序接口，以供网关主程序本地调用。
6.如权利要求1所述的应用于农业LoRa网关的机器学习决策系统，其特征在于：所述射频模块的型号为SX1301。

说明书全文

应用于农业LoRa网关的机器学习决策系统

技术领域

[0001] 本发明涉及机器学习决策系统领域，尤其是指一种应用于农业LoRa网关的机器学习决策系统。

背景技术

[0002] 在传统智慧农业物联网系统中，系统的架构主要采用节点——网关——服务器这种架构，随着人工智能机器学习各种算法的发展，农业物联网结合人工智能已是未来生产的一个趋势，人工智能算法程序逻辑一般位于服务器端中，由网关节点监控农业环境数据，上报给服务器后，结合人工智能算法模型对农业环境数据未来值进行预测，或者进行分析。但使用在农业物联网领域的网关有的存放于野外，采用4G路由入网，由于野外环境比较复杂，有时网关和服务器的网络连通状况会收到干扰，甚至无法通信。这时服务器无法获取网关节点的实时数据，也无法对网关节点数据进行决策，预测等操作。

发明内容

[0003] 本发明所要解决的技术问题是：提供一种应用于农业LoRa网关的机器学习决策系统，旨在提高系统的资源利用率和系统稳定性，降低系统成本。

[0004] 为了解决上述技术问题，本发明采用的技术方案为：一种应用于农业LoRa网关的机器学习决策系统，包括，树莓派模块、射频模块及服务器；

[0005] 所述树莓派模块搭载Linux系统，内设有网关主程序及算法模型接口程序；所述网关主程序用于通过SPI接口控制射频模块接收和发送数据信息；所述算法模型接口程序用于将射频模块接收到的数据信息进行分析处理；

[0006] 所述服务器用于对算法模型进行模型训练，并将训练完成的算法模型通过以太网发送至树莓派模块，为树莓派模块提供相应的算法模型。

[0007] 进一步的，算法模型接口程序，还用于将网关主程序接收到的图片类型或者数值类型的数据发送给算法模型接口程序，算法模型接口程序接收到数据后，将其输入算法模型，得到算法结果；并将算法结果返回给网关主程序，完成算法计算工作。

[0008] 进一步的，当算法模型更新时，服务器将算法模型进行训练后，通过以太网将算法模型发送到网关算法模型接口程序；算法模型程序接收到算法模型后，修改或覆盖本地算法模型文件，完成算法模型的更新。

[0009] 进一步的，所述服务器还用于与网关主程序进行业务数据交互，对业务数据进行分析处理。

[0010] 进一步的，所述算法模型程序还用于维护应用程序接口，以供网关主程序本地调用。

[0011] 进一步的，所述射频模块的型号为SX1301。

[0012] 本发明的有益效果在于：本技术方案通过树莓派模块作为网关，利用树莓派模块的冗余性能，在树莓派模块上设算法模型接口程序，接收从服务器下移的算法模型，使得数据能够在网关进行处理，实现去中心化，算法边缘化，可以减轻服务器的负担，利用冗余的网关资源降低服务器所需费用。其次，当网关与服务器断网情况发生时，网关无法与服务器进行通信，由于不用经服务器对数据进行处理，能够提高整个系统的稳定性。附图说明

[0013] 下面结合附图详述本发明的具体结构。

[0014] 图1为本发明的应用于农业LoRa网关的机器学习决策系统示意图。

具体实施方式

[0015] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0016] 应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

[0017] 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。

[0018] 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。

[0019] 如图1所示，本发明的实施例为：一种应用于农业LoRa网关的机器学习决策系统，包括，树莓派模块10、射频模块20及服务器30；

[0020] 所述树莓派模块10搭载Linux系统，内设有网关主程序11及算法模型接口程序12；所述网关主程序11用于通过SPI接口控制射频模块20接收和发送数据信息；所述算法模型接口程序12用于将射频模块20接收到的数据信息进行分析处理；

[0021] 其中，网关主程序11接收到的数据信息是从LoRa节点发送过来的，LoRa节点为数据收集的节点；

[0022] 所述服务器30用于对算法模型进行模型训练，并将训练完成的算法模型通过以太网发送至树莓派模块10，为树莓派模块10提供相应的算法模型。

[0023] 本实施例中，农业物联网领域的LoRa节点存放于野外,对农业环境数据进行收集；从网关业务的密集程度上看，树莓派模块10的性能还有冗余，将服务器30的算法模型下移，可以减轻服务器30的负担，利用冗余的网关资源降低服务器30所需费用。其次，当网关与服务器30断网情况发生时，网关无法与服务器30进行通信，此时如果将算法边缘化，将提高整个系统的稳定性，同时，针对预测所得的紧急情况或者某些决策业务也可预先得知，不会因网络情况的异常而受到影响。

[0024] 进一步的，算法模型接口程序12，还用于将网关主程序11接收到的图片类型或者数值类型的数据发送给算法模型接口程序12，算法模型接口程序12接收到数据后，将其输入算法模型，得到算法结果；并将算法结果返回给网关主程序11，完成算法计算工作。

[0025] 进一步的，当算法模型更新时，服务器30将算法模型进行训练后，通过以太网将算法模型发送到网关算法模型接口程序12；算法模型程序接收到算法模型后，修改或覆盖本地算法模型文件，完成算法模型的更新。

[0026] 进一步的，所述服务器30还用于与网关主程序11进行业务数据交互，对业务数据进行分析处理。

[0027] 服务器30分为两部分，一部分主要负责和网关的正常业务处理工作，同时此外还需为网关提供相应的算法模型，通过端口将训练完成的算法模型下发到网关，以支撑网关的算法工作。

[0028] 进一步的，所述算法模型程序还用于维护应用程序接口，以供网关主程序11本地调用。

[0029] 进一步的，所述射频模块20的型号为SX1301。

[0030] 综上所述，本技术方案的实施例通过树莓派模块10作为网关，利用树莓派模块10的冗余性能，在树莓派模块10上设算法模型接口程序12，接收从服务器30下移的算法模型，使得数据能够在网关进行处理，实现去中心化，算法边缘化，可以减轻服务器30的负担，利用冗余的网关资源降低服务器30所需费用。其次，当网关与服务器30断网情况发生时，网关无法与服务器30进行通信，由于不用经服务器30对数据进行处理，能够提高整个系统的稳定性。同时，针对预测所得的紧急情况或者某些决策业务也可预先得知，不会因网络情况的异常而受到影响。

[0031] 以上所述，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。

标题	发布/更新时间	阅读量
采摘设备	2020-05-08	385
一种用于农业的灌溉节能水泵	2020-05-12	228
一种主要农作物高温灾害遥感监测预报系统及方法	2020-05-11	702
一种毛苕子收获机的防缠绕切割拨禾装置	2020-05-13	728
用于排出具有限定的最终混合比的最终液体的排出单元	2020-05-12	401
一种能稳定支撑的手扶式播种机	2020-05-11	646
应用于农业LoRa网关的机器学习决策系统	2020-05-08	791
一种带有升降手的农业机器人平台及其工作方法	2020-05-13	518
一种智能农业多用途喷雾机器人	2020-05-08	478
一种水稻种子抛撒机	2020-05-12	666

应用于农业LoRa网关的机器学习决策系统

应用于农业LoRa网关的机器学习决策系统

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：