一种基于边缘网关的智能家居系统及其应用

1.本发明涉及技术领域，尤其涉及一种基于边缘网关的智能家居系统及其应用。


背景技术：

2.随着社会信息化的加快，人们的工作、生活和通讯、信息的关系日益紧密。信息化社会在改变人们生活方式与工作习惯的同时，也对传统的住宅提出了挑战，社会、技术以及经济的进步更使人们的观念随之巨变。人们对家居的要求早已不只是物理空间，更为关注的是一个安全、方便、舒适的居家环境。因此家居智能化和智能住宅也逐渐开始普及，家居智能化就是通过家居智能管理系统的设施来实现家庭安全、舒适、信息交互与通信的能力。家居智能化系统由如下三个方面组成：(1)家庭安全防范(hs)；(2)家庭设备自动化(ha)；(3) 家庭通讯(hc)。
3.家居智能化带来了便捷生活，传统网关将不加处理的数据直接上传至云平台，这会产生大量无效数据加重宽带负荷的同时也会影响中心端工作效率。


技术实现要素：

4.本发明的目的是为了解决现有技术中无效数据堆积且工作效率不足的技术问题。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种基于边缘网关的智能家居系统，包括云平台、边缘计算网关及任务处理器，所述云平台是指用于对智能家居系统上传数据进行解析、整合以及处理的数据中心，所述边缘计算网关是指通过边缘计算基数定义的网关设备；所述任务处理器是指具备处理边缘计算网关派发任务能力的程序模块，所述云平台与所述边缘计算网关通过知识蒸馏的方式进行数据压缩及传输，所述边缘计算网关用于通过调度策略和相关通信协议实现任务协调和信息识别拆分功能。
7.优选的，所述边缘计算网关通过无线通信方式与传感器节点及执行器节点连接，并接受传感器节点上传的信息及控制执行器节点驱动。
8.优选的，所述传感器节点为摄像头、烟雾检测、振动传感器及co2传感器中任一种或几种的组合；所述执行器节点为门禁开关、新风风阀以及空调开关任一种或几种的组合；所述无线通信方式为zigbee、蓝牙及wi
‑
fi中的任一种。
9.优选的，所述通信协议采用订阅
‑
发布式mqtt通信协议，mqtt服务器设置于边缘计算网关内；所述传感器节点与所述执行器节点为mqtt的客户端。
10.本技术还提供了一种基于边缘网关的智能家居系统的应用，使用上述所述的基于边缘网关的智能家居系统，包含以下步骤：
11.s1：云平台通过知识蒸馏，给边缘计算网关传输初始化的预测模型；
12.s2：边缘计算网关通过传感器节点采集数据信息，将采集到的数据信息通过知识蒸馏的方法，压缩模型，并传输到云平台；
13.s3：云平台接收边缘计算网关传输的数据信息，批改后优化模型，通过网络通信传
输将数据处理任务返送给边缘计算网关；
14.s4：边缘计算网关将返送回的模型进一步优化，并制定调度策略，然后将任务派发给任务处理器；
15.s5：任务处理器通过网络连接，获取边缘计算网关中发出的派发数据，对分配任务进行处理，而后将处理完成的信息传回边缘计算网关；
16.s6：边缘计算网关整合任务处理器的处理信息，通过网络连接方式向应用系统发送指令，实现对执行器节点的控制。
17.优选的，所述s4中的调度策略通过边缘计算网关监测任务管理器的资源空间和工作状态，动态进行改变。
18.优选的，执行调度策略时，边缘计算网关优先将任务派发给数据信息处理效率最高的任务处理器，当效率最高的任务处理器工作量饱和时，则派发给处理效率次之的任务处理器，或者让处理效率较低的任务处理器进行部分数据信息处理，当处理效率高的任务处理器完成当前任务后，优先处理此类数据信息，处理效率低的任务处理器协助处理效率高的任务处理器。
19.优选的，所述调度策略应用时：将任务分为一系列的流，流间关系可分为并行或顺序；不同任务中可并行的流阶段在资源配置充足的情况下同时处理，不足则进行调度排序；针对同一任务中可并行的流阶段，设置降级阈值，结合任务级别和流级别的顺序，对流阶段的信息处理进行调度。
20.优选的，所述调度策略中需要进行信息保密时，将神经网络中的数据信息从全连接层切分，将来自同一对象的两部分数据信息分派给不同的任务处理器。
21.与现有技术相比，本发明的有益效果是：
22.1、本技术中通过将边缘计算网关作为协调器，不完全承担数据信息处理工作，基于任务和流协同感知制定调度策略，缩短任务完成时间，提高数据信息处理效率；
23.2、同时，本技术中边缘计算网关与云平台之间协同采用知识蒸馏的方法，对模型进行了压缩优化处理，减少了数据的囤积；
24.3、本技术中通过边缘计算网关将神经网络中的数据信息从全连接层进行切分，将来自同一对象的信息分别派发给不同的任务处理器，可以实现对数据信息的保密；
25.4、本技术中采用订阅
‑
发布式mqtt通信协议，使得传感器节点
‑
边缘计算网关
‑
执行器节点之间通信采用“时间
‑
事件”触发式通信，可以保证数据传输的有序性。
附图说明
26.图1为本技术中一种基于边缘网关的智能家居系统的设计示意图；
27.图2为本技术中一种基于边缘网关的智能家居系统的中边云协同采用的知识蒸馏方法的流程图；
28.图3为本技术中一种基于边缘网关的智能家居系统的边缘网关协调调度设计示意图；
29.图4为本技术中一种基于边缘网关的智能家居系统的边缘网关采用的基于任务和流协同感知的调度策略简图
30.图5为本技术中一种基于边缘网关的智能家居系统的边缘网关对神经网络中数据
信息在全连接层的切分示意图；
31.图6为本技术中一种基于边缘网关的智能家居系统一实施方式中应用门禁设备的示意图；
32.图7为本技术中一种基于边缘网关的智能家居系统的边缘计算网关与传感器节点和执行器节点的通信示意图；
33.图8为本技术中一种基于边缘网关的智能家居系统的边缘计算网关与传感器节点的数据传递时间轴。
34.图例说明：1、云平台；2、传感器节点；3、边缘计算网关；4、执行器节点；5、任务处理器。
具体实施方式
35.为使本发明的目的、技术方案和优点更加清楚，以下结合具体实施例，对本发明作进一步地详细说明。
36.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。
37.请参阅图1，一种基于边缘网关的智能家居系统，其包括云平台1、边缘计算网关3及任务处理器5，所述云平台1与所述边缘计算网关3通过知识蒸馏的方法进行数据压缩及传输，所述边缘计算网关3通过调度策略和相关通信协议实现任务协调和信息识别拆分的功能。
38.在一实施方式中，所述云平台1是指智能家居系统上传的数据进行分析、整合以及处理的数据中心，并且实现与边缘计算网关3的信息关互。所述云平台1用于实现数据接收、解析及存储功能；在完成数据的分析处理后在云端进行教师网络的训练，通过知识蒸馏向边缘计算网关3提供预测模型。
39.所述知识蒸馏又称为知识提取，在一实施方式中，所述知识蒸馏用于与教师网络相关的soft target作为total loss的一部分，对学生网络训练实现指导，实现知识迁移，分为训练过程和预测过程两部分。请参阅图2(a)，图中的教师网络对应本技术的云平台1，学生网络对应边缘计算网关3，左侧的教师网络与温度参数t进行除法运算，完成蒸馏过程，而后通过softmax(柔性最大值传输函数) 预测出soft target，作为total loss的一部分，学生网络类似教师网络的步骤预测出一个结果，同时学生网络在无蒸馏过程下有一正常输出，与hard target做交叉熵，作为total loss的另一部分，两部分加权得出最终损失结果。图2(b)为预测过程示意图，训练完成，则在预测时无需蒸馏过程，根据训练得出的传输函数进行预测即可。温度参数是为了放大小概率信息，当t值越大，soft target越平滑，信息不会集中分布在少数分量上，对小概率分量携带的信息有放大效果，但也可能为干扰信息，因此需要选择合适的温度参数t。
40.所述边缘计算网关3是指通过边缘计算技术定义的网关设备，实现与云平台1的双向知识蒸馏，对智能家居传感器节点2进行数据采集，对执行器节点4 进行驱动，以及对任务处理器5进行协调和任务派发。在一实施方式中，所述边缘计算网关3具备双向知识蒸馏功能，能够对云平台1提供的预测模型进行优化，并进行精简模型训练，通过zigbee、蓝牙及
wi
‑
fi等无线通信方式实现对智能家居系统传感器节点2进行数据采集，获取音视频、环境参数等；并且与智能家居的执行器节点4通过无线通信实现驱动控制。
41.在一实施方式中，请参阅图3，边缘计算网关3通过监测任务处理器5的资源空间和工作状态，制定基于任务和流协同感知的调度策略，动态调整任务派发；具体的，边缘计算网关3将模型和信息处理任务分类后派发给对应的任务处理器5，并根据边缘计算网关3监测到的处资源空间和固有工作状态，制定调度策略，决定任务和流在网络中调度的顺序，一个任务由多个流组成，流的原始优先级依赖于任务的顺序，单独的流感知和任务感知应用，会产生资源的浪费；流间关系可分为并行和顺序，根据数据流处理阶段的消耗时间，结合任务感知，将信息处理任务拆分，边缘计算网关3进行任务和流的调度策略的制定，任务处理器5按序完成信息处理。
42.流感知是指流是基本操作单元，每个任务都是由一系列的流组成的，以流为单位进行信息处理，同一类型的流阶段，在无顺序条件下，可以同时处理，而不同类型的流阶段，不可同时处理。任务和流协同感知的调度策略，同一时间处理的流阶段的类型无需一样，可以减少平均流完成时间，缩短任务完成时间。
43.请参阅图4，以两任务为例，假设每一任务都包括两阶段1和2，每一阶段包括两步骤a和b，不同的流阶段存在顺序关系，不同任务的流阶段和不同流阶段的步骤存在可并行关系，相同阶段的流在同时处理时会平分资源，导致处理时间等比增长，所以尽可能减少同时处理的流平分资源的情况，使相同阶段的流顺序处理，不同流阶段并行处理，即将流阶段1的两步骤顺序处理，在处理流阶段1的b步骤时，处理流阶段2的资源空闲，且在流阶段2的步骤a之前的步骤已完成，在同一单位时间内，两步骤同时进行，在任务一处理a步骤的资源被释放后，任务二的流阶段1的a步骤可以进行处理，而后按照顺序和并行关系处理流阶段与步骤，在相同时间内处理更多的流步骤，提高处理效率。
44.在另一实施方式中，边缘计算网关3也可分别将单一完整的数据信息处理任务向内部多个任务处理器5进行派发，也可以对采集数据信息进行识别拆分，实现信息加密；具体的，单一完整的采集数据信息在全连接层进行识别拆分，将来自同一对象的两部分数据信息分派给不同的任务处理器5，任一任务处理器 5无法获取同一对象的全部数据信息，以此实现信息加密。
45.请参阅图5，图5(a)是神经网络结构示意图，其中隐含层中包含多层，凡每个神经元与前一层所有的神经元全部连接就可以成为全连接层，边缘计算网关3将神经网络中的数据信息在全连接层拆分，如图5(b)将来自同一对象的两部分数据信息分别派发给不同的任务处理器5，使任一任务处理器5不具有来自同一对象的完整数据信息，从而实现数据的加密处理，保障数据安全。
46.在一实施方式中，所述边缘计算网关3通过监测任务处理器5的资源空间和工作状态，动态的改变调度策略，实现对任务处理器5的执行任务进度的感知，优先将任务派发给该类数据信息处理效率最高的任务处理器5，当该服务器的工作量饱和，则派给处理效率次之的任务处理器5，也可让处理效率较低的任务处理器5进行部分数据信息处理，当处理效率高的任务处理器5完成当前任务后，优先处理此类数据信息，处理效率低的任务处理器5协助处理效率高的任务处理器5，实行轮循工作制，可以提升整体运行效率。
47.为了便于理解，本技术提供了一个具体应用的实例，请参阅图6，图6为本技术应用
在门禁系统上的示意图，门禁通过wifi提供的热点与边缘计算网关3 相连，边缘计算网关3根据信息处理结果向门禁设备发送指令，实现开门功能，不仅支持人脸识别的开门方式，还可以通过api采用声控、指纹等开门方式。
48.在一实施方式中，所述传感器节点2包括摄像头、烟雾检测、振动传感器以及co2传感器等节点；所述的执行器节点4包括门禁开关、新风风阀以及空调开关等。并且为保证智能家居系统安装方便，所述传感器节点2与边缘计算网关3，以及执行器节点4与边缘计算网关3之间采用无线通信方式(包括wi
‑
fi 和蓝牙)进行数据交换以及命令传送。
49.在一实施方式中，所述通信协议采用订阅
‑
发布式mqtt通信协议，即mqtt 服务器设置于边缘计算网关3内，传感器节点2和执行器节点4作为mqtt客户端既可以发送数据，也可以接收服务器转发的数据。传感器节点2
‑
边缘计算网关3
‑
执行器节点4之间通信采用“事件
‑
时间”触发式通信，边缘计算网关3 与传感器节点2、执行器节点4之间是基于事件触发的通信模式，当传感器节点未出现异常数据时，遵循时间通信模式，其轮询通信周期为动态可编程，由边缘计算网关3内周期分配处理单元分配，当传感器节点出现异常数据时，按事件通信模式处理，主动向边缘网关进行数据传输，当多个传感器节点同时出现异常数据时，则按照紧急程度，即既定的等级进行分级处理。
50.请参阅图7，mqtt服务器设置于边缘计算网关3中，t为单位采集周期，每种传感器的采集周期相同，在采集周期结束后，传感器节点2依次向边缘计算网关3传输数据信息，其中tst表示温度传感器的数据信息传递时刻，tsl表示光强计的数据信息传递时刻，tsg表示气体传感器的数据信息传递时刻，taf 表示新风风阀的指令传递时刻，tac表示空调的指令传递时刻，结合附图8，t 为单位采集周期，假设传递时刻表示式如下：
51.t
st
＝t+t152.t
sl
＝t+t253.t
sg
＝t+t354.传感器节点2在检测一个周期后，依据mqtt的指令依序在相应时间点将数据信息传递给边缘计算网关3，即在t1时刻，温度传感器将温度相关数据信息传递出，同样的，在t2，t3时刻分别是光强计和气体传感器的信息传递时刻，边缘计算网关3向执行器节点4发送指令也是按照时间顺序传递，即时间触发式通信。
55.所述任务处理器5是指具备处理边缘计算网关3派发任务能力的程序模块，在一实施方式中，所述任务包括图像数据、温湿度数据及光感数据等。所述任务处理器5通过网络连接，获取作为协调器的边缘计算网关3派发的数据信息并对其进行处理，将处理结果通过网络传输返送回边缘计算网关3。
56.本技术还提供了一种边缘网关的智能家居系统的应用，其工作流程包含以下步骤：
57.s1：云平台1通过知识蒸馏，给边缘计算网关3传输初始化的预测模型；
58.s2：边缘计算网关3通过传感器节点2采集数据信息，将采集到的数据信息通过知识蒸馏的方法，压缩模型，传输给云端；
59.s3：云端接收边缘计算网关3传输的数据信息，批改后优化模型，通过网络通信传输将数据处理任务返送给边缘计算网关3；
60.s4：边缘计算网关3将返送回的模型进一步优化，通过监测任务处理器5 的资源空
间和工作状态，制定调度策略，；
61.s5：边缘计算网关3将数据处理任务分类，根据任务处理器5工作状态，将优化后模型与处理任务根据任务处理器5配置性能进行派发；
62.s6：边缘计算网关3对任务处理器5进行动态实时监控，制定调度策略，根据任务处理器5执行任务处理进程调整任务分配，若出现资源不足的情况，则进行任务调度。
63.具体的，在一实施方式中，边缘计算网关3优先将任务派发给数据信息处理效率最高的任务处理器5，当效率最高的任务处理器5工作量饱和时，则派发给处理效率次之的任务处理器5，或者让处理效率较低的任务处理器5进行部分数据信息处理，当处理效率高的任务处理器5完成当前任务后，优先处理此类数据信息，处理效率低的任务处理器5协助处理效率高的任务处理器5。
64.并且，调度策略应用时，将任务分为一系列的流，流间关系可分为并行或顺序；不同任务中可并行的流阶段在资源配置充足的情况下同时处理，不足则进行调度排序；针对同一任务中可并行的流阶段，设置降级阈值，结合任务级别和流级别的顺序，对流阶段的信息处理进行调度。
65.在一实施方式中，可以通过将神经网络中的数据信息从全连接层切分，将来自同一对象的两部分信息分派给不同的任务处理器5，来对调度策略中的信息进行保密。
66.s7：任务处理器5通过网络连接，获取派发数据，对分配任务进行处理，而后将处理完成的信息传回边缘计算网关3；
67.s8：边缘计算网关3整合任务处理器5处理信息，通过蓝牙或wifi无线通信方式向应用系统(如门禁)发送指令，通过api接口，执行器节点可实现人脸识别，传感器节点对声音或指纹图像数据经过信息处理，由边缘计算网关向执行器节点发送开门指令，实现执行器节点的声控、指纹开门功能。
68.需要注意的是，本发明中使用的多种标准件均是可以从市场上得到的，非标准件则是可以特别定制，本发明所采用的连接方式比如螺栓连接、焊接等也是机械领域中非常常见的手段，发明人在此不再赘述。
69.以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围。