iNeuOS 物联网云操作系统2.0发布,集成设备容器、视图建模、机器学习三大模块

简介: 目 录概述... 2使命及目标... 3系统框架... 4设备容器(iNeuKernel)... 4第三方数据导入接口... 9视图建模(iNeuView)... 10机器学习(iNeuAI)... 11征集需求... 13概述iNeuOS物联网云操作系统(i:代表信息和工业,Neu:代表神经元和细胞,OS:代表操作系统),这是我们起名字时候的想法。

目 录

  1. 概述... 2
  2. 使命及目标... 3
  3. 系统框架... 4
  4. 设备容器(iNeuKernel)... 4
  5. 第三方数据导入接口... 9
  6. 视图建模(iNeuView)... 10
  7. 机器学习(iNeuAI)... 11
  8. 征集需求... 13

    1. 概述

      iNeuOS物联网云操作系统(i:代表信息和工业,Neu:代表神经元和细胞,OS:代表操作系统),这是我们起名字时候的想法。5月底发表的《iNeuOS云操作系统,.NET Core全系打造》时有网友质疑:只是仿了Windows 10操作界面、这也能叫操作系统。只能说大家对事物的理解有偏差,也没有做过去的解释。
      

    时隔3个月的时间,我们发布iNeuOS 2.0版本信息了设备容器、视图建模和机器学习三大功能组件。设备容器主要解决多种协议多种通讯机制设备或传感器数据接入的问题,支持二次开发;视图建模主要解决设备或传感器数据即接入即显示的问题,可以发布成桌面应用,类似早期WindowsXP宣传的即插即用的思维;机器学习主要解决设备或传感器数据接入后进行模型训练,提炼出来知识和规则。

    iNeuOS全部使用.NET Core开发,可以部署到嵌入式设备中,从而形成边缘计算网关产品,只需要开发更多的设备驱动在设备容器中运行。

    对于现在来讲,这就是我们体系化建设的大致思路。同道中人有什么好的相法和思路,可以随时与我们沟通。

    演示地址: 进入iNeuOS系统。(建议使用chrome浏览器)
    测试名称:admin
    测试密码:admin

    注:上次发布的时候,由于登陆系统的人较多,大家反馈比较慢,我们租用的是云服务器,配置确实不太高,请大家谅解!!!

    登陆界面,如下图:
    _

 系统内部界面,如下图:

_

2.   使命及目标

   现在大家都在喊工业大数据和工业互联网,但是真正能够落地的不多,反而有些企业走上了过去信息化的老路,口号高于实质;现在大家也在搞百万企业上云,从硬件集约化角度考虑,确实能够降低企业的成本,但是只限于数据和服务变更空间位置,显然体现的作用或意义不大;当然也有做的不错的,例如阿里物联网(IOT)这块,体系化、标准化解决设备接入的问题,包括规则和视图显示等,iNeuOS可以无缝与阿里IOT进行数据对接。

  对于工业来讲,并不是所有企业都愿意上云,不管是以基础资源的形式还是物联网接入的形式。对于中小企业建设私有云平台,又面临成本过高和运维能力不足的情况。基于上述情况,iNeuOS的主要使命就是要解决企业信息化能力不足、成本过高的问题。

3.   系统框架

  iNeuOS现在包括三大功能组件:设备容器(iNeuKernel)、视图建模(iNeuView)、机器学习(iNeuAI)。框架示意,如下图:

_

图 iNeuOS框架示意

4.   设备容器(iNeuKernel)

   设备容器(iNeuKernel)是iNeuOS内核设备运行容器,是以物理设备或传感器为核心构建的框架,可以随意挂载设备驱动在容器下运行,总体协调设备驱动(协议)、IO通道(COM和NET)、运行机制(模式)之间的协作机制,使之无缝结合、运行,开放支持二次开发。如下图:

_

   服务管理,在一个服务实例下可以运行多个设备驱动,如下图:

_

图 服务管理列表
_

图 增加服务实例

    设备管理,一个设备驱动下可以采集多个数据点的信息,如下图:

_

图 设备管理列表
_

图 增加设备驱动

    数据点管理,如下图:

_

图 设备驱动数据点列表
_

图 增加数据点

(1)iNeuKernel的特点

支持与实体设备之间多种模式交互,包括:轮询模式、自控模式、并发模式和单例模式。
支持协议驱动器,可以按规范开发标准协议和自定义协议。
支持发送数据缓存器,支持命令缓存重发和按优先级别发送。
支持协议过滤器,按规则筛选数据;并且可以承继接口,自定义过滤方式。
支持接收数据缓存器,可以缓存不符合过滤器的数据,和下次接收数据进行拼接。
支持按设备命令优先级别进行调度设备,保证有高级别命令的驱动及时发送。
支持一个设备驱动,同时支持串口和网络两种通讯方式,可以监视IO通道数据。
支持一个设备驱动,在网络通讯时可以支持TCP Server和TCP Client两种工作模式。
支持服务组件接口,例如:4-20mA输出、LED大屏显示、短信服务、以及多功能网关服务。
设备驱动与设备驱动,设备驱动与服务器(云端)可以实时双向交互,上传数据和指令下发。
支持创建多服务实例,完成不同业务的拆分。
支持WebSocket,进行数据采集与转发。
支持多设备通讯IO通道多路复用机制。
支持定时清理无效IO通道,并释放资源。
支持跨平台部署,可以运行在Linux和Windows系统。

(2)iNeuKernel解决的现实问题

  物联网平台都会有自己的接入数据标准协议,但是每个平台的数据协议又不一样,所以并没有从根本上解决协议标准的问题。所以物联网、大数据、工业互联网的数据集成过程中仍然面临四个主要困难:设备多样性、协议多样性、通讯机制多样性、数据多样性。

_

5.   第三方数据导入接口

   系统提供HTTP Post接口服务,方便导入其他系统的数据,以便用于视图建模(iNeuView)和机器学习(iNeuAI)功能组件服务。

   导入配置数据接口形式,如下:

[{

   "servername": "servername",
   "devices": [{
          "devicename": "mydevice",
          "tags": [{
                 "tagname": "tagname"
          }]
   }]

}]

  导入实时数据接口形式,如下:

[{

   "timestamp": "2019-08-06T11:33:18.6983926+08:00",
   "tagname": "tag_2_2",
   "tagvalue": 2.2

}]

6.   视图建模(iNeuView)

  视图建模(iNeuView)是iNeuOS视图建模功能组件,对设备容器(iNeuKernel)接入的设备或传感器数据进行视图建模组态、数据实时展示和预警等。如下图:

_

 在原有图元基础上增加到3500多个SVG矢量图元,涉及到61个领域及分类。并且支持对编辑好的界面进行分享,可以对分享的链接和二维码集成到其他系统中。

_

 视图建模(iNeuView)特点:

建模和组态的图元信息丰富,满足不同行业和领域实时监测的需求。
B/S应用框架,部署、应用和发布方便,易于操作。
与设备容器(iNeuKernel)服务组件无缝对接,实现设备或传感器即插、即用、即显示。
对编辑的界面预览,查看实际应用效果。
对编辑好的界面应用进行分享,方便集成到其他系统中。
对编辑好的界面可以发布到iNeuOS桌面,类似Windows应用程序。

7.   机器学习(iNeuAI)

 机器学习(iNeuAI)是iNeuOS的核心组件,对接入的数据进行数据样本标记、数据算法模型训练、工况智能预警。现在支持决策树和KMeans两种算法,从规划角度考虑,还要增加算法和完善产品体系。如下图:

_

 机器学习(iNeuAI)从体量巨大、结构繁多的数据中挖掘出潜藏在数据中的规律和知识,使数据发挥最大化的价值。与传统软件开发不同之处,如下示意图:

_

 应用效果,如下图:

_

8.   征集需求及合作

 希望广大网友,针对领域应用提出具体的需求,在符合iNeuOS的基础上考虑集成进来。可以加入物联网&集成技术群:54256083,进行讨论。

 我们不排斥任何形式的合作,技术方面和市场方面。当然,如果有实力的技术加入我们团队,那就更好了。

物联网&集成技术 QQ群:54256083

物联网&集成合作 QQ群:727664080

网站:http://www.ineuos.net

相关实践学习
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
相关文章
|
机器学习/深度学习 存储 设计模式
特征时序化建模:基于特征缓慢变化维度历史追踪的机器学习模型性能优化方法
本文探讨了数据基础设施设计中常见的一个问题:数据仓库或数据湖仓中的表格缺乏构建高性能机器学习模型所需的历史记录,导致模型性能受限。为解决这一问题,文章介绍了缓慢变化维度(SCD)技术,特别是Type II类型的应用。通过SCD,可以有效追踪维度表的历史变更,确保模型训练数据包含完整的时序信息,从而提升预测准确性。文章还从数据工程师、数据科学家和产品经理的不同视角提供了实施建议,强调历史数据追踪对提升模型性能和业务洞察的重要性,并建议采用渐进式策略逐步引入SCD设计模式。
736 8
特征时序化建模:基于特征缓慢变化维度历史追踪的机器学习模型性能优化方法
|
人工智能 网络协议 Java
RuoYi AI:1人搞定AI中台!开源全栈式AI开发平台,快速集成大模型+RAG+支付等模块
RuoYi AI 是一个全栈式 AI 开发平台,支持本地 RAG 方案,集成多种大语言模型和多媒体功能,适合企业和个人开发者快速搭建个性化 AI 应用。
3508 77
RuoYi AI:1人搞定AI中台!开源全栈式AI开发平台,快速集成大模型+RAG+支付等模块
|
人工智能 自然语言处理 搜索推荐
云上玩转DeepSeek系列之三:PAI-RAG集成联网搜索,构建企业级智能助手
本文将为您带来“基于 PAI-RAG 构建 DeepSeek 联网搜索+企业级知识库助手服务”解决方案,PAI-RAG 提供全面的生态能力,支持一键部署至企业微信、微信公众号、钉钉群聊机器人等,助力打造多场景的AI助理,全面提升业务效率与用户体验。
|
机器学习/深度学习 数据采集 数据挖掘
特征工程在营销组合建模中的应用:基于因果推断的机器学习方法优化渠道效应估计
因果推断方法为特征工程提供了一个更深层次的框架,使我们能够区分真正的因果关系和简单的统计相关性。这种方法在需要理解干预效果的领域尤为重要,如经济学、医学和市场营销。
962 1
特征工程在营销组合建模中的应用:基于因果推断的机器学习方法优化渠道效应估计
|
机器学习/深度学习 存储 数据采集
Elasticsearch 与机器学习的集成
【9月更文第3天】Elasticsearch 不仅仅是一个强大的分布式搜索和分析引擎,它还是一个完整的数据平台,通过与 Kibana、Logstash 等工具结合使用,能够提供从数据采集、存储到分析的一站式解决方案。特别是,Elasticsearch 集成了机器学习(ML)功能,使得在实时数据流中进行异常检测和趋势预测成为可能。本文将详细介绍如何利用 Elasticsearch 的 ML 功能来检测异常行为或预测趋势。
747 4
|
机器学习/深度学习 人工智能 搜索推荐
如何让你的Uno Platform应用秒变AI大神?从零开始,轻松集成机器学习功能,让应用智能起来,用户惊呼太神奇!
【9月更文挑战第8天】随着技术的发展,人工智能与机器学习已融入日常生活,特别是在移动应用开发中。Uno Platform 是一个强大的框架,支持使用 C# 和 XAML 开发跨平台应用(涵盖 Windows、macOS、iOS、Android 和 Web)。本文探讨如何在 Uno Platform 中集成机器学习功能,通过示例代码展示从模型选择、训练到应用集成的全过程,并介绍如何利用 Onnx Runtime 等库实现在 Uno 平台上的模型运行,最终提升应用智能化水平和用户体验。
611 1
|
机器学习/深度学习 TensorFlow 算法框架/工具
全面解析TensorFlow Lite:从模型转换到Android应用集成,教你如何在移动设备上轻松部署轻量级机器学习模型,实现高效本地推理
【8月更文挑战第31天】本文通过技术综述介绍了如何使用TensorFlow Lite将机器学习模型部署至移动设备。从创建、训练模型开始,详细演示了模型向TensorFlow Lite格式的转换过程,并指导如何在Android应用中集成该模型以实现预测功能,突显了TensorFlow Lite在资源受限环境中的优势及灵活性。
2337 1
|
机器学习/深度学习 存储 前端开发
实战揭秘:如何借助TensorFlow.js的强大力量,轻松将高效能的机器学习模型无缝集成到Web浏览器中,从而打造智能化的前端应用并优化用户体验
【8月更文挑战第31天】将机器学习模型集成到Web应用中,可让用户在浏览器内体验智能化功能。TensorFlow.js作为在客户端浏览器中运行的库,提供了强大支持。本文通过问答形式详细介绍如何使用TensorFlow.js将机器学习模型带入Web浏览器,并通过具体示例代码展示最佳实践。首先,需在HTML文件中引入TensorFlow.js库;接着,可通过加载预训练模型如MobileNet实现图像分类;然后,编写代码处理图像识别并显示结果;此外,还介绍了如何训练自定义模型及优化模型性能的方法,包括模型量化、剪枝和压缩等。
1302 1
|
机器学习/深度学习 算法
【机器学习】迅速了解什么是集成学习
【机器学习】迅速了解什么是集成学习
|
API UED 开发者
如何在Uno Platform中轻松实现流畅动画效果——从基础到优化,全方位打造用户友好的动态交互体验!
【8月更文挑战第31天】在开发跨平台应用时,确保用户界面流畅且具吸引力至关重要。Uno Platform 作为多端统一的开发框架,不仅支持跨系统应用开发,还能通过优化实现流畅动画,增强用户体验。本文探讨了Uno Platform中实现流畅动画的多个方面,包括动画基础、性能优化、实践技巧及问题排查,帮助开发者掌握具体优化策略,提升应用质量与用户满意度。通过合理利用故事板、减少布局复杂性、使用硬件加速等技术,结合异步方法与预设缓存技巧,开发者能够创建美观且流畅的动画效果。
611 0