一种基于人工智能与物联网的可视化编程工具系统

技术领域

本发明涉及可编程信息平台的技术领域，特别涉及一种基于人工智能与物联网的可视化编程工具系统。

背景技术

目前，程序开发基本上都是依靠专用的程序开发软件来实现的，而这些专用的程序开发软件在运行过程中则需要具有较强运算能力的硬件设备作为运行基础，这导致程序开发需要相应的软件和硬件配置才能实现，从而增加了程序开发的要求。此外，现有技术的程序开发界面普遍存在晦涩难懂的问题，这严重地影响程序开发的体验性。可见，现有的程序开发系统存在软件与硬件要求高、无法实现随时随地进行开发操作和编程界面环境不友善等问题。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于人工智能与物联网的可视化编程工具系统，其包括移动终端、云端服务器、物联网通信模块和数据采集模块，数据采集模块用于采集目标设备对应的运作状态数据和/或目标设备所处外界环境的环境数据，该云端服务器用于根据所述运作状态数据和/或所述环境数据，对其内部的人工智能模型进行优化训练，并根据优化训练后的人工智能模型搭建积木式可视化编程平台，该物联网通信模块用于控制该移动终端与该云端服务器之间的物联网通信连接状态，该移动终端用于在与该云端服务器实现物联网通信连接后，进入该积木式可视化编程平台对应的开发环境中执行相应的可视化编程操作；可见，该基于人工智能与物联网的可视化编程工具系统利用人工智能模型在具有较强运算功能的云端服务器中搭建形成积木式可视化编程平台，并利用物联网将移动终端与云端服务器连接，以此在移动终端中通过镜像映射的方式形成与该积木式可视化编程平台对应的开发环境，这样使用户在移动终端上就能够进行可视化编程操作，从而大大降低程序开发对设备软件和硬件的要求，并且还能够提高程序开发的便捷性，以及使程序开发知识基础薄弱的人员能够进行高效的程序开发和改善编程界面环境的体验性与友好性。

本发明提供一种基于人工智能与物联网的可视化编程工具系统，其特征在于，其包括移动终端、云端服务器、物联网通信模块和数据采集模块；其中，

所述数据采集模块与所述云端服务器连接，所述数据采集模块用于采集目标设备对应的运作状态数据和/或所述目标设备所处外界环境的环境数据；

所述云端服务器用于根据所述运作状态数据和/或所述环境数据，对其内部的人工智能模型进行优化训练，并根据优化训练后的人工智能模型搭建积木式可视化编程平台；

所述物联网通信模块用于控制所述移动终端与所述云端服务器之间的物联网通信连接状态；

所述移动终端用于在与所述云端服务器实现物联网通信连接后，进入所述积木式可视化编程平台对应的开发环境中执行相应的可视化编程操作；

进一步，所述数据采集模块包括第一传感组件、第二传感组件和数据存储器；其中，

所述第一传感组件包括若干电学传感器和若干力学传感器；

若干所述电学传感器和若干所述力学传感器与所述目标设备分布式连接，从而检测所述目标设备对应的运作状态电学数据和/或运作状态力学数据；

所述第二传感组件包括若干环境传感器；

若干所述环境传感器分布式地设置在所述目标设备所处外界环境中，从而检测所述外界环境对应的环境数据；

所述数据存储器分别与所述第一传感组件和所述第二传感组件连接，所述数据存储器用于存储所述运作状态电学数据、所述运作状态力学数据、所述环境数据；

进一步，若干所述电学传感器包括电流传感器和电压传感器；其中，

所述电流传感器与所述目标设备连接，从而检测所述目标设备的工作电流数据；

所述电压传感器与所述目标设备连接，从而检测所述目标设备的工作电压数据；

若干所述力学传感器包括速度传感器、角速度传感器和力矩传感器；其中，

所述速度传感器与所述目标设备连接，从而检测所述目标设备的运动速度；

所述角速度传感器与所述目标设备连接，从而检测所述目标设备的运动角速度；

所述力矩传感器与所述目标设备连接，从而检测所述目标设备的电机输出力矩；

进一步，若干所述环境传感器包括温度传感器、湿度传感器、气压传感器和光照传感器；其中，

所述温度传感器用于检测所述外界环境对应的温度数据；

所述湿度传感器用于检测所述外界环境对应的湿度数据；

所述气压传感器用于检测所述外界环境对应的气压数据；

所述光照传感器用于检测所述外界环境对应的光照数据；

进一步，所述云端服务器包括边缘计算单元、存储单元、编程平台构建单元和接口单元；其中，

所述存储单元用于保存相应的人工智能模型；

所述边缘计算单元用于从所述存储单元中调取所述人工智能模型，并且根据所述运作状态数据和/或所述环境数据，对所述人工智能模型进行优化训练；

所述编程平台构建单元用于根据优化训练后的人工智能模型，搭建积木式可视化编程平台；

所述接口单元用于与所述物联网通信模块连接，从而在所述物联网通信模块的控制下，实现与所述移动终端的数据连接；

进一步，所述边缘计算单元从所述存储单元中调取所述人工智能模型，并且根据所述运作状态数据和/或所述环境数据，对所述人工智能模型进行优化训练具体包括：

第一、判断所述人工智能模型在所述云端服务器中的生命周期是否超过预设生命周期阈值，若是，则调取所述人工智能模型，若否，则不调取所述人工智能模型；

第二、按照数据采集模块的数据采集先后时序，将所述运作状态数据和/或所述环境数据分别转换为相应的运作状态数据序列和/或环境数据序列，并对所述运作状态数据序列和/或所述环境数据序列进行插值处理；

第三.根据插值处理后的所述运作状态数据序列和/或所述环境数据序列，对调取得到的人工智能模型进行优化训练，直到所述人工智能模型的模型收敛系数低于预设收敛系数阈值为止；

进一步，所述对所述运作状态数据序列和/或所述环境数据序列进行插值处理具体包括：

第一、确定所述运作状态数据序列对应的运作状态数据平均值和/或所述环境数据序列对应的环境数据平均值；

第二、确定所述运作状态数据序列中任意相邻的两个运作状态数据值之间的差值，若所述差值超过所述运作状态数据平均值的一半，则在所述两个运作状态数据值之间增加插入所述两个运作状态数据值的平均值，和/或，确定所述环境数据序列中任意相邻的两个环境数据值之间的差值，若所述差值超过所述环境数据平均值的一半，则在所述两个环境数据值之间增加插入所述两个环境数据值的平均值；

进一步，所述物联网通信模块控制所述移动终端与所述云端服务器之间的物联网通信连接状态具体包括：

所述物联网通信模块对来自所述移动终端的接入请求指令进行识别，以此确定所述移动终端对应的物理地址信息；

将所述物理地址信息与预设物理地址白名单进行比对，若所述物理地址信息与所述预设物理地址白名单相匹配，则将所述移动终端与所述云端服务器进行物联网连接；

若所述物理地址信息与所述预设物理地址白名单不匹配，则拒绝所述移动终端的接入请求；

进一步，将所述物理地址信息与预设物理地址白名单进行比对具体包括：

将所述物理地址信息与所述预设物理地址白名单中的地址信息分别转换为二进制数值化地址信息；

根据下面公式(1)，计算所述物理地址信息与所述预设物理地址白名单中的地址信息之间的匹配值：

在上述公式(1)中，E

根据下面公式(2)，确定所述物理地址信息与所述预设物理地址白名单中的地址信息之间的匹配结果：

在上述公式(2)中，PPJG表示所述物理地址信息与所述预设物理地址白名单中第i个物理地址信息之间的匹配结果，Y表示所述物理地址信息与所述预设物理地址白名单中第i个物理地址信息之间相匹配，N表示所述物理地址信息与所述预设物理地址白名单中第i个物理地址信息之间不匹配，

进一步，所述移动终端与所述云端服务器实现物联网通信连接后，所述移动终端将所述积木式可视化编程平台对应的可视化编程开发环境镜像映射到自身内部；

所述移动终端还通过相应的人机交互界面接收来自用户输入上传的编程指令，并根据所述编程指令，从所述可视化编程开发环境中拖拽不同的积木式代码块到编程工作区中进行排列组合，从而实现相应的可视化编程操作；

所述移动终端在所述可视化编程开发环境中对所述积木式代码块进行排列组合后，还排列组合得到的程序回传至相应程序运行工作区中，对所述程序进行验证，从而确定所述程序的运行可行性。

相比于现有技术，该基于人工智能与物联网的可视化编程工具系统包括移动终端、云端服务器、物联网通信模块和数据采集模块，数据采集模块用于采集目标设备对应的运作状态数据和/或目标设备所处外界环境的环境数据，该云端服务器用于根据所述运作状态数据和/或所述环境数据，对其内部的人工智能模型进行优化训练，并根据优化训练后的人工智能模型搭建积木式可视化编程平台，该物联网通信模块用于控制该移动终端与该云端服务器之间的物联网通信连接状态，该移动终端用于在与该云端服务器实现物联网通信连接后，进入该积木式可视化编程平台对应的开发环境中执行相应的可视化编程操作；可见，该基于人工智能与物联网的可视化编程工具系统利用人工智能模型在具有较强运算功能的云端服务器中搭建形成积木式可视化编程平台，并利用物联网将移动终端与云端服务器连接，以此在移动终端中通过镜像映射的方式形成与该积木式可视化编程平台对应的开发环境，这样使用户在移动终端上就能够进行可视化编程操作，从而大大降低程序开发对设备软件和硬件的要求，并且还能够提高程序开发的便捷性，以及使程序开发知识基础薄弱的人员能够进行高效的程序开发和改善编程界面环境的体验性与友好性。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种基于人工智能与物联网的可视化编程工具系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1，为本发明实施例提供的一种基于人工智能与物联网的可视化编程工具系统的结构示意图。该基于人工智能与物联网的可视化编程工具系统包括移动终端、云端服务器、物联网通信模块和数据采集模块；其中，

该数据采集模块与该云端服务器连接，该数据采集模块用于采集目标设备对应的运作状态数据和/或该目标设备所处外界环境的环境数据；

该云端服务器用于根据该运作状态数据和/或该环境数据，对其内部的人工智能模型进行优化训练，并根据优化训练后的人工智能模型搭建积木式可视化编程平台；

该物联网通信模块用于控制该移动终端与该云端服务器之间的物联网通信连接状态；

该移动终端用于在与该云端服务器实现物联网通信连接后，进入该积木式可视化编程平台对应的开发环境中执行相应的可视化编程操作。

上述技术方案的有益效果为：该基于人工智能与物联网的可视化编程工具系统利用人工智能模型在具有较强运算功能的云端服务器中搭建形成积木式可视化编程平台，并利用物联网将移动终端与云端服务器连接，以此在移动终端中通过镜像映射的方式形成与该积木式可视化编程平台对应的开发环境，这样使用户在移动终端上就能够进行可视化编程操作，从而大大降低程序开发对设备软件和硬件的要求，并且还能够提高程序开发的便捷性，以及使程序开发知识基础薄弱的人员能够进行高效的程序开发和改善编程界面环境的体验性与友好性。

优选地，该数据采集模块包括第一传感组件、第二传感组件和数据存储器；其中，

该第一传感组件包括若干电学传感器和若干力学传感器；

若干该电学传感器和若干该力学传感器与该目标设备分布式连接，从而检测该目标设备对应的运作状态电学数据和/或运作状态力学数据；

该第二传感组件包括若干环境传感器；

若干该环境传感器分布式地设置在该目标设备所处外界环境中，从而检测该外界环境对应的环境数据；

该数据存储器分别与该第一传感组件和该第二传感组件连接，该数据存储器用于存储该运作状态电学数据、该运作状态力学数据、该环境数据。

上述技术方案的有益效果为：在该数据采集模块中设置不同的传感组件来采集目标设备的运作状态电学数据、运作状态力学数据和所处外界环境的环境数据，这样能够准确地和全面地获得目标设备的实时工作相关数据，这样能够保证利用上述数据进行人工智能模型优化训练的过程中，使该人工智能模型能够与目标设备的控制相适应，从而保证利用该人工智能模型搭建的积木式可视化编程平台能够有针对性地形成与控制该目标设备相匹配的程序，以此改善可视化编程工具系统的实用性。

优选地，若干该电学传感器包括电流传感器和电压传感器；其中，

该电流传感器与该目标设备连接，从而检测该目标设备的工作电流数据；

该电压传感器与该目标设备连接，从而检测该目标设备的工作电压数据；

若干该力学传感器包括速度传感器、角速度传感器和力矩传感器；其中，

该速度传感器与该目标设备连接，从而检测该目标设备的运动速度；

该角速度传感器与该目标设备连接，从而检测该目标设备的运动角速度；

该力矩传感器与该目标设备连接，从而检测该目标设备的电机输出力矩。

上述技术方案的有益效果为：将该电学传感器设成包括电流传感器和电压传感器以及该力学传感器设成包括速度传感器、角速度传感器和力矩传感器，能够全面地获得目标设备自身的工作相关数据，从而提高对人工智能模型的优化训练效果。

优选地，若干该环境传感器包括温度传感器、湿度传感器、气压传感器和光照传感器；其中，

该温度传感器用于检测该外界环境对应的温度数据；

该湿度传感器用于检测该外界环境对应的湿度数据；

该气压传感器用于检测该外界环境对应的气压数据；

该光照传感器用于检测该外界环境对应的光照数据。

上述技术方案的有益效果为：将该环境传感器设成包括温度传感器、湿度传感器、气压传感器和光照传感器，能够全面地获得目标设备的工作环境相关数据，从而提高对人工智能模型的优化训练效果。

优选地，该云端服务器包括边缘计算单元、存储单元、编程平台构建单元和接口单元；其中，

该存储单元用于保存相应的人工智能模型；

该边缘计算单元用于从该存储单元中调取该人工智能模型，并且根据该运作状态数据和/或该环境数据，对该人工智能模型进行优化训练；

该编程平台构建单元用于根据优化训练后的人工智能模型，搭建积木式可视化编程平台；

该接口单元用于与该物联网通信模块连接，从而在该物联网通信模块的控制下，实现与该移动终端的数据连接。

上述技术方案的有益效果为：该云端服务器自身强大的计算功能，能够快速地和高效地实现对人工智能模型的优化训练，该边缘计算单元专用于人工智能模型的优化训练，其能够大大地提高人工智能模型的优化训练效率，从而实现人工智能模型训练的最优化，而该编程平台搭建单元则能够利用人工智能模型自身的智能性快速地搭建积木式可视化编程平台，以此提高积木式可视化编程平台的搭建可靠性。

优选地，该边缘计算单元从该存储单元中调取该人工智能模型，并且根据该运作状态数据和/或该环境数据，对该人工智能模型进行优化训练具体包括：

第一、判断该人工智能模型在该云端服务器中的生命周期是否超过预设生命周期阈值，若是，则调取该人工智能模型，若否，则不调取该人工智能模型；

第二、按照数据采集模块的数据采集先后时序，将该运作状态数据和/或该环境数据分别转换为相应的运作状态数据序列和/或环境数据序列，并对该运作状态数据序列和/或该环境数据序列进行插值处理；

第三.根据插值处理后的该运作状态数据序列和/或该环境数据序列，对调取得到的人工智能模型进行优化训练，直到该人工智能模型的模型收敛系数低于预设收敛系数阈值为止。

上述技术方案的有益效果为：由于人工智能模型在原始状态下是具有发散性和运行随机性的，其无法搭建满足相应要求的积木式可视化编程平台，并且人工智能模型在云端服务器中是存在一定的生命周期，当该生命周期超过预设生命周期阈值时，该人工智能模型会出现系统不兼容的情况，这样在调取人工智能模型之前必须判断人工智能模型是否处于生命周期有效的阶段；此外，对该运作状态数据序列和/或该环境数据序列进行插值处理，能够改善该运作状态数据序列和/或该环境数据序列中数据的有效性和可靠性，从而提高人工智能模型优化训练的精度。

优选地，该对该运作状态数据序列和/或该环境数据序列进行插值处理具体包括：

第一、确定该运作状态数据序列对应的运作状态数据平均值和/或该环境数据序列对应的环境数据平均值；

第二、确定该运作状态数据序列中任意相邻的两个运作状态数据值之间的差值，若该差值超过该运作状态数据平均值的一半，则在该两个运作状态数据值之间增加插入该两个运作状态数据值的平均值，和/或，确定该环境数据序列中任意相邻的两个环境数据值之间的差值，若该差值超过该环境数据平均值的一半，则在该两个环境数据值之间增加插入该两个环境数据值的平均值。

上述技术方案的有益效果为：上述差值过程以序列中所有数据的平均值为基准，判断序列中相邻的两个数据之间是否存在差值过大的情况，并确定存在差值过大的情况下，在两个数据之间进行平均值的差值，从而保证序列中不同数据之间过渡变化的平稳性，以此提高后续利用序列对人工智能模型进行优化训练的可靠性。

优选地，该物联网通信模块控制该移动终端与该云端服务器之间的物联网通信连接状态具体包括：

该物联网通信模块对来自该移动终端的接入请求指令进行识别，以此确定该移动终端对应的物理地址信息；

将该物理地址信息与预设物理地址白名单进行比对，若该物理地址信息与该预设物理地址白名单相匹配，则将该移动终端与该云端服务器进行物联网连接；

若该物理地址信息与该预设物理地址白名单不匹配，则拒绝该移动终端的接入请求。

上述技术方案的有益效果为：通过白名单比对的方式，能够准确地和快速地确定该移动终端是否具备与云端服务器的物联网接入权限，从而大大提高可视化编程工具系统的安全性。

优选地，将该物理地址信息与预设物理地址白名单进行比对具体包括：

将该物理地址信息与该预设物理地址白名单中的地址信息分别转换为二进制数值化地址信息；

根据下面公式(1)，计算该物理地址信息与该预设物理地址白名单中的地址信息之间的匹配值：

在上述公式(1)中，E

根据下面公式(2)，确定该物理地址信息与该预设物理地址白名单中的地址信息之间的匹配结果：

在上述公式(2)中，PPJG表示该物理地址信息与该预设物理地址白名单中第i个物理地址信息之间的匹配结果，Y表示该物理地址信息与该预设物理地址白名单中第i个物理地址信息之间相匹配，N表示该物理地址信息与该预设物理地址白名单中第i个物理地址信息之间不匹配，

上述技术方案的有益效果为：由于物理地址信息存在不同的表征形式，通过将该物理地址信息与该预设物理地址白名单中的物理地址信息转换为二级制数值化地址信息，能够便于对具有不同表征形式的物理地址信息进行统一的分析处理，从而最大限度地提高物理地址信息与预设物理地址白名单之间匹配状态的判断准确性和可靠性。

优选地，该移动终端与该云端服务器实现物联网通信连接后，该移动终端将该积木式可视化编程平台对应的可视化编程开发环境镜像映射到自身内部；

该移动终端还通过相应的人机交互界面接收来自用户输入上传的编程指令，并根据该编程指令，从该可视化编程开发环境中拖拽不同的积木式代码块到编程工作区中进行排列组合，从而实现相应的可视化编程操作；

该移动终端在该可视化编程开发环境中对该积木式代码块进行排列组合后，还排列组合得到的程序回传至相应程序运行工作区中，对该程序进行验证，从而确定该程序的运行可行性。

上述技术方案的有益效果为：利用镜像映射的方式，能够该云端服务器中的积木式可视化编程平台的可视化编程开发环境以虚拟镜像的方式形成与移动终端上，从而便于用户在不同场合中能够利用自身的移动终端进行可视化编程操作，从而改善可视化编程操作对不同场合的适用性，以及在完成可视化编程操作后，对程序进行验证，能够提高编程操作的可靠性和准确性。

从上述实施例的内容可知，该包括移动终端、云端服务器、物联网通信模块和数据采集模块，数据采集模块用于采集目标设备对应的运作状态数据和/或目标设备所处外界环境的环境数据，该云端服务器用于根据所述运作状态数据和/或所述环境数据，对其内部的人工智能模型进行优化训练，并根据优化训练后的人工智能模型搭建积木式可视化编程平台，该物联网通信模块用于控制该移动终端与该云端服务器之间的物联网通信连接状态，该移动终端用于在与该云端服务器实现物联网通信连接后，进入该积木式可视化编程平台对应的开发环境中执行相应的可视化编程操作；可见，该基于人工智能与物联网的可视化编程工具系统利用人工智能模型在具有较强运算功能的云端服务器中搭建形成积木式可视化编程平台，并利用物联网将移动终端与云端服务器连接，以此在移动终端中通过镜像映射的方式形成与该积木式可视化编程平台对应的开发环境，这样使用户在移动终端上就能够进行可视化编程操作，从而大大降低程序开发对设备软件和硬件的要求，并且还能够提高程序开发的便捷性，以及使程序开发知识基础薄弱的人员能够进行高效的程序开发和改善编程界面环境的体验性与友好性。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。