如果你从事互联网行业,你最关注应该是个人敏感数据。因为国家监管和个人隐私保护的需求越来越旺盛。 公安、通信管理局等部门都在关注APP安全、数据采集、权限管理,这些都跟个人数据相关。 第二个是业务数据,如果你是传统业务,你关注的可能是业务数据本身。 第三个是商业数据,我们一些传统的数据安全解决方案,重点就是解决这方面的一些问题。
为了解决多种网络通信协议共存给智能家居应用开发带来的不便,更好地实现家居的智能化,基于 MicroPython 和 CC3200 设计了一种智能家居数据采集与控制系统。 该系统采用 CC3200 作为工作节点,通过微信公众号和 OneNet 平台获取 系统采集的数据,并在云服务器中进行判断和相应处理,较好地解决了多种网络通信协议共存的问题,实现了智能家居数据 采集与控制功能。 实验测试结果表明:系统运行稳定,有较好的人机交互体验,具有较高的实际应用价值。
本文介绍了一款基于 STM32 单片机、DM9000 以太网控制器和 LwIP 协议栈的智能家居网关通信系统的设计。该系统设计主要用于检测家中各类传感器的工作状态,当家中出现危险状况时系统能够自主控制并解除家中危险,并且将传感器检测到的实时数据上报给用户,实现用户对家中电器的控制。硬件方面,该系统由供电模块、时 钟模块、SWD 仿真模块、SRAM 模块、按键模块、报警模块、网络通信模块、USB 转串口模块等组成。该网关系统的主控芯片采用功能强大、价格低廉、基于 RAM32 位 CortexTM-M3 的 STM32F103ZET6,它主要负责对家居环境参数的检测、智能控制;网络通信模块采用 DM9000 作为主控芯片,由时钟电路、RJ45 网络变压器组成,该芯片主要实现 TCP/IP 协议中的 PHY 和 MAC 层。软件方面,智能家居网关采用 Keil 开发环境,采用 LwIP 网络协议栈为运行环境,结合 C 语言共同完成网络通信的软件控制工作。Keil 开发环境用来编辑程序、编译程序、烧录程序以及调试程序;LwIP 协议栈短小精悍,小型轻量,可以实现无操作系统运行,并且 LwIP 协议栈对主控芯片的资源占用很少,适合在低端嵌入式设备中使用。
综合利用ZigBee、WiFi、Android技术,设计并实现了一种基于计算机端和手机端的智能家居控制系统.该系统包括软件控制系统、ZigBee协调器和终端节点三大模块.终端节点负责室内信息的采集,通过无线传感器网络传送给网关协调器.用户可以通过计算机端上住机软件和手机端APP实时查看采集到温湿度、火情的信息,并进行照明控制系统和窗帘的控制.实验结果表明:该控制系统实时性强、性能稳定、成本低、易扩展。实用价值较高.
论文采用NB-IoT、STM32、传感器等技术设计出了一套可行性较高的NB-IoT智能家居控制系统。该系统采用STM32F103RCT6芯片作为核心处理器采集传感器信息,通过NB-IoT无线通信与服务器进行数据交互,在PC端通过可视化操作界面对数据进行分析处理并将结果显示出来。通过系统测试验证该系统实现了家居环境数据采集与异常情况报警提示,稳定可靠,实时性好,能够满足对家居设备的实时控制要求。
针对传统智能家居视觉交互界面存在人机交互性能较差的问题,设计一种基于图形特征的智能家居视觉交互界面。利用旋转数码相机固定视点获取一组连续的智能家居局部视觉图像序列,利用这些局部视觉图像序列生成智能家居视觉全景图,通过双缓冲图像绘制技术构造智能家居视觉交互漫游空间场景,从而实现智能家居视觉交互,基于图形特征对用户场景进行模拟刻画,刻画的智能家居视觉交互界面中包括各种智能基础家居元素,实现智能家居视觉交互界面的设计。实验结果表明,所设计的人机交互界面,具有更强的交互性能。
以树莓派、Arduino Mega 2560和Arduino UNO作为核心控制器,树莓派作为家居中央控制服务器,Arduino 负责家居传感器采样,将Arduino控制板采集到的数据利用WIFI模块esp8266,在Android手机app上实时查看和控制家中的传感器。最终实现家电智能化、家居安防、家居环境监测、局域网控制以及远程控制等功能。
信息科技和人工智能技术的发展为国内智能家居行业发展带来了新的发展机遇。 然而交 互功能缺失,平台软硬件互不兼容等问题也极大地影响了远程控制家居的体验效果。 针对这一现 状提出借助微信平台,将其与 ZigBee 无线网络融合,以实现对多种家电家居系统的远程控制,弥补 以往智能家居系统的弊端。
没有账户,需要注册
语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI
时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR
2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。
超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。
印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。
石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。
油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南