本發(fā)明涉及計(jì)算機(jī)網(wǎng)絡(luò)，尤其涉及一種基于kubeedge的電網(wǎng)邊緣智能火點(diǎn)檢測(cè)容器管理方法。

背景技術(shù)：

1、當(dāng)前的電力網(wǎng)絡(luò)在偏遠(yuǎn)地區(qū)及山區(qū)的火點(diǎn)檢測(cè)技術(shù)不夠成熟，僅依賴于監(jiān)控?cái)z像設(shè)備由員工進(jìn)行實(shí)時(shí)觀測(cè)，人工成本過高，且效率較低。當(dāng)前部分試點(diǎn)區(qū)域開展了智能化的邊緣火點(diǎn)檢測(cè)，但由于邊緣設(shè)備具有數(shù)量大、分布廣的特點(diǎn)，基于人工逐個(gè)部署的方式將火點(diǎn)檢測(cè)方案部署到每個(gè)邊緣設(shè)備會(huì)耗費(fèi)巨大的人力物力，亟需發(fā)展變革。近年來，隨著邊緣設(shè)備智能化程度的提高，邊緣設(shè)備的ai計(jì)算能力越來越強(qiáng)，已經(jīng)能夠支持足夠的邊緣實(shí)時(shí)智能檢測(cè)服務(wù)。針對(duì)邊緣智能火點(diǎn)檢測(cè)算法的部署，當(dāng)前較為先進(jìn)的方案部署在監(jiān)管中心，依賴集中式的大規(guī)模算力服務(wù)器進(jìn)行實(shí)時(shí)的火點(diǎn)檢測(cè)，極大提高了管控中心人員的效率。但考慮到山區(qū)及邊緣地區(qū)，在某些特殊情況下會(huì)頻發(fā)網(wǎng)絡(luò)波動(dòng)、中斷等，集中式的方案極大降低了整個(gè)業(yè)務(wù)的可靠性。同時(shí)，隨著不同火點(diǎn)算法的迭代更新，邊緣設(shè)備應(yīng)當(dāng)能夠統(tǒng)一部署新的火點(diǎn)算法容器，從而提供一致化的火點(diǎn)檢測(cè)服務(wù)。面對(duì)電網(wǎng)邊緣設(shè)備的需求，以docker為代表的輕量化容器軟件能夠較好滿足邊緣設(shè)備的需求。同時(shí)，其容器化服務(wù)能夠以鏡像的形式存儲(chǔ)并備份在內(nèi)容服務(wù)器中，通過簡(jiǎn)化容器環(huán)境，能夠?qū)崿F(xiàn)在不同架構(gòu)的邊緣智能設(shè)備進(jìn)行一般化通用部署，支持電網(wǎng)實(shí)時(shí)火點(diǎn)檢測(cè)算法的部署及更新。

2、現(xiàn)有技術(shù)已經(jīng)有多種火點(diǎn)檢測(cè)技術(shù)，然而這些技術(shù)都存在一些問題。例如授權(quán)公告號(hào)為cn112580549b的中國(guó)發(fā)明專利公開了一種火點(diǎn)檢測(cè)方法、裝置及存儲(chǔ)介質(zhì)，該方法包括：獲取多通道的歷史遙感圖像數(shù)據(jù)；構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的火點(diǎn)檢測(cè)模型，并利用所述歷史遙感圖像數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，將實(shí)時(shí)圖像數(shù)據(jù)輸入訓(xùn)練完成的火點(diǎn)檢測(cè)模型，提取各通道的特征信息進(jìn)行火點(diǎn)檢測(cè)。然而該方法在火點(diǎn)檢測(cè)模型的單一檢測(cè)能力上，缺乏針對(duì)容器化資源的管理和分布式部署能力。這使得在大規(guī)模電網(wǎng)環(huán)境中，資源的調(diào)度和分配效率相對(duì)較低，不能充分利用邊緣節(jié)點(diǎn)進(jìn)行分布式火點(diǎn)檢測(cè)。沒有引入分布式資源管理平臺(tái)，因此無法根據(jù)業(yè)務(wù)需求動(dòng)態(tài)分配資源，缺乏自適應(yīng)資源調(diào)控的智能性。同時(shí)，若火點(diǎn)檢測(cè)模型或節(jié)點(diǎn)出現(xiàn)故障，可能會(huì)影響整體檢測(cè)的穩(wěn)定性和連續(xù)性。

3、例如申請(qǐng)公開號(hào)為cn118608982a的中國(guó)發(fā)明專利申請(qǐng)公開了一種基于多源衛(wèi)星數(shù)據(jù)的深度學(xué)習(xí)火點(diǎn)識(shí)別算法及系統(tǒng)，該方法中控制中心連接數(shù)據(jù)采集、數(shù)據(jù)處理、識(shí)別分析和智能調(diào)控模塊。通過數(shù)據(jù)采集模塊獲取衛(wèi)星數(shù)據(jù)，數(shù)據(jù)處理模塊進(jìn)行合并與校驗(yàn)，得到標(biāo)準(zhǔn)波段圖；識(shí)別分析模塊對(duì)波段圖分組劃分，提取均點(diǎn)，生成綜合通道圖；智能調(diào)控模塊對(duì)綜合圖進(jìn)行邊緣提取，獲得目標(biāo)遙感圖像，并通過信息查詢庫進(jìn)行安全校驗(yàn)，得到警告坐標(biāo)和預(yù)警時(shí)間，從而提升火點(diǎn)識(shí)別準(zhǔn)確性并降低誤報(bào)率。然而該方法主要依賴于集中式的控制中心進(jìn)行火點(diǎn)識(shí)別。這種模式難以在大規(guī)模的電網(wǎng)場(chǎng)景下實(shí)現(xiàn)邊緣節(jié)點(diǎn)的資源協(xié)同和自適應(yīng)管理，限制了系統(tǒng)的擴(kuò)展性和部署靈活性。該方法難以根據(jù)不同節(jié)點(diǎn)的負(fù)載和業(yè)務(wù)需求進(jìn)行靈活調(diào)控，限制了火點(diǎn)識(shí)別系統(tǒng)的適應(yīng)性和資源分配的精準(zhǔn)度。

4、例如授權(quán)公告號(hào)為cn117911887b的中國(guó)發(fā)明專利公開了一種基于sentinel-2的森林火災(zāi)煙霧識(shí)別及火點(diǎn)檢測(cè)方法及系統(tǒng)”提出基于構(gòu)建的sentinel-2衛(wèi)星影像森林火災(zāi)煙霧分割數(shù)據(jù)庫,利用光譜特征及全尺度全局-局部感知模式的煙霧識(shí)別模型實(shí)現(xiàn)對(duì)煙霧進(jìn)行提取；基于影像區(qū)域的時(shí)空特征，采用煙霧識(shí)別輔助的時(shí)序改正空間上下文算法確定真正的火點(diǎn)。然而該方法依賴于煙霧分割和時(shí)空特征進(jìn)行火點(diǎn)識(shí)別，雖然在森林火災(zāi)場(chǎng)景中具備一定優(yōu)勢(shì)，但在動(dòng)態(tài)、多樣的電網(wǎng)環(huán)境下可能不足以精準(zhǔn)檢測(cè)不同類型的火點(diǎn)。此外，由于缺乏邊緣協(xié)同支持，火點(diǎn)識(shí)別速度可能較低，特別是在數(shù)據(jù)密集的環(huán)境中。

5、例如申請(qǐng)公開號(hào)為cn118802519a的中國(guó)發(fā)明專利申請(qǐng)公開了一種邊緣計(jì)算服務(wù)快速部署方法，該方法依托云計(jì)算服務(wù)中心建立公共服務(wù)倉(cāng)庫，實(shí)現(xiàn)服務(wù)在線管理和下載分發(fā)。根據(jù)應(yīng)用需求生成邊緣云服務(wù)部署列表，并基于服務(wù)活躍度和依賴度建立優(yōu)先級(jí)模型，使迫切服務(wù)優(yōu)先部署。采用多線程和雙緩沖隊(duì)列處理技術(shù)，加速邊緣云服務(wù)的部署進(jìn)程，從而簡(jiǎn)化操作，縮短部署時(shí)間，提升速度與響應(yīng)效率。然而該方法聚焦于邊緣計(jì)算服務(wù)的快速部署，通過服務(wù)活躍度和依賴度設(shè)定部署優(yōu)先級(jí)，但缺乏基于業(yè)務(wù)需求的實(shí)時(shí)資源管理和動(dòng)態(tài)調(diào)整。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

2、為此，本發(fā)明的第一個(gè)目的在于提出一種基于kubeedge的電網(wǎng)邊緣智能火點(diǎn)檢測(cè)容器管理方法，以解決邊緣智能火點(diǎn)檢測(cè)服務(wù)部署復(fù)雜的問題和邊緣火點(diǎn)檢測(cè)資源管理困難的難題。

3、本發(fā)明的第二個(gè)目的在于提出一種基于kubeedge的電網(wǎng)邊緣智能火點(diǎn)檢測(cè)容器管理系統(tǒng)。

4、本發(fā)明的第三個(gè)目的在于提出一種電子設(shè)備。

5、本發(fā)明的第四個(gè)目的在于提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

6、為達(dá)上述目的，本發(fā)明第一方面提出了一種基于kubeedge的電網(wǎng)邊緣智能火點(diǎn)檢測(cè)容器管理方法，包括：

7、部署基于kubeedge的邊緣容器管理平臺(tái)，所述邊緣容器管理平臺(tái)包括控制端和多個(gè)邊緣設(shè)備；

8、所述控制端對(duì)訓(xùn)練好的火點(diǎn)檢測(cè)模型進(jìn)行保存、封裝、容器化處理，以得到火點(diǎn)檢測(cè)容器和所述火點(diǎn)檢測(cè)容器的容器鏡像；

9、各邊緣設(shè)備創(chuàng)建用于所述火點(diǎn)檢測(cè)容器的配置文件，以從所述控制端的容器鏡像中獲得所需的火點(diǎn)檢測(cè)容器，進(jìn)而利用對(duì)應(yīng)的火點(diǎn)檢測(cè)容器分別進(jìn)行火點(diǎn)檢測(cè)；

10、所述控制端監(jiān)控各邊緣設(shè)備中火點(diǎn)檢測(cè)容器的實(shí)時(shí)運(yùn)行狀態(tài)，以在實(shí)時(shí)運(yùn)行狀態(tài)不正常時(shí)對(duì)各邊緣設(shè)備中火點(diǎn)檢測(cè)容器進(jìn)行動(dòng)態(tài)管理。

11、在本發(fā)明的第一方面的方法中，所述部署基于kubeedge的邊緣容器管理平臺(tái)，包括：在控制端中的管控服務(wù)器上部署kubernetes，同時(shí)在所述管控服務(wù)器中安裝kubeedge的cloudcore模塊，在各邊緣設(shè)備部署kubeedge的edgecore模塊，從而得到邊緣容器管理平臺(tái)。

12、在本發(fā)明的第一方面的方法中，所述控制端對(duì)訓(xùn)練好的火點(diǎn)檢測(cè)模型進(jìn)行保存、封裝、容器化處理，以得到火點(diǎn)檢測(cè)容器和所述火點(diǎn)檢測(cè)容器的容器鏡像，包括：所述控制端獲取訓(xùn)練好的火點(diǎn)檢測(cè)模型，并對(duì)所述訓(xùn)練好的火點(diǎn)檢測(cè)模型進(jìn)行保存和封裝處理；對(duì)封裝后的火點(diǎn)檢測(cè)模型，利用docker構(gòu)建得到火點(diǎn)檢測(cè)容器和所述火點(diǎn)檢測(cè)容器的容器鏡像。

13、在本發(fā)明的第一方面的方法中，使用django服務(wù)器對(duì)保存后的火點(diǎn)檢測(cè)模型進(jìn)行封裝。

14、在本發(fā)明的第一方面的方法中，所述火點(diǎn)檢測(cè)模型采用的是基于yolo?v8的輕量化剪枝火點(diǎn)算法。

15、在本發(fā)明的第一方面的方法中，所述實(shí)時(shí)運(yùn)行狀態(tài)不正常指的是容器故障或資源不足。

16、為達(dá)上述目的，本發(fā)明第二方面提出了一種基于kubeedge的電網(wǎng)邊緣智能火點(diǎn)檢測(cè)容器管理系統(tǒng)，所述系統(tǒng)部署有kubeedge，所述系統(tǒng)包括控制端和多個(gè)邊緣設(shè)備；

17、所述控制端，用于對(duì)訓(xùn)練好的火點(diǎn)檢測(cè)模型進(jìn)行保存、封裝、容器化處理，以得到火點(diǎn)檢測(cè)容器和所述火點(diǎn)檢測(cè)容器的容器鏡像；還用于監(jiān)控各邊緣設(shè)備中火點(diǎn)檢測(cè)容器的實(shí)時(shí)運(yùn)行狀態(tài)，以在實(shí)時(shí)運(yùn)行狀態(tài)不正常時(shí)對(duì)各邊緣設(shè)備中火點(diǎn)檢測(cè)容器進(jìn)行動(dòng)態(tài)管理。

18、各邊緣設(shè)備，用于創(chuàng)建用于所述火點(diǎn)檢測(cè)容器的配置文件，以從所述控制端的容器鏡像中獲得所需的火點(diǎn)檢測(cè)容器，進(jìn)而利用對(duì)應(yīng)的火點(diǎn)檢測(cè)容器分別進(jìn)行火點(diǎn)檢測(cè)。

19、在本發(fā)明的第二方面的系統(tǒng)中，所述控制端使用django服務(wù)器對(duì)保存后的火點(diǎn)檢測(cè)模型進(jìn)行封裝，對(duì)封裝后的火點(diǎn)檢測(cè)模型，利用docker構(gòu)建得到火點(diǎn)檢測(cè)容器和所述火點(diǎn)檢測(cè)容器的容器鏡像。

20、為達(dá)上述目的，本發(fā)明第三方面提出了一種電子設(shè)備，包括：處理器，以及與所述處理器通信連接的存儲(chǔ)器；所述存儲(chǔ)器存儲(chǔ)計(jì)算機(jī)執(zhí)行指令；所述處理器執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)執(zhí)行指令，以實(shí)現(xiàn)本發(fā)明第一方面提出的方法。

21、為達(dá)上述目的，本發(fā)明第四方面提出了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)執(zhí)行指令，所述計(jì)算機(jī)執(zhí)行指令被處理器執(zhí)行時(shí)用于實(shí)現(xiàn)本發(fā)明第一方面提出的方法。

22、本發(fā)明提供的基于kubeedge的電網(wǎng)邊緣智能火點(diǎn)檢測(cè)容器管理方法、系統(tǒng)、電子設(shè)備及存儲(chǔ)介質(zhì)，通過部署基于kubeedge的邊緣容器管理平臺(tái)，邊緣容器管理平臺(tái)包括控制端和多個(gè)邊緣設(shè)備；控制端對(duì)訓(xùn)練好的火點(diǎn)檢測(cè)模型進(jìn)行保存、封裝、容器化處理，以得到火點(diǎn)檢測(cè)容器和火點(diǎn)檢測(cè)容器的容器鏡像；各邊緣設(shè)備創(chuàng)建用于火點(diǎn)檢測(cè)容器的配置文件，以從控制端的容器鏡像中獲得所需的火點(diǎn)檢測(cè)容器，進(jìn)而利用對(duì)應(yīng)的火點(diǎn)檢測(cè)容器分別進(jìn)行火點(diǎn)檢測(cè)；控制端監(jiān)控各邊緣設(shè)備中火點(diǎn)檢測(cè)容器的實(shí)時(shí)運(yùn)行狀態(tài)，以在實(shí)時(shí)運(yùn)行狀態(tài)不正常時(shí)對(duì)各邊緣設(shè)備中火點(diǎn)檢測(cè)容器進(jìn)行動(dòng)態(tài)管理。在這種情況下，通過部署基于kubeedge的邊緣容器管理平臺(tái)，利用控制端得到火點(diǎn)檢測(cè)容器，并監(jiān)控各邊緣設(shè)備中火點(diǎn)檢測(cè)容器的實(shí)時(shí)運(yùn)行狀態(tài)，以在實(shí)時(shí)運(yùn)行狀態(tài)不正常時(shí)對(duì)各邊緣設(shè)備中火點(diǎn)檢測(cè)容器進(jìn)行動(dòng)態(tài)管理。由此采用kubeedge管理電網(wǎng)邊緣設(shè)備的計(jì)算資源，能夠?qū)崟r(shí)高效調(diào)度和管理邊緣設(shè)備的資源和狀態(tài)，另外，各邊緣設(shè)備創(chuàng)建用于火點(diǎn)檢測(cè)容器的配置文件，以從控制端的容器鏡像中獲得所需的火點(diǎn)檢測(cè)容器進(jìn)行火點(diǎn)檢測(cè)，由此以容器封裝的邊緣火點(diǎn)檢測(cè)應(yīng)用可以更好適配邊緣火點(diǎn)檢測(cè)硬件異構(gòu)的特性，在相同操作系統(tǒng)的火點(diǎn)檢測(cè)智能設(shè)備之間，服務(wù)可以進(jìn)行無縫遷移和共用，避免了多次部署基礎(chǔ)環(huán)境以及算法升級(jí)時(shí)重復(fù)部署帶來的困難。因此本發(fā)明解決了邊緣智能火點(diǎn)檢測(cè)服務(wù)部署復(fù)雜的問題和邊緣火點(diǎn)檢測(cè)資源管理困難的難題。

23、本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。