一文读懂物联网驱动:从设备管理到数据采集的全面指南!

JVS物联网驱动的管理

整体说明

在物联网场景中,驱动是指用于终端设备数据采集、功能控制的软件程序,它充当了数字空间(IT系统)和物理空间(设备)之间的具体操作的方式。

那么终端设备要连接进入物联网的网络中,那么驱动是设备和平台之间的通信协议和操作的方式,驱动程序部署安装在驱动网关上,驱动网关程序(提前安装部署)会根据平台的 设置,自动把驱动程序包文件 从平台下载到边缘侧,然后把驱动进程启动起来。

①:驱动文件的管理,驱动文件是驱动程序在平台上的最终呈现,在界面上上传驱动文件,系统会对驱动文件进行解析。

②:驱动网关的管理程序会根据 根据 成功安装的 网关程序 自动找到对应的 网关配置;

③:系统根据配置的通道信息,自动下发相关的驱动程序

④:驱动网关程序将驱动进程启动起来,从而实现底层的设备的接入

驱动的作用

驱动是设备接入到物联网平台的功能实现程序,按照设备的交互协议,实现对设备数据的获取、和对设备的操作,整个程序称之为驱动,驱动是解决物理设备到数据系统之间的交互程序。

驱动文件上传

在jvs物联网平台中,驱动程序包上传的界面如下图所示:

①:驱动管理的菜单入口

②:新增驱动的按钮

③:驱动的详细信息

④:查看驱动相关的进程

⑤:对已经上传的驱动包的编辑

⑥:驱动文件的删除与下载

点击驱动的新增按钮,弹出驱动新增表单,功能如下图所示:

①:驱动文件的上传操作按钮,驱动文件上限50M以内

②:系统对驱动设定的上限配置,单一驱动程序可以创建20个进程,每个驱动可以创建100个采集通道,每个通道可以创建5000个采集点位

③:离线存储的开关,开启后,会设置离线存储的相关限制配置【存储空间大小、单文件大小、文件存储的时长限制等】

④:传输压缩的开关,开启后,系统会自动实现对数据的压缩,系统在进行边缘端到平台的数据传输时应该采用数据压缩算法【 GIZP压缩算法(jdk8内置)+Msgpack编解码算法(jackson-dataformat-msgpack0.9.6版本)】,会将上传的json数据转化为byte字节。数据压缩的好处是可以减少对网络流量的消耗,但是坏处会增加平台性能的消耗。

驱动详情

点击驱动列表中行级按钮,系统弹出详情表单,如下图所示:

①:驱动名称描述

②:驱动文件包的文件名

③:驱动版本信息,从驱动文件中解析数据得到

④:驱动文件中解析得到数据,目前驱动包支持:Java、Golang、C

⑤:从驱动文件中解析得到可执行文件

⑥:从驱动文件中解析得到,为系统内部所需要的参数

⑦:描述内容

⑧:驱动限制,单驱动限制实例数默认20(范围1-50),单驱动链接通道数默认100(范围1-250),单通道连接点位数5000(范围1-20000)

⑨:配置文件的json展示

⑩:离线存储于数据传输压缩的配置选项

驱动程序的自动下发

如果驱动程序在平台上有更新版本,在通道启动的时候 ,系统自动更新新版本的驱动程序,如果没有新版本的驱动程序,那么直接启动

驱动程序的下载

下载驱动包文件到本地,文件名称和驱动上传时的文件保持一致。

驱动程序查看进程

采用了本驱动文件的驱动进程的关联查看,跳转驱动实例列表,并自动跟据驱动ID过滤展示过滤后的驱动实例列表

跳转的驱动进程页面:

在线demo:http://iot.bctools.cn/

  • 4
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Yolov5 是一种广泛应用于目标检测的算法,其 loss 原理相对简单。Yolov5 通过将目标检测问题转化为一个回归问题,通过预测 bounding box 的坐标来实现目标检测。 Yolov5 的 loss 主要包括三个部分:分类损失、定位损失和目标置信度损失。 分类损失是用来衡量预测的类别与真实类别之间的差异。Yolov5 使用交叉熵损失函数来计算分类损失。对于每个边界框(bounding box),它将计算预测类别的 softmax 概率与真实类别的 one-hot 向量之间的交叉熵。 定位损失用于衡量预测的边界框位置与真实边界框位置之间的差异。Yolov5 使用 Smooth L1 损失函数来计算定位损失。它通过对预测边界框的坐标与真实边界框的坐标之间进行平滑处理,减小了异常值的影响。 目标置信度损失用于衡量预测的边界框与真实边界框之间的 IoU(Intersection over Union)之间的差异。Yolov5 使用 Binary Cross-Entropy 损失函数来计算目标置信度损失。它将预测的边界框是否包含目标与真实边界框是否包含目标之间的差异进行衡量。 最终,Yolov5 的总损失是通过将三个部分的损失加权求和得到的。这些权重可以根据具体的任务和数据集进行调整。 通过最小化 Yolov5 的 loss 函数,模型可以学习到更准确的目标检测结果。这样,我们就可以在图像中准确地检测和定位不同类别的目标。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

jonyleek

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值