Edge Device Communication Framework
轻量级、高可扩展的边缘设备通信标准与库。封装网络通信与设备注册逻辑，仅需 3 行代码即可完成嵌入式 AI 设备与云端的接入。
LINES TO CONNECT
DETECTION RATE
END-TO-END LATENCY
MEMORY FOOTPRINT
What is it
RISE.L.net 是由 RISE.L 课题组开发的轻量级、高可扩展的边缘设备通信标准与库。源于智能安全监测系统实际应用中的经验总结，为嵌入式 AI 设备与云端服务器之间的通信提供简单、可靠、易扩展的解决方案。
低门槛 — 极简 API 设计，新手也能快速上手
高性能 — 针对 MicroPython 优化，内存占用极小
高可靠 — 自动重试、离线缓存，数据不丢失
高扩展 — 中间件、插件、传输层均可自定义
生产就绪 — 完善的认证、限流、日志、监控
多平台 — K230、ESP32、树莓派 Pico 等
Features
将网络通信、设备注册、心跳维护等复杂逻辑封装为极简 API，3 行代码完成设备与云端的完整接入。
自动设备注册、周期性心跳（30s）、离线超时检测（90s）、实时数据上报，完整管理设备生命周期。
传输层抽象、中间件系统、插件系统、存储层抽象 — 支持 HTTP/MQTT/WebSocket 多协议与多存储后端。
客户端支持 MicroPython（K230、ESP32、Pico），服务端支持 Python 3.6+（Linux/Windows/macOS）。
多级重试、离线缓存、网络恢复自动重传。智能心跳间隔调整，根据网络质量动态优化上报频率。
支持 API Key、JWT 令牌等多种认证方式，数据签名校验，限流机制，保护设备通信安全。
Code
# 服务器端 — 一行启动
from riselnet_server import quick_server
quick_server(8080, lambda device_id, data:
print(f"设备 {device_id} 上报: {data}")
)# 客户端 — 3行接入
from riselnet import quick_start
device = quick_start(
"http://server:8080",
"WiFi_SSID", "password"
)
device.report("detection", {
"helmet": 1,
"no_helmet": 0
})# 客户端高级用法
device = RISELDevice("http://server:8080")
device.use(RetryMiddleware(max_retries=3))
device.use(CompressionMiddleware())
device.transport(MQTTTransport("mqtt://server"))
device.start()# 服务器端高级用法
server = RISELServer(port=8080)
server.use(AuthMiddleware(api_key="secret"))
server.use(RateLimitMiddleware(max_rps=100))
server.storage(RedisStorage("redis://localhost"))
server.route("/api/custom", custom_handler)
server.plugin(TelegramNotifier(token="..."))
server.start()# 核心抽象层
class Transport:
"""传输层抽象基类"""
def send(self, endpoint, data):
raise NotImplementedError
class Middleware:
"""中间件基类"""
def before_send(self, endpoint, data):
return data# 心跳机制核心实现
def _heartbeat_loop(self):
while self._running:
payload = {
'device_id': self.device_id,
'timestamp': datetime.now().isoformat()
}
success, resp = self.transport.send(
'/heartbeat', payload
)
time.sleep(self.heartbeat_interval)Use Cases
基于 K230 的边缘 AI 安全监测系统 — 实时视频流处理 15fps，边缘 AI 推理模型 <5MB，云端数据聚合与即时告警。
连接工厂内各类传感器与设备，统一管理与数据采集。设备状态实时监控、故障预测预警、远程配置升级。
多节点传感器网络部署，环境参数监测（温度、湿度、PM2.5），数据聚合与边缘计算，异常事件检测。
对分散各地的设备进行远程监控与维护。运行状态实时监测、远程诊断、固件升级、维护计划自动生成。
The Team
Recognition Intelligence Systems Edge Lab — 专注于边缘智能 AI 系统和设备通信框架的研发，致力于将先进的人工智能技术应用于实际工业场景的学生课题组。