基于云边协同的AIoT水质智能监控平台研究与数据分析
摘要
此研究针对传统水质监测系统在及时性方面、智能化程度上以及数据处理能力上的欠缺之处,提出了一种
以云边协同架构为基础,利用AIoT(人工智能与物联网相结合)来完成智能水质监控的平台设计方案,将IoT技术,
云技术,边缘技术和人工智能技术相互融合在一起,打造了一个高效又全面的水质监测及管理平台。对比现有的相
关技术状况并且详细分析它们的缺陷之后,指出了云边协同模式在AIoT领域内的主要价值之处。提出了一种包含边
缘计算和云计算的技术架构,利用机器学习的方法达成对水质参数的即时获取,精准剖析而且提前警示的功能。这
项研究给出了一个综合终端数据收集,边缘计算以及云端智慧剖析的多层体系构造模型,在关键监测地点布置硬件,
并对各类不同的水质要素展开实时的数据搜集试验,全面探究这个架构在运作稳定状况和应对速度上的表现特色,
从数据来看,搭建起来的平台极大地提升了监测准确性,并且明显改进了反应的时滞水平,如此便很好地应对复杂
的环境之中水质动态监测的必要性,在接下来的内容里还进一步阐述了该技术将来发展的大概情况及可操作范围。
以云边协同架构为基础,利用AIoT(人工智能与物联网相结合)来完成智能水质监控的平台设计方案,将IoT技术,
云技术,边缘技术和人工智能技术相互融合在一起,打造了一个高效又全面的水质监测及管理平台。对比现有的相
关技术状况并且详细分析它们的缺陷之后,指出了云边协同模式在AIoT领域内的主要价值之处。提出了一种包含边
缘计算和云计算的技术架构,利用机器学习的方法达成对水质参数的即时获取,精准剖析而且提前警示的功能。这
项研究给出了一个综合终端数据收集,边缘计算以及云端智慧剖析的多层体系构造模型,在关键监测地点布置硬件,
并对各类不同的水质要素展开实时的数据搜集试验,全面探究这个架构在运作稳定状况和应对速度上的表现特色,
从数据来看,搭建起来的平台极大地提升了监测准确性,并且明显改进了反应的时滞水平,如此便很好地应对复杂
的环境之中水质动态监测的必要性,在接下来的内容里还进一步阐述了该技术将来发展的大概情况及可操作范围。
关键词
云边协同;AIoT水质监控;智能传感器网络;数据驱动决策
全文:
PDF参考
[1]李俊生,吴迪,袁丰武,刘海霞,沈倩,张浩.太
湖蓝藻水华与大型水生植物的实测光谱识别研究.《湖泊
科学》,第21卷,第215~222页,2009年1月1日.
[2]Amir Hamzeh Haghiabi,Ali Nasrolahi,Abbas
Parsaie.基于机器学习方法的水质预测.《水质研究期刊》,
第53卷,第3~13页,2018年1月19日.
[3]陈盈怡,宋丽华,刘业齐,杨玲,李道亮.人工
神经网络模型在水质预测中的应用综述.《应用科学》,
第10卷,第5776页,2020年8月20日.
[4]李云华,范汝军,林曼阳,赵斌,权龙.智能挖
掘机的研究现状与发展趋势.《机械工程学报》,第56卷,
第165页,2020年1月1日.
[5]许学松,岳燕,陈小红,刘兴保,苏芸,唐加
乐,彭建军.智慧韧性城市建设的框架体系与路径.《中
国工程科学》,第25卷,第10页,2023年1月1日.
[6]翁楚良,龚晓丽,徐辰,苏华友,周傲英,俞
戈,李志华,窦勇,李肯立,杨望东,王江山.数据流计
算思维对计算机体系结构发展的影响.《中国科学·信息
科学》,第50卷,第1697页,2020年10月21日.
[7]冯 登 国, 张 敏, 张 艳, 许 震.云 计 算 安 全 研
究.《软件学报》,第22卷,第71~83页,2011年3月24日.
[8]彭 宇 阳, 王 丹.无 线 传 感 器 网 络 定 位 技 术 综
述.《电子测量与仪器学报》,第25卷,第389~399页,
2011年6月1日.
Refbacks
- 当前没有refback。