本发明专利技术公开了一种机房巡检的设备故障检测方法及系统，该设备故障检测方法包括：建立待巡检目标设备的设备模板；依据设备模板控制采集模块获取至少一组目标设备的图像数据；采用第一模型识别图像数据中的指示灯，第二模型提取图像数据中目标设备的轮廓边界；确定轮廓边界和设备模板外框的仿射关系，给出仿射参数；基于仿射参数将识别出的指示灯仿射变换到设备模板上，匹配设备模板中的设定区域，并关联设定区域中的指示灯标志说明；根据指示灯标志说明，对目标设备存在的故障状态进行区域告警。本发明专利技术提出一种机房巡检的设备故障检测方法及系统，能够实现更细致的故障定位和告警。能够实现更细致的故障定位和告警。能够实现更细致的故障定位和告警。
【技术实现步骤摘要】
一种机房巡检的设备故障检测方法及系统
[0001]本专利技术涉及智能运维应用领域，具体涉及一种机房巡检的设备故障检测方法及系统。
技术介绍
[0002]在信息机房的巡检场景中，指示灯是用于指示设备运行状态的最显著特征之一。通常，以红灯表示故障、黄灯表示告警、绿灯表示正常和蓝灯表示运行，以颜色的显示为依据来判断设备是否发生故障。有研究通过图像采集装置和图像处理算法对信号灯的颜色进行解析，然后对设备的运行或故障状态进行判断，进而成为当下检测设备故障的一种重要方法。尤其是将这种方法配载到机器人巡检系统后，实现了自动、快速的指示灯状态检测和故障信息的及时反馈,为运维/安检人员的日常维保、以及严重故障的决策工作提供了关键的判断依据。
[0003]如专利CN112100039A采用一个指示灯检测模型对图像进行检测，并统计所拍摄图像范围或者检测框内的指示灯信息进行输出和告警。但是，这故障检测所实现的故障判断级别处于设备级别，即以图片/检测框为最小区分精度来告警，如：某某设备/检测框出现红灯/黄灯，判定该设备/检测块内出现了故障。这种方式对于设备所发生的具体故障类型或者故障区间的定位、判断，并不能满足。
[0004]因此，如何对设备的故障类型及故障区间进行智能识别，以实现更加精准细致的故障定位和告警是本领域技术人员亟待解决的问题。
技术实现思路
[0005]针对上述现有技术中存在的缺陷，本专利技术提供了一种机房巡检的设备故障检测方法及系统，能对设备的故障类型及故障区间进行智能识别，以实现更加精准细致的故障定位和告警，提升了机房巡检效率。
[0006]第一方面，本专利技术提供一种机房巡检的设备故障检测方法，包括：建立待巡检目标设备的设备模板；依据设备模板控制采集模块获取至少一组目标设备的图像数据，图像数据包括RGB图像和深度图像，RGB图像和深度图像配准，且像素点一一对应；采用第一模型识别图像数据中的指示灯，第二模型提取图像数据中目标设备的轮廓边界；确定轮廓边界和设备模板外框的仿射关系，给出仿射参数；基于仿射参数将识别出的指示灯仿射变换到设备模板上，匹配设备模板中的设定区域，并关联设定区域中的指示灯标志说明；根据指示灯标志说明，对目标设备存在的故障状态进行区域告警。
[0007]进一步的，建立待巡检目标设备的设备模板，具体包括：获得目标设备的模板图像，对模板图像进行标记，给出面板区域和面板边界；
对每个面板区域进行标记，划分出功能区域；完成待巡检目标设备的设备模板的建立；其中，划分出功能区域包括给出功能区域名称、功能区域边界及功能区域链接的指示灯标记说明。
[0008]进一步的，功能区域，包括电源区域、硬盘区域、网络区域以及自定义区域中的至少一种。
[0009]进一步的，依据设备模板控制采集模块获取至少一组目标设备的图像数据，具体包括：通过设备模板确定目标设备的采集信息，其中，采集信息包括目标设备型号和采集位置；根据采集信息调整采集模块至预定位置，获取至少一组目标设备的图像数据。
[0010]进一步的，采用第一模型识别图像数据中的指示灯，具体包括：提取图像数据中的RGB图像；将提取的RGB图像输入到预先训练完成的第一模型中，识别RGB图像中的指示灯；给出至少三组指示灯边界点的像素位置，并获取指示灯的颜色信息；其中，预先训练完成第一模型，具体包括：采集多张包括指示灯的预训练图像，形成训练图像数据；标注预训练图像中的指示灯颜色，生成与指示灯训练图像数据一一对应的颜色信息数据；通过训练图像数据和颜色信息数据训练图像识别模型，生成第一模型。
[0011]进一步的，第二模型提取图像数据中目标设备的轮廓边界，具体包括：提取图像数据中的深度通道，生成深度图像；将深度图像转换为灰度图像，并对灰度图像进行处理，获取目标设备的轮廓图；根据轮廓图给出最小矩形框，将最小矩形框作为目标设备的轮廓边界；其中，将深度图像转换为灰度图像，并对灰度图进行处理，获取目标设备的轮廓图，具体包括：根据采集模块的预定位置设置深度图像中像素点位置信息向灰度图像中颜色值转化的阈值，将像素点位置信息转化为颜色值；梳理各个颜色值的数量和比重，比较颜色值与阈值，给出灰度图中目标设备区域颜色值范围；获取目标设备的轮廓图。
[0012]进一步的，确定轮廓边界和设备模板外框的仿射关系，给出仿射参数，具体包括：从设备模板中获取目标设备对应的设备模板外框；建立目标设备的轮廓边界与设备模板外框的仿射关系，给出仿射参数A，具体为：其中，a1，b1，c1分别为轮廓边界中的任意三个角点，a2，b2，c2分别为设备模板外框中与a1，b1，c1对应的三个角点。
[0013]进一步的，将识别出的指示灯仿射变换到设备模板上，具体包括：根据仿射参数A，以及指示灯边界点的像素位置进行仿射投影，具体为：，其中表示图像数据中指示灯边界点的像素位置；表示模板图像中仿射投影后的指示灯像素位置；得到指示灯在模板图像中像素空间的新位置。
[0014]进一步的，匹配设备模板中的设定区域，并关联设定区域中的指示灯标志说明，具体包括：基于指示灯在模板图像中像素空间的新位置，依据新位置与功能区域的位置关系，计算指示灯与功能区域交集和并集的比值；根据比值，匹配功能区域；统计匹配后的各功能区域中指示灯的颜色信息和数量，链接指示灯标志说明。
[0015]第二方面，本专利技术还提供一种实现上述设备故障检测方法的系统，包括：图像采集模块，被配置为采集由深度拍摄装置反馈的目标设备的图像数据；图像处理模块，包括图像处理组件和设备模板组件，被配置为执行故障检测方法及程序；显示模块，被配置为显示目标设备的图像信息和告警信息。
[0016]本专利技术提供的设备故障检测方法，至少包括如下有益效果：通过对采集图像的指示灯和轮廓边界识别，并根据设备模板，可以达到设备区间级别的故障检测，从而实现更细致的故障告警，进一步提升巡检效率。
附图说明
[0017]图1为本专利技术提供的一种机房巡检的设备故障检测方法的流程图；图2为本专利技术提供的某一实施例的建立设备模板的流程图；图3为本专利技术提供的某一实施例的识别指示灯的流程图；图4为本专利技术提供的某一实施例的训练第一模型的流程图；图5为本专利技术提供的某一实施例的提取轮廓边界的流程图；图6为本专利技术提供的某一实施例的获取轮廓图的流程图；图7为本专利技术提供的某一实施例的确定仿射参数并匹配设备模板的流程图；图8为本专利技术提供的一种实现设备故障检测方法的系统的示意图；图9为本专利技术提供的某一实施例的系统的示意图。
具体实施方式
[0018]为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
[0019]参见图1所示，本实施提供一种机房巡检的设备故障检测方法，可以包括：建立待巡检目标设备的设备模板；依据设备模板控制采集模块获取至少一组目标设备的图像数据，图像数据包括
RGB图像和深度图像，RGB图像和深度图像配准，且像素点一一对应；采用第一模型识别图像数据中的指示灯，第二模型提取图像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机房巡检的设备故障检测方法，其特征在于，包括：建立待巡检目标设备的设备模板；依据设备模板控制采集模块获取至少一组目标设备的图像数据，图像数据包括RGB图像和深度图像，RGB图像和深度图像配准，且像素点一一对应；采用第一模型识别图像数据中的指示灯，第二模型提取图像数据中目标设备的轮廓边界；确定轮廓边界和设备模板外框的仿射关系，给出仿射参数；基于仿射参数将识别出的指示灯仿射变换到设备模板上，匹配设备模板中的设定区域，并关联设定区域中的指示灯标志说明；根据指示灯标志说明，对目标设备存在的故障状态进行区域告警。2.如权利要求1所述的设备故障检测方法，其特征在于，建立待巡检目标设备的设备模板，具体包括：获得目标设备的模板图像，对模板图像进行标记，给出面板区域和面板边界；对每个面板区域进行标记，划分出功能区域；完成待巡检目标设备的设备模板的建立；其中，划分出功能区域包括给出功能区域名称、功能区域边界及功能区域链接的指示灯标记说明。3.如权利要求2所述的设备故障检测方法，其特征在于，功能区域，包括电源区域、硬盘区域、网络区域以及自定义区域中的至少一种。4.如权利要求1所述的设备故障检测方法，其特征在于，依据设备模板控制采集模块获取至少一组目标设备的图像数据，具体包括：通过设备模板确定目标设备的采集信息，其中，采集信息包括目标设备型号和采集位置；根据采集信息调整采集模块至预定位置，获取至少一组目标设备的图像数据。5.如权利要求4所述的设备故障检测方法，其特征在于，采用第一模型识别图像数据中的指示灯，具体包括：提取图像数据中的RGB图像；将提取的RGB图像输入到预先训练完成的第一模型中，识别RGB图像中的指示灯；给出至少三组指示灯边界点的像素位置，并获取指示灯的颜色信息；其中，预先训练完成第一模型，具体包括：采集多张包括指示灯的预训练图像，形成训练图像数据；标注预训练图像中的指示灯颜色，生成与指示灯训练图像数据一一对应的颜色信息数据；通过训练图像数据和颜色信息数据训练图像识别模型，生成第一模型。6.如权利要求5所述的设备故障检测方法，其特征在于，第二模型提取图像数据中目标设...
【专利技术属性】
技术研发人员：李斌山，韩丹，常金琦，胡坤，
申请(专利权)人：北京蒙帕信创科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。