设备接入仍是 IoT 项目里最耗人力的环节。一台边缘网关常要对接几十台异构设备，Modbus、DL/T 645、BACnet 的寄存器表各不相同，点表整理与人工核对往往占去调试期一半工时。
智能硬件实验室近期在自研边缘网关上验证了一条较务实的路径：不依赖完整的协议描述文件，直接从采集到的报文时序中提取特征（寄存器访问频率、数据变化率、量纲分布、地址连续性），再叠加设备铭牌与字段名的轻量语义向量做匹配，把原始地址自动归入“温度／电流／累计量”等语义槽位，并输出置信度，低置信项转人工确认后回流为样本。
要点一（进展）：在实验室内部 11 类设备、约 640 个点位上，首轮自动映射覆盖率达 82%，人工修正量下降约六成；模拟量与开关量的区分准确率 96%，量纲识别（℃、A、kWh）仍是主要误差来源。
要点二（下一步）：将量纲识别拆为“报文数值分布＋设备上下文”两路特征，并在网关侧做量化部署，把单台设备的映射耗时压到秒级，同时补充国产仪表与老旧 PLC 样本，验证跨厂商的泛化边界。
评论