-
公开(公告)号:CN113946420A
公开(公告)日:2022-01-18
申请号:CN202111174828.5
申请日:2021-10-09
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于提供物联网运行环境的方法,包括:获取应用代码,其中,应用代码包括各种事件对应的回调函数的优先级;对应用代码进行解析以获取用户为各种事件对应的回调函数指定的优先级,并在解析过程中请求获取相应的物联网功能;相应的物联网功能被请求获取时,登记相应事件对应的回调函数并为其添加指定的优先级,相应事件发生时触发对应的回调函数;接收触发的回调函数,并按照优先级从高到低的顺序进行存储;按照回调函数的优先级顺序取出和执行回调函数。该方法可根据任务的实时需求,执行用户指定的回调函数,满足物联网端设备对实时性的需求。
-
公开(公告)号:CN107302562A
公开(公告)日:2017-10-27
申请号:CN201710367697.X
申请日:2017-05-23
Applicant: 中国科学院计算技术研究所
IPC: H04L29/08
Abstract: 本发明涉及一种物联网终端设备的自适应命令处理系统与方法,包括:允许用户通过URL访问的形式把物联网应用安装到设备上;综合考虑时间与能耗指标的确定性多处理器间命令自动分发方法;统计用户在各处理器上使用每种命令的频次基于命令使用频次完成资源受限处理器上的命令集定制;云服务器根据命令集定制结果生成新命令集,并网络更新到具体处理器。由此本发明提供了一种简便的异构多处理器节点上的物联网应用开发方法、降低了异构多处理器节点的整体能耗、提升了系统的普适性。
-
公开(公告)号:CN103677984B
公开(公告)日:2016-12-21
申请号:CN201210352776.0
申请日:2012-09-20
Applicant: 中国科学院计算技术研究所
IPC: G06F9/48
CPC classification number: Y02D10/24
Abstract: 本发明公开了一种物联网计算任务调度系统及其方法,该系统包括:启动模块,用于启动节点,主处理器模块执行前多个任务并统计所述前多个任务执行一次的执行时间及任务触发情况;任务触发频率预测模块,根据所述任务触发情况预测未来一段时间的任务触发频率;任务参数测量模块,根据所述前多个任务测量得到任务切换算法模块所需要的多个参数;任务切换算法模块,根据所述任务触发频率及所述多个参数,评估下一个计算任务的最佳执行方式是硬件任务还是软件任务;协处理器模块,执行所述硬件任务;主处理器模块,执行所述软件任务。本发明利用协处理器模块与主处理器模块各自的优点,在保证系统实时性的同时,使节点整体功耗最低。
-
公开(公告)号:CN103532998A
公开(公告)日:2014-01-22
申请号:CN201210230310.3
申请日:2012-07-04
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种协议与数据转换装置和方法,其中,所述装置包括:协议识别单元,适于接收输入数据,并根据内部协议解释规则判断所述输入数据的协议是否符合预定协议;协议解释单元,适于接收来自所述协议识别单元的其协议符合所述预定协议的输入数据,并根据所述内部协议解释规则从所述输入数据获得对应于该预定协议的相应字段的中间数据;和协议生成单元,适于根据所述内部协议解释规则对所述中间数据进行重组,以获得符合目标网络协议的输出数据;其中,所述内部协议解释规则被动态地输入到所述协议与数据转换装置。
-
公开(公告)号:CN102262814A
公开(公告)日:2011-11-30
申请号:CN201010194625.8
申请日:2010-05-28
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种环境监测装置,包括普通监测器、融合监测器以及监测基站;其中,至少一个所述的普通监测器与一融合监测器构成一微型网络;所述微型网络中的普通监测器对所在区域内的环境进行监测,将监测结果发送到所属微型网络中的融合监测器上;所述融合监测器将所属微型网络中的所有普通监测器的监测结果以及自身的监测结果加以融合,然后将融合后的结果发送到所述的监测基站;所述的监测基站负责接收、综合各个微型网络的融合后的监测结果。监测器节点采用自适应方式对发射功率进行控制以降低发射能耗,并周期性采集环境信息,采用深度睡眠技术,关闭无线通信模块、传感模块及微处理器模块,可达到较长工作寿命。
-
公开(公告)号:CN102221551A
公开(公告)日:2011-10-19
申请号:CN201110148015.9
申请日:2011-06-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种蓝藻监测装置及方法,该方法包括采集多幅标本图像,利用该标本图像分别组成一标本蓝藻图像集合以及一待测图像训练集合;基于该标本蓝藻图像集合和该待测图像训练集合,计算得到蓝藻像素特征阈值;采集待测图像;根据该蓝藻像素特征阈值划分该待测图像的蓝藻区域和非蓝藻区域;当该蓝藻区域的面积与该待测图像的面积之比超过一预警阈值时,生成预警信息。本发明基于水面图像自动实时地对蓝藻进行监测,根据蓝藻的暴发强度进行预警。在监测装置上实现待测图像采集、处理和暴发强度评估计算,仅向远程监测中心传输蓝藻暴发强度结果,降低数据传输量。将预警信息和蓝藻定位信息一同发送至远程监测中心,便于定位蓝藻暴发位置。
-
公开(公告)号:CN118502871A
公开(公告)日:2024-08-16
申请号:CN202410501369.4
申请日:2024-04-25
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种嵌入式虚拟化系统构建方法和虚拟机部署方法,该采用静态映射策略进行物理资源虚拟化,使得虚拟机能够独占其分配的虚拟资源所对应的物理资源,从而实现资源分配上的物理隔离。避免虚拟机运行时因资源调度引起的内存隔离不足、VCPU竞争问题,极大地增强了虚拟机的实时性与安全性,此外,采用设备树进行资源配置,并在虚拟机部署过程完成资源配置,简化配置步骤,提高虚拟机部署效率,最后,采用具有更强的安全性和稳定性的Rust语言实现,从语言层面上降低漏洞风险。本发明提出的嵌入式虚拟机系统构建方法和部署方法,可广泛适用于嵌入式平台虚拟机部署场景,虚拟化系统安全性强,部署效率高,该系统部署的虚拟机具备高实时性,强安全性的特点。
-
公开(公告)号:CN116091841A
公开(公告)日:2023-05-09
申请号:CN202310173583.7
申请日:2023-02-23
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于端边云协同的深度神经网络分类方法,其获取经训练的多出口分类模型;根据端设备、边缘设备、云设备上可用的CPU、内存、网络带宽对经训练的多出口分类模型进行在线动态分区以确定使端边云协同推理的总的处理时延期望最小化的协同推理策略,多出口分类模型的任一出口模块进行提前分类预测的结果未达标时,该出口模块启动最优出口预测以从下游的出口模块和预测层中确定最有可能使分类预测的结果达标的最优出口,并指示下一次的分类预测跳跃至最优出口执行。
-
公开(公告)号:CN114399695A
公开(公告)日:2022-04-26
申请号:CN202210050077.4
申请日:2022-01-17
Applicant: 中国科学院计算技术研究所
IPC: G06V20/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62 , G08B21/24 , G08B6/00
Abstract: 本发明提供一种盲人避障方法,所述方法包括:S1、获取当前环境的深度图像及RGB图像;S2、将所述深度图像切分成多个列区域并对每个列区域进行处理以获得每个列区域中的最小深度值;S3、基于每个列区域的最小深度值分别对每个列区域进行障碍物报警;S4、采用预设的目标检测模型检测RGB图像中的障碍物位置及类型并通过语音报告给盲人。本发明通过采用深度摄像头做避障检测,能够快速发现前面的障碍物体;通过RGB摄像机获取可见光图像(RGB图像),在强光下也不会受到干扰,抗干扰能力极强。采用深度图像结合彩色图像,通过基于深度学习的图像识别,不仅能够有效避障,还可以区分前面障碍物的位置和类型,给盲人用户更准确的指引,提升安全性。
-
公开(公告)号:CN107168859A
公开(公告)日:2017-09-15
申请号:CN201710320717.8
申请日:2017-05-09
Applicant: 中国科学院计算技术研究所
CPC classification number: Y02D10/34 , G06F11/3447 , G06F11/302 , G06F11/3058 , G06F11/3062 , G06F11/3476 , G06N3/049
Abstract: 本发明提供一种用于安卓设备的能耗分析方法,包括以下步骤:获取待测安卓设备中部件的能耗特征数据集;以所述能耗特征数据集作为输入,利用基于LSTM的神经网络模型获得所述待测安卓设备的能耗数据,其中,所述基于LSTM的神经网络模型通过训练获得的,训练数据集是以已知的能耗特征数据集为输入,以相应时刻的安卓设备的实际能耗为输出。利用本发明的方法可以解决尾电耗带来的影响,精确地测量安卓设备的实际能耗。
-
-
-
-
-
-
-
-
-