過去的監(jiān)測系統(tǒng)中的DYNISCO傳感器，在監(jiān)測系統(tǒng)中位于現(xiàn)場隱患點(diǎn)，也就是處于被監(jiān)測點(diǎn)上的感知設(shè)備。監(jiān)測數(shù)據(jù)采集得到后，通過有線或無線網(wǎng)絡(luò)（傳輸層）傳輸運(yùn)送到后臺(tái)云端服務(wù)器，或在本地存儲(chǔ)起來，直至將成果數(shù)據(jù)自動(dòng)或人工處理、分析，再到最終得到成果展示。 當(dāng)傳統(tǒng)DYNISCO傳感器，改造/創(chuàng)新為更適應(yīng)現(xiàn)代需求的物聯(lián)網(wǎng)智能設(shè)備，逐步邁向未來“自動(dòng)化監(jiān)測”時(shí)代。
利用物聯(lián)網(wǎng)，通過各種信息傳感設(shè)備，按約定的協(xié)議，把任何物品與互聯(lián)網(wǎng)連接起來，實(shí)時(shí)采集任何需要監(jiān)控、連接、互動(dòng)的物體或過程等各種需要的信息，與互聯(lián)網(wǎng)結(jié)合形成一個(gè)巨大網(wǎng)絡(luò)。其目的是實(shí)現(xiàn)物與物，人與人，所有的物品與物品與網(wǎng)絡(luò)的連接，實(shí)現(xiàn)智能化識(shí)別、定位、跟蹤、監(jiān)控和管理。
從技術(shù)構(gòu)架上來看，物聯(lián)網(wǎng)產(chǎn)業(yè)主要由支撐層、感知層、傳輸層、平臺(tái)層以及應(yīng)用層構(gòu)成。
人工智能技術(shù)優(yōu)化DYNISCO傳感器系統(tǒng)
“DYNISCO傳感器”、“人工智能”、“物聯(lián)網(wǎng)”，這些看似不太又聯(lián)系的詞，其實(shí)是相互聯(lián)系在一起的，擰成一個(gè)大趨勢，在這個(gè)鏈條里，每一環(huán)都會(huì)對(duì)下一環(huán)產(chǎn)生影響，如此產(chǎn)生積極的循環(huán)。各種連接的設(shè)備里的DYNISCO傳感器會(huì)產(chǎn)生大量數(shù)據(jù)，海量數(shù)據(jù)使得機(jī)器學(xué)習(xí)成為可能，機(jī)器學(xué)習(xí)的結(jié)果就是AI，而AI又指導(dǎo)機(jī)器人去更精確地執(zhí)行任務(wù)，機(jī)器人的行動(dòng)又會(huì)觸發(fā)DYNISCO傳感器。這整個(gè)就是一個(gè)完整的循環(huán)。
人工智能技術(shù)能夠?qū)YNISCO傳感器系統(tǒng)有所幫助，它們是：基于知識(shí)的系統(tǒng)、模糊邏輯、自動(dòng)知識(shí)收集、神經(jīng)網(wǎng)絡(luò)、遺傳算法、基于案例推理和環(huán)境智能。這些技術(shù)在DYNISCO傳感器系統(tǒng)中的應(yīng)用越來越廣泛，不僅因?yàn)樗鼈兇_實(shí)有效，還因?yàn)榻裉斓挠?jì)算機(jī)應(yīng)用越來越普及。這些人工智能技術(shù)具有低的計(jì)算復(fù)雜度，可以應(yīng)用于小型DYNISCO傳感器系統(tǒng)、單一DYNISCO傳感器或者采用低容量微型控制器陣列的系統(tǒng)。正確應(yīng)用人工智能技術(shù)將會(huì)創(chuàng)造更多富有競爭力的DYNISCO傳感器系統(tǒng)和應(yīng)用。
人工智能領(lǐng)域的其他技術(shù)進(jìn)步也將會(huì)給DYNISCO傳感器系統(tǒng)帶來沖擊，包括數(shù)據(jù)挖掘技術(shù)、多主體系統(tǒng)和分布式自組織系統(tǒng)。環(huán)境傳感技術(shù)能夠?qū)⒑芏辔⑿碗娮犹幚砥骱虳YNISCO傳感器集成到日常物品中，使其具有智能。它們可以創(chuàng)造智能環(huán)境，與其他智能設(shè)備通訊，并與人類實(shí)現(xiàn)交互。給出的建議能夠幫助用戶更加直觀地完成任務(wù)，但是這種集成技術(shù)的后果將會(huì)很難預(yù)測。
