(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 202211008981.5 (22)申请日 2022.08.22 (71)申请人 南昌大学 地址 330031 江西省南昌市红谷滩新区学 府大道999号 (72)发明人 殷骢睿　 (74)专利代理 机构 北京沃知思真知识产权代理 有限公司 1 1942 专利代理师 高小艳 (51)Int.Cl. G06F 21/55(2013.01) G06N 20/00(2019.01) H04L 9/40(2022.01) (54)发明名称 深度学习识别系统、 方法、 计算机设备及存 储介质 (57)摘要 本发明公开了深度学习识别系统、 方法、 计 算机设备及存储介质,该系统包括： 特征数据传 输模块、 边缘计算网关、 信息采集模块、 信息 特征 提取模块、 数据库模块和特征数据应用模块； 特 征数据传输模块用于根据深度学习指令传输边 缘计算网关发送的消息； 边缘计算网关用于采集 特征数据传输模块的特征数据并加密后的数据 包采集模块对 特征数据进行采集； 信息采集模块 用于根据加密后的数据包采集边缘计算网关中 的特征数据并进行解析和计算； 信息特征提取模 块用于提取信息采集模块中计算的特征数据并 写进数据库模块； 特征数据应用模块用于提供信 息应用入口并根据信息应用入口中的应用信息 实时调取 数据库模块的特 征数据。 权利要求书2页 说明书7页 附图3页 CN 115357888 A 2022.11.18 CN 115357888 A 1.深度学习识别系统， 其特 征在于， 所述系统包括： 特征数据传输模块， 用于根据深度学习指令传输边 缘计算网关发送的消息； 边缘计算网关， 用于采集所述特征数据传输模块的特征数据并触发信 息采集模块并对 所述特征数据进行采集； 信息采集模块， 用于根据加密后的数据包采集所述边缘计算网关中的特征数据并进行 解析和计算； 信息特征提取模块， 用于提取所述信息采集模块中计算的特征数据并写进数据库模 块； 特征数据应用模块， 用于提供信 息应用入口并根据 所述信息应用入口中的应用信 息实 时调取所述数据库模块的特 征数据。 2.如权利要求1所述的深度学习识别系统， 其特征在于， 所述信 息采集模块为数据收集 集合； 数据收集集合包括数据采集接口、 数据解析模块和数据收集计算节点， 所述数据采集 接口与所述边缘计算网关和所述数据解析模块连接， 所述数据解析模块与所述数据收集计 算节点连接； 边缘计算网关， 具体用于根据 特征数据传输模块通过网络协议传输并行格式数据的方 式生成加密后的数据包， 并将所述加密后的数据包发送至数据采集接口； 数据收集集合， 具体用于根据 所述加密后的数据包通过数据采集接口对所述特征数据 进行采集， 将所述特 征数据以加密的形式根据预设周期发送至所述数据解析模块， 数据解析模块将所述特征数据转换为并行格式数据并计算到所述数据收集计算节点， 所述特征数据包括： 传输信息的特 征种类、 特 征形式、 传输 速度和可识别度。 3.如权利要求2所述的深度学习识别系统， 其特征在于， 所述信 息特征提取模块为算法 集合； 算法集合， 具体用于通过HOG特征提取的方式从所述数据收集中采集所述特征数据， 并 启用预写日志机制， 将所述特 征数据写入所述数据库模块； 或者， 算法集合， 具体用于通过SIFT算子的方式从所述数据收集中采集所述特征数据， 并将 所述特征数据写入所述数据库模块。 4.如权利要求3所述的深度学习识别系统， 其特 征在于， 所述数据库模块 为MySQL集合； 算法集合， 具体用于根据所述传输信 息的特征种类作为行键将所述特征数据写入所述 MySQL集合。 5.如权利要求4所述的深度学习识别系统， 其特征在于， 所述特征数据应用模块为 Python客户端； Python客户端， 具体用于提供信息应用入 口， 并根据所述信息应用入口采集的所述特 征数据的关键 字， 运用SQ L的方式从所述MySQ L集合中实时采集所述特 征数据。 6.深度学习识别方法， 其特 征在于， 所述方法应用于深度学习识别系统， 所述系统包括特征数据传输模块、 边缘计算网关、 信息采集模块、 信息特征提取模块、 数据库模块和特 征数据应用模块； 特征数据传输模块， 根据深度学习指令传输所述 边缘计算网关发送的消息； 边缘计算网关采集所述特征数据传输模块的特征数据并触发所述信息采集模块对所权　利　要　求　书 1/2 页 2 CN 115357888 A 2述特征数据进行采集； 信息采集模块， 根据加密后的数据包采集所述边缘计算网关中的特征数据并进行解析 和计算； 所述信息特征提取模块提取所述信息采集模块中计算的特征数据并写进所述数据库 模块； 所述特征数据应用模块根据信息应用入口的应用信息实时调取所述数据库模块的特 征数据。 7.如权利要求6所述的深度学习识别方法， 其特征在于， 所述信 息采集模块为数据收集 集合， 所述数据收集 集合包括数据采集接口、 数据解析模块和数据收集计算节点； 所述特征数据传输模块通过网络协议传输并行格式数据的方式生成加密后的数据包， 所述边缘计算网关将所述加密后的数据包发送至所述数据采集接口； 所述数据采集接口根据 所述加密后的数据包对所述特征数据进行采集， 根据 预设周期 将所述特征数据以加密的形式发送至所述数据解析模块， 所述数据解析模块将所述特征数 据转换为并行格式数据并计算到所述数据收集计算节点， 所述特征数据包括： 传输信息的 特征种类、 特 征形式、 传输 速度和可识别度。 8.如权利要求7所述的深度学习识别方法， 其特征在于， 所述信 息特征提取模块为算法 集合， 所述数据库模块 为MySQL集合， 所述特 征数据应用模块 为Python客户端； 所述算法集合通过HOG特征提取的方式从所述数据收集中采集所述特征数据， 并启用 预写日志机制， 将所述特征数据写入 所述数据库模块； 或者， 所述算法集合通过SIFT算子的 方式从所述数据收集中采集所述特 征数据， 并将所述特 征数据写入所述数据库模块； 所述算法集合根据所述传输信息的特征种类或所述传输速度作用行键将所述特征数 据写入所述MySQ L集合； 所述Python客户端根据信息应用入 口采集所述特征数据的关键字， 运用SQL的方式从 所述MySQ L集合中实时采集所述特 征数据。 9.一种计算机设备， 包括计算器、 处理器以及存储在所述计算器中并可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求6至 8任一项所述深度学习识别方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求6至8任一项 所述深度学习识别方法的 步骤。权　利　要　求　书 2/2 页 3 CN 115357888 A 3