[发明专利]一种深度学习模型的云边协同训练和部署系统及方法

说明书

本发明公开了一种深度学习模型的云边协同训练和部署系统及方法，属于深度学习和互联网技术领域。本发明系统包括检测器、边缘服务器和中心云服务器；本发明通过云边协同的方式训练和部署深度学习模型，可以实现模型更加便捷地发布到检测设备，确保生产车间数据不出厂，降低了网络负载和数据泄露风险；同时，充分利用边缘服务器硬件资源，可视化和自动化的深度学习模型训练和部署，有利于推动深度学习在智能制造、工业质检领域的商业化应用；基于这种检测系统及方法可以开发出应用于各种工业视觉检测系统，具有广泛的应用空间。

技术领域

本发明属于深度学习和互联网技术领域，具体涉及一种深度学习模型的云边协同训练和部署系统及方法。

背景技术

在国家大力提倡和发展工业生产智能制造的环境下，人工智能工业质检解决方案将全面赋能工业生产制造。目前视觉检测系统凭借其独特的优势逐渐替代人工检测方式，广泛应用于生产流水线中。与传统方式相比，深度学习可以在训练过程中自学习相关属性，省去特征工程环节，识别精度更高、更加灵活。

深度学习模型的训练往往要进行大量数据的处理工作，对硬件的内存和计算能力要求较高，因此需要在资源充足的数据中心完成。在视觉检测系统中，检测器本身从硬件成本和检测实时性考虑，都不适合充当数据中心。而在工厂内各车间、产线部署服务器单独进行模型训练，既效率低，也无法实现模型的统一管理和部署。收集大量的样本数据送往云端数据中心进行模型训练则存在两个主要的弊端。一方面，将所有产线数据传输到云端会给核心网络带来沉重负担，造成服务延时。另一方面，大量的原始数据通过广域网传输容易泄露用户数据隐私，违背用户意愿。

随着工业互联网和边缘计算的发展，将云边协同技术应用到深度学习模型的训练和部署，可以解决目前工业质检领域深度学习模型训练和部署系统及方法的不足，使模型的训练和部署更加安全、高效、智能化、低成本。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种深度学习模型的云边协同训练和部署系统及方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种深度学习模型的云边协同训练和部署系统，包括检测器、边缘服务器和中心云服务器；

检测器，被配置为用于调用深度学习模型对产品质量进行实时检测，并将历史数据传送到边缘服务器；其包括工控机、单片机、图像采集通讯组件、光源控制电路和编码器信号采集电路；

边缘服务器，被配置为用于在收到中心云服务模型训练命令后，解析命令，获取任务参数信息，采集指定检测器存储数据，进行模型训练，同时定时更新包括训练进度、训练精度和训练损失值在内的过程信息给中心云服务器；在收到中心云服务模型部署命令后，解析命令，向检测器下发训练好的模型文件，进行模型部署，同时定时更新包括模型下发进度和检测器加载模型进度在内的过程信息给中心云服务器；

中心云服务器，被配置为用于接收用户的远程控制，向边缘服务器发送模型训练和模型部署命令，以及接收边缘服务器的返回信息，向用户显示任务执行情况。

此外，本发明还提到一种深度学习模型的云边协同训练和部署方法，该方法采用如上所述的深度学习模型的云边协同训练和部署系统；具体包括如下步骤：

步骤1：通过检测器调用深度学习模型对产品质量进行实时检测，并将历史数据传送到边缘服务器；

步骤2：边缘服务器，被配置为用于在收到中心云服务模型训练命令后，解析命令，获取任务参数信息，采集指定检测器存储数据，进行模型训练，同时定时更新包括训练进度、训练精度和训练损失值在内的过程信息给中心云服务器；在收到中心云服务模型部署命令后，解析命令，向检测器下发训练好的模型文件，进行模型部署，同时定时更新包括模型下发进度和检测器加载模型进度在内的过程信息给中心云服务器；