(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210532404.X (22)申请日 2022.05.10 (71)申请人 中国电子科技 集团公司第四十一研 究所 地址 233010 安徽省蚌埠市华 光大道726号 (72)发明人 刘敏　张义伟　徐洋　 (74)专利代理 机构 青岛智地领创专利代理有限 公司 37252 专利代理师 种艳丽 (51)Int.Cl. G06F 8/61(2018.01) G06N 3/04(2006.01) G06F 9/50(2006.01) G06F 9/38(2006.01) (54)发明名称 一种深度学习模型的云边协同训练和部署 系统及方法 (57)摘要 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。 权利要求书2页 说明书5页 附图3页 CN 115033253 A 2022.09.09 CN 115033253 A 1.一种深度 学习模型的云边协同训练和部署系统， 其特征在于： 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。 2.一种深度 学习模型的云边协同训练和部署方法， 其特征在于： 采用如权利要求1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； 步骤3： 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； 步骤4： 实现检测模型的自动化训练和部署。 3.根据权利要求2所述的深度 学习模型的云边协同训练和部署方法， 其特征在于： 中心 云服务器执行分布式任务处理， 在收到用户的控制命令后， 发布包括训练模型或部署模型 在内的异 步任务， 发布定时任务更新任务执行进度， 任务信息立即放入消息队列中， 任务执 行单元从消息队列中依次取 出任务执 行， 并存储执行结果。 4.根据权利要求2所述的深度 学习模型的云边协同训练和部署方法， 其特征在于： 模型 训练的任务 流程如下： 步骤S1： 用户在中心云服 务器进行模型训练配置数据； 模型训练配置数据， 包括训练集和验证集的生成器配置； 模型尺寸、 迭代次数和分类种 类的配置， 以及数据预处 理、 预训练权 重、 回调函数和模型微调项目的配置； 步骤S2： 中心云服 务器将任务消息放入Redis队列； 步骤S3： Redis队列有新任务信息； 步骤S4： 中心云服务器的任务执行单元从Redis队列取出并解析任务信息， 向边缘服务 器下发训练任务， 同时开启定时任务， 获取任务执 行进度； 步骤S5： 边缘服务器接收到训练任务之后， 采集相应检测器存储的原始数据， 采集完成 后按照任务要求， 开展模型训练；权　利　要　求　书 1/2 页 2 CN 115033253 A 2步骤S6： 判读模型训练是否 完成； 若： 判断结果是模型训练已经完成， 则执 行步骤S7； 或判断结果是模型训练没有完成， 则执 行步骤S8； 步骤S7： 生成模型， 执 行步骤S3； 步骤S8： 向中心云服 务器定时返回模型的训练进度和训练效果， 继续训练； 步骤S9： 判断中途是否停止； 若： 判断结果是中途停止， 则执 行步骤S10； 或判断结果是中途没有停止， 则执 行步骤S6； 步骤S10： 回调函数中结束训练； 步骤S11： 模型训练完成， 自动上传至中心云服 务器进行进一 步的评估测试。 5.根据权利要求2所述的深度 学习模型的云边协同训练和部署方法， 其特征在于： 模型 部署的任务 流程如下： 步骤S21： 用户在中心云服 务器进行模型部署配置数据； 模型的部署配置数据， 包括模型尺寸、 图像兴趣区域、 模型归属和部署完成其他操作配 置； 步骤S22： 中心云服 务器将任务消息放入Redis队列； 步骤S23： Redis队列有新任务信息； 步骤S24： 中心云服务器的任务执行单元从Redis队列取出并解析任务信息， 向边缘服 务器下发部署任务， 同时开启定时任务， 获取任务执 行进度； 步骤S25： 边 缘服务器接收到任务之后， 向指定检测器发送训练好的模型文件； 步骤S26： 判断模型文件下发是否 完成； 若： 判断结果是模型文件下发完成， 则执 行步骤S27； 或判断结果是模型文件下发没有完成， 则执 行步骤S28； 步骤S27： 检测器接收完成模型文件， 放入指定的品牌参数文件夹下， 检测器执行加载 模型； 然后执 行步骤S23； 步骤S28： 向中心云服 务器定时返回模型返回下发进度， 继续传输； 步骤S29： 判断中途是否停止； 若： 判断结果是中途停止， 则执 行步骤S2 9； 或判断结果是中途没有停止， 则执 行步骤S26； 步骤S29： 返回状态； 步骤S30： 边缘服务器向中心云服 务器返回模型部署成功消息 。权　利　要　求　书 2/2 页 3 CN 115033253 A 3