1.本公开的实施例涉及计算机技术领域，具体涉及物联设备联动控制方法、装置、电子设备和介质。
背景技术：
2.物联网平台利用通信与网络、自动控制和人工智能等技术将各种物联设备进行连接、控制和管理，为用户提供更为舒适、便利、安全、环保的物联网环境。物联网平台也可以控制物联设备进行物联设备联动控制。对于物联设备联动控制，通常采用的方式为：通过云端控制对应的物联设备执行预设物联设备联动规则信息预设物联。
3.然而，发明人发现，当采用上述方式来控制物联设备联动，经常会存在如下技术问题：第一，利用云端控制物联设备执行对应的预设物联设备联动规则，造成传输延迟和云端数据处理负载较高，物联设备管理效率较低。
4.第二，仅仅将资源比较充足的边缘节点的资源或者云端资源调度至资源不足的边缘节点，考虑因素较为单一，不能保证资源的质量，从而，导致增大资源调度的难度和传输负载，任务完成稳定性较低。
5.第三，现有命名实体模型基本上将静态字向量作为输入，然而，静态字向量无法根据文本上下文进行动态调整，不能充分考虑词语和句子之间的关联关系，造成命名实体模型准确率较低，进而导致物联设备识别准确率较低，云端的安全性较低。
6.该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
技术实现要素：
7.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
8.本公开的一些实施例提出了物联设备联动控制方法、装置、电子设备和介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
9.第一方面，本公开的一些实施例提供了一种图像分割方法，包括：对接入的边缘节点集中的每个边缘节点进行识别，以生成边缘节点特征信息，得到边缘节点特征信息集；根据上述边缘节点特征信息集，确定与采集任务信息对应的边缘节点，作为任务边缘节点，其中，上述采集任务信息是发送至上述任务边缘节点的、以控制上述任务边缘节点采集数据的任务信息；获取上述任务边缘节点对应的边缘状态信息；根据上述边缘状态信息，确定上述任务边缘节点是否满足上述采集任务信息对应的资源需求；响应于确定上述任务边缘节点不满足上述采集任务信息对应的资源需求，对上述任务边缘节点进行资源调度处理，得到调度后边缘节点；将上述采集任务信息发送至上述调度后边缘节点，以及接收上述调度
后边缘节点发送的采集数据；响应于确定上述采集数据中存在异常数据，触发告警信息，以及控制与上述异常数据对应的至少一个物联设备集执行至少一个预设物联设备联动规则信息确定的操作，其中，上述至少一个预设物联设备联动规则信息中的预设物联设备联动规则信息与上述至少一个物联设备集中的物联设备集存在一一对应关系。
10.第二方面，本公开的一些实施例提供了一种图像分割装置，包括：识别单元，被配置成对接入的边缘节点集中的每个边缘节点进行识别，以生成边缘节点特征信息，得到边缘节点特征信息集；第一确定单元，被配置成根据上述边缘节点特征信息集，确定与采集任务信息对应的边缘节点，作为任务边缘节点，其中，上述采集任务信息是发送至上述任务边缘节点的、以控制上述任务边缘节点采集数据的任务信息；获取单元，被配置成获取上述任务边缘节点对应的边缘状态信息；第二确定单元，被配置成根据上述边缘状态信息，确定上述任务边缘节点是否满足上述采集任务信息对应的资源需求；资源调度处理单元，被配置成响应于确定上述任务边缘节点不满足上述采集任务信息对应的资源需求，对上述任务边缘节点进行资源调度处理，得到调度后边缘节点；发送单元，被配置成将上述采集任务信息发送至上述调度后边缘节点，以及接收上述调度后边缘节点发送的采集数据；控制单元，被配置成响应于确定上述采集数据中存在异常数据，触发告警信息，以及控制与上述异常数据对应的至少一个物联设备集执行至少一个预设物联设备联动规则信息确定的操作，其中，上述至少一个预设物联设备联动规则信息中的预设物联设备联动规则信息与上述至少一个物联设备集中的物联设备集存在一一对应关系。
11.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
12.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
13.本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的物联设备联动控制方法通过云边协同框架，将联动规则下发至边缘节点，可以降低传输延迟和云端负载，提高物联设备管理效率。具体来说，造成相关的传输延迟较高，云端数据处理负载较高和物联设备管理效率较低的原因在于：利用云端控制物联设备执行对应的预设物联设备联动规则，造成传输延迟和云端数据处理负载较高，物联设备管理效率较低。基于此，本公开的一些实施例的物联设备联动控制方法可以首先，对接入的边缘节点集中的每个边缘节点进行识别，以生成边缘节点特征信息，得到边缘节点特征信息集。在这里，对接入的边缘节点进行识别可以提高云端的安全性。其次，根据边缘节点特征信息集，确定与采集任务信息对应的边缘节点，作为任务边缘节点，其中，采集任务信息是发送至任务边缘节点的、以控制任务边缘节点采集数据的任务信息。在这里，确定与采集任务信息对应的边缘节点，即将采集任务信息下发至边缘节点可以降低数据传输时延，提高传输稳定性。再次，获取任务边缘节点对应的边缘状态信息。在这里，获取边缘状态信息便于后续确定边缘节点是否可以执行数据采集任务信息。接着，根据边缘状态信息，确定任务边缘节点是否满足采集任务信息对应的资源需求。随后，响应于确定任务边缘节点不满足采集任务信息对应的资源需求，对任务边缘节点进行资源调度处理，得到调度后边缘节点。在这里，进行资源调度处理可以解决边缘节点负载不均衡问题，提高边缘节点资源利用率。然后，将采集任务信息发送
至调度后边缘节点，以及接收调度后边缘节点发送的采集数据。最后，响应于确定上述采集数据中存在异常数据，触发告警信息，以及控制与上述异常数据对应的至少一个物联设备集执行至少一个预设物联设备联动规则信息确定的操作，其中，上述至少一个预设物联设备联动规则信息中的预设物联设备联动规则信息与上述至少一个物联设备集中的物联设备集存在一一对应关系。在这里，通过异常数据触发预设物联设备联动规则信息可以实现物联设备协同工作，实现物联设备的及时响应，提高物联设备的管理效率。由此可得，该物联设备联动控制方法通过云边协同框架，将联动规则下发至边缘节点，可以降低传输延迟和云端负载，提高物联设备管理效率。
附图说明
14.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
15.图1是根据本公开的物联设备联动控制方法的一些实施例的流程图；图2是根据本公开的物联设备联动控制装置的一些实施例的结构示意图；图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
16.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
17.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
18.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
19.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
20.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
21.下面将参考附图并结合实施例来详细说明本公开。
22.图1示出了根据本公开的物联设备联动控制方法的一些实施例的流程100。该物联设备联动控制方法，包括以下步骤：步骤101，对接入的边缘节点集中的每个边缘节点进行识别，以生成边缘节点特征信息，得到边缘节点特征信息集。
23.在一些实施例中，上述物联设备联动控制方法的执行主体（例如，云端服务器）可以对接入的边缘节点集中的每个边缘节点进行识别，以生成边缘节点特征信息，得到边缘节点特征信息集。其中，接入的边缘节点集的接入方式可以是通过mqtt（message queuing telemetry transport，消息队列遥测传输）协议的接入方式。上述边缘节点可以是距离物
联设备一定距离的、提供有限存储、计算和网络等资源、与云端服务器协同通信的节点。例如，上述边缘节点可以包括以下至少一项：车载终端、路由器和边缘网关。上述一定距离可以是500米。上述物联设备可以是连接互联网、可以采集数据和传输数据的设备。例如，上述物联设备可以包括以下至少一项：智能化电气设备、传感器和摄像头。上述边缘节点特征信息可以表征边缘节点的身份的信息。例如，上述边缘接节点特征信息可以是边缘节点编号。实践中，上述执行主体首先，可以接收接入的边缘节点集中的边缘节点发送的响应信息，得到响应信息集。其中，上述响应信息可以是边缘节点对云端服务器发送的探测报文的响应信息。然后，对上述响应信息集中的每个响应信息进行识别处理，以生成表征边缘节点的边缘节点特征信息，得到边缘节点特征信息集。
24.步骤102，根据边缘节点特征信息集，确定与采集任务信息对应的边缘节点，作为任务边缘节点。
25.在一些实施例中，上述执行主体可以根据上述边缘节点特征信息集，确定与采集任务信息对应的边缘节点，作为任务边缘节点。其中，上述采集任务信息是发送至上述任务边缘节点的、以控制上述任务边缘节点采集数据的任务信息。上述任务边缘节点可以是与上述采集任务信息对应的边缘节点。
26.作为示例，上述执行主体可以首先，对上述采集任务信息进行解析处理，得到解析后任务信息。其中，上述解析后任务信息可以是包含指定边缘节点特征信息的信息。其次，从上述边缘节点特征信息集中筛选出与上述任务标识信息相匹配的边缘节点特征信息，得到任务边缘节点。
27.步骤103，获取任务边缘节点对应的边缘状态信息。
28.在一些实施例中，上述执行主体可以获取上述任务边缘节点对应的边缘状态信息。其中，上述边缘状态信息可以表征边缘节点运行状态的信息。边缘状态信息可以包括以下至少一项：边缘节点内存信息、cpu（central processing unit，中央处理器）信息和磁盘信息。
29.步骤104，根据边缘状态信息，确定任务边缘节点是否满足采集任务信息对应的资源需求。
30.在一些实施例中，上述执行主体可以根据上述边缘状态信息，确定上述任务边缘节点是否满足上述采集任务信息对应的资源需求。其中，上述资源需求可以是对运算资源、存储资源的需求。
31.作为示例，上述执行主体可以首先，将上述边缘状态信息与上述采集任务信息所需的资源需求进行对比，确定上述任务边缘节点是否满足采集任务信息对应的资源需求。
32.步骤105，响应于确定任务边缘节点不满足采集任务信息对应的资源需求，对任务边缘节点进行资源调度处理，得到调度后边缘节点。
33.在一些实施例中，上述执行主体可以响应于确定上述任务边缘节点不满足上述采集任务信息对应的资源需求，对上述任务边缘节点进行资源调度处理，得到调度后边缘节点。其中，上述调度后边缘节点可以是能够运行上述采集任务信息的边缘节点。
34.作为示例，上述执行主体可以利用蚁群算法，响应于确定任务边缘节点不满足采集任务信息对应的资源需求，对任务边缘节点进行资源调度处理，得到调度后边缘节点。
35.在一些实施例的一些可选的实现方式中，上述对上述任务边缘节点进行资源调度
处理，得到调度后边缘节点，可以包括以下步骤：第一步，确定位于上述任务边缘节点预设范围内的边缘节点集，作为区域边缘节点集。其中，上述预设范围是以上述任务边缘节点为中心，以预设阈值为半径的范围。 上述预设阈值可以是200米。
36.第二步，获取上述区域边缘节点集中每个区域边缘节点的状态信息，得到状态信息集，作为区域状态信息集。其中，上述区域状态信息集中的区域状态信息可以是上述区域边缘节点的cpu、内存的运行状态信息。
37.第三步，利用上述区域状态信息集，确定上述区域边缘节点集中每个区域边缘节点的闲置资源，得到闲置资源集。其中，上述闲置资源可以是区域边缘节点具有的资源去除边缘节点运行对应任务信息所需资源的资源。
38.第四步，从上述闲置资源集中筛选出满足预设闲置资源阈值的区域边缘节点作为目标区域边缘节点，得到目标区域边缘节点集。其中，上述预设闲置资源阈值可以是边缘节点包括的资源的百分之三十的资源。
39.第五步，获取上述目标区域边缘节点集中每个目标区域边缘节点的历史任务信息组，得到历史任务信息组集。其中，上述历史任务信息组中的历史任务信息可以是在当前时间之前的、上述目标区域边缘节点执行过的任务信息。
40.第六步，根据上述历史任务信息组集，生成上述目标区域边缘节点集中每个目标区域边缘节点的任务完成率，得到任务完成率集。其中，上述任务完成率可以是上述目标区域边缘节点按时、成功完成任务信息的效率。
41.作为示例，上述执行主体可以对于上述历史任务信息组集中每个历史任务信息组，执行以下确定步骤：将按时、成功完成的历史任务信息的数量与上述历史任务信息组包括的历史任务信息的数量的比值，确定为目标区域边缘的任务完成率。
42.第七步，从上述任务完成率集中筛选出满足预设任务完成率阈值的目标区域边缘节点作为任务区域边缘节点，得到任务区域边缘节点集。其中，上述预设任务完成率阈值可以是0.8。
43.第八步，构建动态资源调度规则信息。其中，上述动态资源调度规则信息可以表征依据上述任务区域边缘节点集中每个任务区域边缘节点的任务完成率构建的资源调度规则的信息。实践中，上述执行主体可以首先，确定上述任务区域边缘节点集的初始优先级集。其中，上述初始优先级集中的每个初始优先级是相同的。然后，响应于确定任务区域边缘节点每次都可以按时、成功完成分配的任务信息，将对应的任务区域边缘节点的优先级提高一级。最后，响应于确定任务区域边缘节点每次接收分配的任务信息，并且任务完成率小于预设任务完成率阈值，将对应的任务区域边缘节点的优先级降低一级。
44.第九步，根据上述动态资源调度规则信息，确定上述任务区域边缘节点集中提供闲置资源的任务区域边缘节点，得到资源区域边缘节点集。
45.作为示例，上述执行主体可以首先，通过上述动态资源调度规则信息，确定当前时刻、上述任务区域边缘节点集中每个任务区域边缘节点的优先级，得到当前优先级集。然后，将上述当前优先级集和初始优先级集进行对比，得到对比结果集。最后，将上述对比结果集中当前优先级大于等于初始优先级的对比结果，确定为目标对比结果集。将上述目标对比结果集对应的任务区域边缘节点集，确定为资源区域边缘节点集。
46.第十步，将上述资源区域边缘节点集对应的闲置资源信息集调度至上述任务边缘节点，得到调度后边缘节点。
47.上述技术方案其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“仅仅将资源比较充足的边缘节点的资源或者云端资源调度至资源不足的边缘节点，考虑因素较为单一，不能保证资源的质量，从而，导致增大资源调度的难度和传输负载，任务完成稳定性较低”。导致资源调度的难度和传输负载较大，任务完成稳定性较低的因素往往如下：仅仅将资源比较充足的边缘节点的资源或者云端资源调度至资源不足的边缘节点，考虑因素较为单一，不能保证资源的质量，从而，导致增大资源调度的难度和传输负载，任务完成稳定性较低。如果解决了上述因素，就能达到降低资源调度难度和传输负载，提高任务完成稳定性的效果。为了达到这一效果，本公开首先，确定位于上述任务边缘节点预设范围内的边缘节点集，作为区域边缘节点集。在这里，确定预设范围内的边缘节点可以减少资源调度的难度和长距离传输的传输负载。其次，获取上述区域边缘节点集中每个区域边缘节点的状态信息，得到状态信息集，作为区域状态信息集。利用上述区域状态信息集，确定上述区域边缘节点集中每个区域边缘节点的闲置资源，得到闲置资源集。在这里，得到的闲置资源集，可以减少闲置资源的浪费，提高资源利用率。再次，从上述闲置资源集中筛选出满足预设闲置资源阈值的区域边缘节点作为目标区域边缘节点，得到目标区域边缘节点集。在这里，筛选满足预设闲置资源阈值的区域边缘节点可以保证各个区域边缘节点正常处理任务信息，提高资源的合理利用。接着，获取上述目标区域边缘节点集中每个目标区域边缘节点的历史任务信息组，得到历史任务信息组集。根据上述历史任务信息组集，生成上述目标区域边缘节点集中每个目标区域边缘节点的任务完成率，得到任务完成率集。从上述任务完成率集中筛选出满足预设任务完成率阈值的目标区域边缘节点作为任务区域边缘节点，得到任务区域边缘节点集。在这里，筛选出满足预设任务完成率阈值的目标区域边缘节点可以提高提供资源的质量，从而可以提高任务完成稳定性。然后，构建动态资源调度规则信息。在这里，构建动态资源调度规则信息便于后续进行资源调度。最后，根据上述动态资源调度规则信息，确定上述任务区域边缘节点集中提供闲置资源的任务区域边缘节点，得到资源区域边缘节点集。在这里，通过优先级确定资源区域边缘节点可以提高调度资源的质量，提高任务完成的效率。将上述资源区域边缘节点集对应的闲置资源信息集调度至上述任务边缘节点，得到调度后边缘节点。由此，通过考虑边缘节点的位置信息、闲置资源、任务完成率等多项因素，可以降低资源调度难度和传输负载，提高任务完成稳定性。
48.步骤106，将采集任务信息发送至调度后边缘节点，以及接收调度后边缘节点发送的采集数据。
49.在一些实施例中，上述执行主体可以将上述采集任务信息发送至上述调度后边缘节点，以及接收上述调度后边缘节点发送的采集数据。其中，上述采集数据可以是与上述采集任务信息对应的数据。
50.在一些实施例的一些可选的实现方式中，上述采集数据可以是通过以下步骤得到的：第一步，响应于接收到上述采集任务信息，对上述采集任务信息进行解析处理，得到解析后任务信息。
51.第二步，将接入至上述调度后边缘节点的物联设备集，确定为接入物联设备集。其中，上述物联设备集中的物联设备可以是连接互联网、可以采集数据和传输数据的设备。例如，上述物联设备可以包括以下至少一项：智能化电气设备、传感器和摄像头。
52.第三步，对上述接入物联设备集中的每个接入物联设备进行识别，以生成接入物联设备特征信息，得到接入物联设备特征信息集。
53.作为示例，上述执行主体可以利用设备识别模型，对上述接入物联设备集中的每个接入物联设备进行识别，以生成接入物联设备特征信息，得到接入物联设备特征信息集。其中，上述设备识别模型可以是cnn（convolutional neural network，卷积神经网络）模型，也可以是rnn（recurrent neural networks，循环神经网络）模型。
54.第四步，根据上述解析后任务信息和上述接入物联设备特征信息集，确定与上述采集数据对应的接入物联设备，作为目标物联设备。
55.作为示例，上述执行主体可以从上述接入物联设备特征信息集中筛选出、与上述解析后任务信息相匹配的接入物联设备特征信息，得到目标接入物联设备特征信息。将与上述目标接入物联设备特征信息对应的接入物联设备，确定为目标物联设备。
56.第五步，接收上述目标物联设备发送的视频数据。其中，上述视频数据可以是待识别的视频数据。
57.第六步，获取训练完成的目标检测模型文件。其中，上述目标检测模型文件可以是用于对上述视频数据进行识别的模型的文件。
58.第七步，将上述视频数据输入至上述目标检测模型文件对应的目标检测模型中，得到采集数据。
59.在一些实施例的一些可选的实现方式中，上述目标检测模型可以是通过以下步骤训练得到的：第一步，获取样本集，其中，上述样本集中的样本包括：视频、与视频对应的样本标签集。其中，上述样本标签集中的样本标签可以是对视频中的物体进行类别识别的标签。
60.第二步，对于上述样本集中的每个样本，执行以下训练步骤：子步骤1，对上述样本对应的视频进行关键帧提取处理，得到关键帧序列。其中，关键帧序列中的关键帧可以是包含视频中主要语义信息的视频帧。实践中，上述执行主体可以利用光流法，对上述样本对应的视频进行关键帧提取处理，得到关键帧序列。
61.子步骤2，将上述关键帧序列输入至初始目标检测模型，得到样本对应的检测结果集。其中，上述初始目标检测模型可以是对上述视频中的物体进行识别的模型。例如，上述初始目标检测模型可以是r-cnn（region with cnn features）模型，也可以是ssd（single short multibox detector，单次多边框检测）模型。上述检测结果集中的检测结果可以是利用初始目标检测模型，对视频中的物体进行识别，得到的物体类别结果。
62.子步骤3，将样本对应的样本标签集与检测结果集进行比较，得到比较结果集。其中，上述比较结果集中的比较结果可以包括：表征上述检测结果与对应的样本标签相同、表征上述检测结果与对应的样本标签不相同。
63.子步骤4，根据比较结果集，确定初始目标检测模型是否达到预设优化目标。其中，上述预设优化目标可以是上述初始目标检测模型的准确度。例如，上述预设优化目标可以是0.9。
64.作为示例，上述执行主体可以首先，确定上述对比结果集中检测结果与样本标签相同的数量，得到正确样本数量。然后，将上述正确样本数量与对比结果集包括的对比结果的数量的比值，确定为损失值。最后，通过上述损失值，确定初始目标检测模型是否达到预设优化目标。
65.子步骤5，响应于确定初始目标检测模型达到优化目标，将初始目标检测模型确定为训练完成的目标检测模型。
66.第三步，响应于确定初始目标检测模型未达到优化目标，调整初始目标检测模型的相关参数，以及从样本集中重新选取样本，将调整后的初始目标检测模型作为初始目标检测模型，以再次执行上述训练步骤。实践中，上述执行主体可以采用反向传播算法（back propgation algorithm，bp算法）和梯度下降法（例如，小批量梯度下降算法）对上述初始目标检测模型的相关参数进行调整。
67.在一些实施例的一些可选的实现方式中，上述对上述接入物联设备集中的每个接入物联设备进行识别，以生成接入物联设备特征信息，得到接入物联设备特征信息集，可以包括以下步骤：第一步，对于接入物联设备集中的每个接入物联设备，执行以下命名实体识别处理步骤：子步骤1，向上述接入物联设备发送第一探测报文，以及接收上述接入物联设备发送的第一响应信息。其中，上述第一探测报文可以是探测上述接入物联设备是否连接网络的信息。上述第一响应信息可以是接收上述第一探测报文的接入物联设备回应第一探测报文的信息。
68.子步骤2，响应于确定上述第一响应信息表征上述接入物联设备连接成功，向上述接入物联设备的多个端口发送第二探测报文，以及接收上述接入物联设备发送的第二响应信息。其中，上述第二探测报文可以是探测接入物联设备的多个端口是否可以通信的报文。上述第二响应信息可以是接入物联设备可以通信的端口发送的响应第二探测报文的信息。
69.子步骤3，响应于确定上述第二响应信息表征多个端口中存在连接成功的端口，利用连接成功的端口，获取上述接入物联设备的接入设备标语信息。其中，上述多个端口可以是上述接入物联设备与其他接入物联设备进行通信的端口。例如，上述多个端口可以是端口21、端口22、端口23、端口80和端口443。上述接入设备标语信息可是表征接入物联设备的身份信息。实践中，上述执行主体可以利用nmap（network mapper，网络映射器）工具，对第二响应信息进行解析，得到接入设备标语信息。上述namp工具可以是对设备端口进行扫描的工具。
70.子步骤4，对上述接入设备标语信息进行清洗处理，得到表征上述接入物联设备的第一身份信息。其中，上述第一身份信息可以是接入物联设备的类型、接入物联设备的设备型号和接入物联设备的生产厂商。上述清洗处理可以包括：解析特殊格式数据、去除转义字符、特殊字符和标点字符、去除停用词、去重处理。上述特殊格式数据可以是html（hypertext markup language，超文本标记语言）格式数据。
71.子步骤5，获取上述接入物联设备的通信流量数据。其中，上述通信流量数据可以是上述接入物联设备发送和接收的数据。
72.子步骤6，对上述通信流量数据进行特征字段提取处理，得到表征上述接入物联设
备的第二身份信息。其中，上述第二身份信息可以是表征物联设备的身份信息。上述第二身份信息可以包括：接入物联设备的类型、接入物联设备的设备型号和接入物联设备的生产厂商。上述特征字段提取处理可以是对表征上述接入物联设备的身份信息的特征字段的提取。上述特征字段可以是基于不同通信协议的特征字段。上述不同通信协议可以包括以下至少一项：http（hyper text transfer protocol，超文本传输协议）/xml（extensible markup language，可扩展标记语言）协议、ssdp （simple service discovery protocol，简单服务发现协议）协议、dhcp （dynamic host configuration protocol，动态主机配置协议）协议。例如，上述特征字段可以包括以下至少一项：host name、vendor class identifier和manufacture。
73.子步骤7，响应于确定上述第一身份信息和上述第二身份信息相同，根据上述第一身份信息，生成针对上述接入物联设备的设备查询链接。其中，上述设备查询链接可以是上述接入物联设备的查询链接。例如，上述设备查询链接可以是https：//google.com/search?q=chuangmi_camera_ipc019&btngsearch。其中，“？”表示url的末尾。“&”表示分隔参数。“q”表示查询的开始。“btngsearch”表示点击搜索按钮。
74.作为示例，上述执行主体可以利用第一身份信息中的设备型号，生成针对上述接入物联设备的设备查询链接。
75.子步骤8，根据上述设备查询链接，爬取与上述接入物联设备相关的网页信息，得到设备文本数据。其中，上述网页信息可以是有关上述接入物联设备详细信息的网页信息。上述设备文本数据可以是爬取的、与上述接入物联设备相关的内容。
76.作为示例，上述执行主体可以首先，通过上述设备查询链接，获取与上述接入物联设备的页面信息。然后，利用爬虫框架，对上述网页信息中有关上述接入物联设备的文本数据进行爬取，得到设备文本数据。
77.子步骤9，上述设备文本数据进行预处理，得到处理后设备文本数据。其中，上述处理后设备文本数据可以是去除与上述接入物联设备无关的信息。上述无关的内容信息可以是广告内容信息。
78.子步骤10，对上述处理后设备文本数据进行命名实体识别，得到目标命名实体，作为接入物联设备特征信息。其中，上述目标命名实体可以是表征接入物联设备的生产厂商、型号和类型的三元组命名实体。实践中，上述执行主体可以将上述处理后设备文本数据输入至命名实体模型中，得到目标命名实体，作为接入物联设备特征信息。上述命名实体模型可以是hmm（hidden markov model，隐马尔科夫模型）。
79.在一些实施例的一些可选的实现方式中，上述对上述处理后设备文本数据进行命名实体识别，得到目标命名实体，作为物联设备特征信息，包括：第一步，对上述处理后设备文本数据进行双字节编码处理，得到字向量序列。其中，上述字向量序列中的字向量可以是字的向量化表示。
80.作为示例，上述执行主体可以首先，采用上述动态字节编码模型中的wordpiece算法，对上述处理后设备文本数据进行中文语句切分处理，得到字序列。上述动态字节编码模型可以是编码各个分句间的逻辑关系的模型。然后，通过查询字向量表，将上述字序列中的每个字转换为一维向量，得到字向量序列。其中，上述字向量序列中的字向量由字向量、分段向量和位置向量组成。上述分段向量可以是在模型训练过程中自动学习，用于划分子句，
并与字向量的语义信息相融合的向量。上述位置向量用于表征文本不同位置的词语所携带的语义信息存在差异。
81.第二步，将上述字向量序列输入至物联设备识别模型包括的双向自注意编码网络，得到动态字特征向量。其中，上述物联设备识别模型可以是对上述处理后设备文本数据进行目标实体识别的模型。上述物联设备识别模型的输入是处理后设备文本数据，输出为物联设备的设备名称的模型。上述双向自注意编码网络包括预设阈值个transformer编码器。上述预设阈值可以是12。上述transformer编码器可以包括字向量与位置编码层、多头自注意力机制层、残差连接层、标准化层和前馈网络层。上述字向量与位置编码层可以是提供处理后设备文本数据中每个字的位置信息，以及识别每个字在处理后设备文本数据中的依赖关系和时序关系的网络层。上述头自注意力机制层可以是确定处理后设备文本数据中每个字与句中其余字的相互关系，使得每个字向量含有处理后设备文本数据包括的字向量的信息的网络层。上述标准化层可以是加快模型训练速度和模型收敛速度的网络层。上述残差连接层可以是解决梯度消失和网络退化问题的网络层。上述前馈网络包括两层网络层，第一层前馈网络的激活函数是relu（rectified linear unit，线性整流函数），第二层前馈网络的激活函数是非线性激活函数。上述动态字特征向量可以表征上下文语境和语义特征。
82.第三步，将上述动态字特征向量输入至上述物联设备识别模型包括的前向长短期记忆网络，得到前向时序特征向量。其中，上述前向时序特征向量可以是表征上文语义信息的特征向量。
83.第四步，将上述动态字特征向量输入至上述物联设备识别模型包括的后向长短期记忆网络，得到后向时序特征向量。其中，上述后向时序特征向量可以表征下文语义信息的特征向量。前向和后向长短期记忆网络之间不会共用状态，前向长短期记忆网络状态传递沿正序方向传递，前向长短期记忆网络沿逆序方向传递。
84.第五步，将上述前向时序特征向量和上述后向时序特征向量进行拼接处理，得到全局时序特征向量。其中，上述全局时序特征向量可以是包含上下文语义信息的特征向量。
85.第六步，将上述全局时序特征向量输入至上述物联设备识别模型包括的多头注意力机制层，得到权重全局时序特征向量。其中，上述多头注意力机制层可以是对上述全局时序特征向量分配不同的注意力权重、考虑文本上下文信息的网络层。上述权重全局时序特征向量可以是表征不同权重信息的全局时序特征向量。上述权重全局时序特征向量可以是通过以下步骤得到的：全局时序特征向量分别通过三次线性变换，得到询问向量、键向量和值向量。其中，上述询问向量可以是全局时序特征向量与预设询问权重向量的乘积对应的向量。上述键向量可以是全局时序特征向量与预设键向量的乘积对应的向量。上述值向量可以是全局时序特征向量和预设值向量的乘积对应的向量。其次，将上述询问向量、上述键向量和上述值向量进行线性投影，得到预设阈值个平行子空间。其中，上述预设阈值可以是与询问向量、键向量和值向量的维度数值。然后，利用多头注意力计算预设阈值个平行子空间的注意力权重，得到预设阈值个权重向量。最后，将上述预设阈值个权重向量进行拼接，得到权重全局时序特征向量。
86.第七步，将上述动态字特征向量输入至上述物联设备识别模型包括的第一卷积提取层，得到第一局部特征感知向量。其中，上述第一卷积提取层可以是3*3的卷积层。上述第
一局部特征感知向量可以是表征上述动态字特征向量局部特征的特征向量。
87.第八步，将上述第一局部特征感知向量输入至上述物联设备识别模型包括的第一门控单元，得到第一局部特征向量。其中，上述第一门控单元可以用于控制第一局部特征感知向量传递力度、缓解梯度弥散问题、增强局部特征的门控单元。上述第一局部特征向量可以是表征字向量之间时间依赖的特征向量。
88.第九步，将上述动态字特征向量输入至上述物联设备识别模型包括的第二卷积提取层，得到第二局部特征感知向量。其中，上述第二卷积提取层可以是5*5的卷积层。上述第二局部特征感知向量可以是表征上述动态字特征向量局部特征的特征向量。
89.第十步，将上述第二局部特征感知向量输入至上述物联设备识别模型包括的第二门控单元，得到第二局部特征向量。其中，上述第二局部特征向量可以是表征字向量之间时间依赖的特征向量。
90.第十一步，将上述动态字特征向量输入至上述物联设备识别模型包括的第三卷积提取层，得到第三局部特征感知向量。其中，上述第三卷积提取层可以是7*7的卷积层。上述第三局部特征感知向量可以是表征上述动态字特征向量局部特征的特征向量。
91.第十二步，将上述第三动态字向量矩阵输入至上述物联设备识别模型包括的第三门控单元，得到第三局部特征向量。其中，上述第三局部特征向量可以是表征字向量之间时间依赖的特征向量。
92.第十三步，将上述第一局部特征向量、上述第二局部特征向量和上述第三局部特征向量输入至上述物联设备识别模型包括的平均池化层，得到多粒度局部特征向量。其中，上述多粒度局部特征向量可以是表征不同局部特征的特征向量。
93.第十四步，对上述全局时序特征向量和上述多粒度局部特征向进行特征融合，得到多级语义特征向量。其中，上述多级语义特征向量可以是对多粒度局部特征融合后得到的特征向量。
94.第十五步，将上述多语义特征向量输入至上述物联设备识别模型包括的分类层，得到第一预测结果。其中，上述分类层可以是全连接层。上述第一预测结果可以是对上述处处理后设备文本数据的分类结果。
95.第十六步，将上述第一预测结果输入至上述物联设备识别模型包括的条件随机场层，得到第二预测结果。其中，上述条件随机场层可以是考虑上下文语义信息的网络层。上述第二预测结果可以是包含上下文语义信息的分类预测结果。
96.第十七步，根据上述第二预测结果，确定目标命名实体，作为物联设备特征信息。
97.作为示例，上述执行主体可以将上述第二预测结果中最大预测数值对应的命名实体，确定为目标命名实体，作为物联设备特征信息。
98.上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“现有命名实体模型基本上将静态字向量作为输入，然而，静态字向量无法根据文本上下文进行动态调整，不能充分考虑词语和句子之间的关联关系，造成命名实体模型准确率较低，进而导致物联设备识别准确率较低，云端的安全性较低”。导致物联设备识别准确率较低，云端的安全性较低的因素往往如下：现有命名实体模型基本上将静态字向量作为输入，然而，静态字向量无法根据文本上下文进行动态调整，不能充分考虑词语和句子之间的关联关系，造成命名实体模型准确率较低，进而导致物联设备识别准确率较
低，云端的安全性较低。如果解决了上述因素，就能达到提高物联设备识别准确率和云端的安全性的效果。为了达到这一效果，本公开首先，对上述处理后设备文本数据进行双字节编码处理，得到字向量序列。在这里，对处理后设备文本数据进行编码处理，得到表征能力更强的动态字向量。将上述字向量序列输入至物联设备识别模型包括的双向自注意编码网络，得到动态字特征向量，避免了静态字向量无法根据具体任务的上下文语境进行动态调整的问题。其次，在这里，采用双向自注意编码网络可以提取不同类型特征，可以增强物联设备识别模型的特征提取能力，提高命名实体的识别准确率。再次，将上述动态字特征向量输入至上述物联设备识别模型包括的前向长短期记忆网络，得到前向时序特征向量。将上述动态字特征向量输入至上述物联设备识别模型包括的后向长短期记忆网络，得到后向时序特征向量。将上述前向时序特征向量和上述后向时序特征向量进行拼接处理，得到全局时序特征向量。将上述全局时序特征向量输入至上述物联设备识别模型包括的多头注意力机制层，得到权重全局时序特征向量。在这里，通过双向长短期记忆网络和多头注意力机制层可以充分挖掘上下文深层语义信息，突出关键特征向量。随后，将上述动态字特征向量输入至上述物联设备识别模型包括的第一卷积提取层，得到第一局部特征感知向量。将上述第一局部特征感知向量输入至上述物联设备识别模型包括的第一门控单元，得到第一局部特征向量。将上述动态字特征向量输入至上述物联设备识别模型包括的第二卷积提取层，得到第二局部特征感知向量。将上述第二局部特征感知向量输入至上述物联设备识别模型包括的第二门控单元，得到第二局部特征向量。将上述动态字特征向量输入至上述物联设备识别模型包括的第三卷积提取层，得到第三局部特征感知向量。将上述第三动态字向量矩阵输入至上述物联设备识别模型包括的第三门控单元，得到第三局部特征向量。在这里，通过不同卷积核的卷积提取层可以提高物联设备识别模型局部感知能力，不同门控单元可以控制局部特征向量传递的力度、缓解梯度弥散问题和增强局部特征语义信息充分提取处理后文本数据的不同粒度的局部特征。然后，将上述第一局部特征向量、上述第二局部特征向量和上述第三局部特征向量输入至上述物联设备识别模型包括的平均池化层，得到多粒度局部特征向量。在这里，平均池化层可以减少物联设备识别模型的参数数量，提高物联设备识别模型的收敛速度。最后，对上述全局时序特征向量和上述多粒度局部特征向进行特征融合，得到多级语义特征向量。将上述多语义特征向量输入至上述物联设备识别模型包括的分类层，得到第一预测结果。将上述第一预测结果输入至上述物联设备识别模型包括的条件随机场层，得到第二预测结果。在这里，通过条件随机场层可以考虑相邻标签的关系，增强前后标签的约束条件，获取一个全局最优预测结果，可以提高物联设备识别准确率和云端通信安全性。根据上述第二预测结果，确定目标命名实体，作为物联设备特征信息。由此，双字节编码和双向自注意编码网络可以从海量无标注语料中学习到的丰富的语言学知识特征进行迁移学习，解决数据低资源的问题，并在小规模的电机领域标注数据集上进行微调，得到具有强大的表征能力的动态字向量，弥补了小规模电机文本语义信息不足的问题。双向长短期记忆网络和多窗口门控 cnn 单元分支对全局时序特征和多粒度的局部特征进行感知，将全局时序特征和多粒度的局部特征拼接形成句子的整体特征。采用全连接层将整体特征映射到分类空间，并利用 条件随机场层学习前后文本内容的约束信息，输出概率最大的预测分类，作为物联设备特征信息，从而提高了物联设备识别模型的准确性和云端通信的安全性。
99.步骤107，响应于确定采集数据中存在异常数据，触发告警信息，以及控制与异常数据对应的至少一个物联设备集执行至少一个预设物联设备联动规则信息确定的操作。
100.在一些实施例中，上述执行主体可以响应于确定上述采集数据中存在异常数据，触发告警信息，以及控制与上述异常数据对应的至少一个物联设备集执行至少一个预设物联设备联动规则信息确定的操作。其中，上述至少一个预设物联设备联动规则信息中的预设物联设备联动规则信息与上述至少一个物联设备集中的物联设备集存在一一对应关系。上述异常数据可以是数据对应的数值超过预设阈值的数据。上述预设阈值可以根据具体环境情况确定。例如，上述异常数据可以是烟雾浓度超过预设阈值的烟雾浓度数据。预设阈值的烟雾浓雾可以是15%。上述告警信息可以是提醒相关人员的信息。上述预设物联设备联动规则信息可以是预先制定好的、物联设备之间联动的规则信息。例如，上述预设物联设备联动规则信息可以是检测到土壤湿度低于12%，控制滴管物联设备对农作物进行灌溉的规则信息。上述触发和控制的方式包括以下至少一项：定时触发和控制、高级变量触发和控制、低级变量触发和控制和测点触发和控制。上述普通变量触发和控制可以是对数据进行简单的比较进行的触发和控制。例如，简单的比较可以是大于、等于和小于。上述高级变量触发和控制可以是对数据进行自定义处理进行的触发和控制。上述自定义处理可以是用户自定义的模型处理。上述测点可以表征物联设备的属性信息。例如，上述测点触发和控制可以是物联设备的发送机的转动速度进行的触发和控制。
101.在一些实施例的一些可选的实现方式中，上述控制与上述异常数据对应的至少一个物联设备集执行至少一个预设物联设备联动规则信息确定的操作，可以包括以下步骤：第一步，确定与上述异常数据对应的至少一个预设物联设备联动规则信息。
102.第二步，对于上述至少一个预设物联设备联动规则信息中的每个预设物联设备联动规则信息，执行以下控制步骤：子步骤1，确定与上述预设物联设备联动规则信息对应的物联设备集，作为关联物联设备集。其中，上述关联物联设备集中的关联物联设备可以是上述预设物联设备联动规则信息中涉及的物联设备。实践中，上述执行主体可以对上述预设物联设备联动规则信息进行物联设备信息提取，得到与上述预设物联设备联动规则信息对应的物联设备集，作为关联物联设备集。其中，上述物联设备信息提取可以是对上述预设物联设备联动规则信息中的设备标识字段的提取。
103.子步骤2，响应于确定上述关联物联设备集中存在接入云端的关联物联设备，将接入云端的至少一个关联物联设备，确定为至少一个目标关联物联设备。其中，上述接入云端的关联物联设备的接入方式可以是通过mqtt、modbus（modbus protocol，串行通信）协议、tcp（transmission control protocol，传输控制）协议、opc ua（opc unified architecture，opc统一架构）协议和s7协议。
104.子步骤3，控制上述至少一个目标关联物联设备执行与上述预设物联设备联动规则信息确定的操作。
105.可选地，在上述控制上述至少一个目标关联物联设备执行与上述预设物联设备联动规则信息确定的操作之后，上述方法还可以包括以下步骤：第一步，响应于确定上述关联物联设备集中存在关联物联设备所属边缘节点是上述调度后边缘节点，向上述调度后边缘节点发送上述预设物联设备联动规则信息。
106.第二步，响应于确定上述关联物联设备集中存在关联物联设备所属边缘节点不是上述调度后边缘节点，确定所属边缘节点不同的、上述关联物联设备集中的至少一个关联物联设备对应的至少一个边缘节点，作为目标边缘节点集。实践中，上述执行主体可以通过上述至少一个关联物联设备发送的信息，确定上述至少一个关联物联设备对应的至少一个边缘节点，作为目标边缘节点。
107.第三步，向上述目标边缘节点集中的每个目标边缘节点发送上述预设物联设备联动规则信息。
108.本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的物联设备联动控制方法通过云边协同框架，将联动规则下发至边缘节点，可以降低传输延迟和云端负载，提高物联设备管理效率。具体来说，造成相关的传输延迟较高，云端数据处理负载较高和物联设备管理效率较低的原因在于：利用云端控制物联设备执行对应的预设物联设备联动规则，造成传输延迟和云端数据处理负载较高，物联设备管理效率较低。基于此，本公开的一些实施例的物联设备联动控制方法可以首先，对接入的边缘节点集中的每个边缘节点进行识别，以生成边缘节点特征信息，得到边缘节点特征信息集。在这里，对接入的边缘节点进行识别可以提高云端的安全性。其次，根据边缘节点特征信息集，确定与采集任务信息对应的边缘节点，作为任务边缘节点，其中，采集任务信息是发送至任务边缘节点的、以控制任务边缘节点采集数据的任务信息。在这里，确定与采集任务信息对应的边缘节点，即将采集任务信息下发至边缘节点可以降低数据传输时延，提高传输稳定性。再次，获取任务边缘节点对应的边缘状态信息。在这里，获取边缘状态信息便于后续确定边缘节点是否可以执行数据采集任务信息。接着，根据边缘状态信息，确定任务边缘节点是否满足采集任务信息对应的资源需求。随后，响应于确定任务边缘节点不满足采集任务信息对应的资源需求，对任务边缘节点进行资源调度处理，得到调度后边缘节点。在这里，进行资源调度处理可以解决边缘节点负载不均衡问题，提高边缘节点资源利用率。然后，将采集任务信息发送至调度后边缘节点，以及接收调度后边缘节点发送的采集数据。最后，响应于确定上述采集数据中存在异常数据，触发告警信息，以及控制与上述异常数据对应的至少一个物联设备集执行至少一个预设物联设备联动规则信息确定的操作，其中，上述至少一个预设物联设备联动规则信息中的预设物联设备联动规则信息与上述至少一个物联设备集中的物联设备集存在一一对应关系。在这里，通过异常数据触发预设物联设备联动规则信息可以实现物联设备协同工作，实现物联设备的及时响应，提高物联设备的管理效率。由此可得，该物联设备联动控制方法通过云边协同框架，将联动规则下发至边缘节点，可以降低传输延迟和云端负载，提高物联设备管理效率。
109.进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种物联设备联动控制装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该物联设备联动控制装置具体可以应用于各种电子设备中。
110.如图2所示，一种物联设备联动控制装置200包括：识别单元201、第一确定单元202、获取单元203、第二确定单元204、资源调度处理单元205、发送单元206和控制单元207。其中，识别单元201被配置成：对接入的边缘节点集中的每个边缘节点进行识别，以生成边缘节点特征信息，得到边缘节点特征信息集。第一确定单元202被配置成：根据上述边缘节点特征信息集，确定与采集任务信息对应的边缘节点，作为任务边缘节点，其中，上述采集
任务信息是发送至上述任务边缘节点的、以控制上述任务边缘节点采集数据的任务信息。获取单元203被配置成：获取上述任务边缘节点对应的边缘状态信息。第二确定单元204被配置成：根据上述边缘状态信息，确定上述任务边缘节点是否满足上述采集任务信息对应的资源需求。资源调度处理单元205被配置成：响应于确定上述任务边缘节点不满足上述采集任务信息对应的资源需求，对上述任务边缘节点进行资源调度处理，得到调度后边缘节点。发送单元206被配置成：将上述采集任务信息发送至上述调度后边缘节点，以及接收上述调度后边缘节点发送的采集数据。控制单元207被配置成：响应于确定上述采集数据中存在异常数据，触发告警信息，以及控制与上述异常数据对应的至少一个物联设备集执行至少一个预设物联设备联动规则信息确定的操作，其中，上述至少一个预设物联设备联动规则信息中的预设物联设备联动规则信息与上述至少一个物联设备集中的物联设备集存在一一对应关系。
111.可以理解的是，物联设备联动控制装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于物联设备联动控制装置200及其中包含的单元，在此不再赘述。
112.下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如，电子设备）300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
113.如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（rom）302中的程序或者从存储装置308加载到随机访问存储器（ram）303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出（i/o）接口305也连接至总线304。
114.通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
115.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
116.需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线
的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
117.在一些实施方式中，客户端、服务器可以利用诸如http（hyper text transfer protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
118.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对接入的边缘节点集中的每个边缘节点进行识别，以生成边缘节点特征信息，得到边缘节点特征信息集；根据上述边缘节点特征信息集，确定与采集任务信息对应的边缘节点，作为任务边缘节点，其中，上述采集任务信息是发送至上述任务边缘节点的、以控制上述任务边缘节点采集数据的任务信息；获取上述任务边缘节点对应的边缘状态信息；根据上述边缘状态信息，确定上述任务边缘节点是否满足上述采集任务信息对应的资源需求；响应于确定上述任务边缘节点不满足上述采集任务信息对应的资源需求，对上述任务边缘节点进行资源调度处理，得到调度后边缘节点；将上述采集任务信息发送至上述调度后边缘节点，以及接收上述调度后边缘节点发送的采集数据；响应于确定上述采集数据中存在异常数据，触发告警信息，以及控制与上述异常数据对应的至少一个物联设备集执行至少一个预设物联设备联动规则信息确定的操作，其中，上述至少一个预设物联设备联动规则信息中的预设物联设备联动规则信息与上述至少一个物联设备集中的物联设备集存在一一对应关系。
119.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（lan）或广域网（wan）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
120.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程
序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
121.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括识别单元、第一确定单元、获取单元、第二确定单元、资源调度处理单元、发送单元和控制单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，识别单元还可以被描述为“对接入的边缘节点集中的每个边缘节点进行识别，以生成边缘节点特征信息，得到边缘节点特征信息集的单元”。
122.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。
123.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。