近年来,工业物联网迅猛发展,物联网设备在工业中得到了广泛的使用。在工业物联网网络架构中,通常使用边缘计算和云计算处理工业物联网设备所产生的计算任务以解决工业物联网设备计算能力不足的问题。然而,边缘计算和云计算在工业物联网环境下的数据传输、数据存储、资源分配等方面也存在着局限性,因此需要合理的计算卸载策略才能发挥边缘计算和云计算的优势。针对以上问题,本文提出了面向时延和能耗的云边端计算任务卸载算法（Computation Offloading Scheme for Time and Energy Consumption in Cloud-Edge-Terminal Collaboration Networks,COSTE）。首先,针对服务器大多为多线程处理和计算资源动态分配等特点建立了云边端计算卸载模型。进而,提出了基于受限最先适应算法的快速卸载算法和基于改进遗传算法的精准卸载算法协同卸载计算任务。最后,提出了基于动态阈值的卸载决策机制为任务合理适配卸载算法。本文对不同数量及性能的工业物联网设备和边缘服务器进行了仿真实验,与粒子群算法相比COSTE在降低总消耗方面拥有更优越的性能。为了可视化工业物联网业务的计算卸载过程,本文基于Django框架设计并实现了面向工业物联网的计算卸载模块。首先,详细描述了计算卸载模块的需求分析、结构框架和处理流程,然后设计并实现了参数配置模块、结果展示模块、模型与算法模块和数据存储模块,最后对模块进行了详细的测试。测试结果表明,所设计的计算卸载模块能够提高计算卸载的方便性和效率,满足工业物联网计算卸载的功能和性能需求。