【技术实现步骤摘要】
本申请涉及计算机视觉领域，尤其涉及一种设备检测方法、装置、设备、存储介质以及计算机程序产品。
技术介绍
1、随着通信领域技术和市场需求的发展，对机房建设的需求也日益增长。目前，机房多以机柜作为设备的放置介质，机柜按照行业约定的配置设计完成，且设备也遵循行业约定配置后，便可将设备置于机柜插槽。当前主流机房的规模一般包含上百列机柜和上千台设备，设备存在因维修、添加等导致机柜设备变化的可能，传统的机柜设备检测管理主要依赖于巡检人员定期对机房进行现场查勘实现。
2、而近年来，随着人工智能的快速发展，越来越多的人工工作可以通过人工智能来代替。而在机房检测方面，目前也通过引入ai算法，利用机器视觉识别技术来代替人工巡检，既提高了机房巡检效率，同时也降低了机房巡检的人力和时间成本。
3、目前，ai机房巡检主要是通过预先训练好的目标检测模型(比如yolo系列模型)对采集到的机房图像进行目标检测，以实现单板，手环，接地线，指示灯等质检任务。
4、然而，现有的目标检测模型主要是通过公开数据集训练得到的，导致针对机房质检这一特殊场景，现有目标检测模型存在检测准确率较低的问题，同时由于机房质检场景下还存在设备杂乱的问题，导致利用目前目标检测模型进行机房设备检测还会存在漏检、多检以及错检的问题，极大地影响了设备检测的准确率。
5、由此可见，目前亟需一种高效且准确的机房设备检测方法。
技术实现思路
1、本申请实施例提供一种设备检测方法，用以解决现有目标检测方法针
2、本申请实施例还提供一种设备检测装置，用以解决现有目标检测方法针对机房检测场景存在的检测准确率较差的问题。
3、本申请实施例还提供一种设备检测设备，用以解决现有目标检测方法针对机房检测场景存在的检测准确率较差的问题。
4、本申请实施例还提供一种计算机可读存储介质，用以解决现有目标检测方法针对机房检测场景存在的检测准确率较差的问题。
5、本申请实施例还提供一种计算机程序产品，用以解决现有目标检测方法针对机房检测场景存在的检测准确率较差的问题。
6、本申请实施例采用下述技术方案：
7、一种设备检测方法，包括：获取待检测机房设备对应的设备图片；利用预先训练好的目标检测模型对所述设备图片进行目标识别，确定所述设备图片中的第一目标对象对应的第一检测框；根据所述第一检测框，对所述设备图片进行裁剪，得到包含所述第一检测框的第一检测图片；将所述第一检测图片输入所述目标检测模型，根据所述目标检测模型对所述第一检测图片进行目标识别，确定所述设备图片中的第二目标对象对应的第二检测框；根据所述第二检测框，对所述第一检测图片进行裁剪，得到包含所述第二检测框的第二检测图片；利用预先训练好的分类模型，对所述第二检测图片进行分类识别，根据分类识别结果，确定所述待检测机房设备的检测结果。
8、一种设备检测装置，包括：图片采集单元，用于获取待检测机房设备对应的设备图片；第一目标识别单元，用于利用预先训练好的目标检测模型对所述设备图片进行目标识别，确定所述设备图片中的第一目标对象对应的第一检测框；第一裁剪单元，用于根据所述第一检测框，对所述设备图片进行裁剪，得到包含所述第一检测框的第一检测图片；第二目标识别单元，用于将所述第一检测图片输入所述目标检测模型，根据所述目标检测模型对所述第一检测图片进行目标识别，确定所述设备图片中的第二目标对象对应的第二检测框；第二裁剪单元，根据所述第二检测框，对所述第一检测图片进行裁剪，得到包含所述第二检测框的第二检测图片；分类单元，用于利用预先训练好的分类模型，对所述第二检测图片进行分类识别，根据分类识别结果，确定所述待检测机房设备的检测结果。
9、一种设备检测设备，包括：
10、处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：获取待检测机房设备对应的设备图片；利用预先训练好的目标检测模型对所述设备图片进行目标识别，确定所述设备图片中的第一目标对象对应的第一检测框；根据所述第一检测框，对所述设备图片进行裁剪，得到包含所述第一检测框的第一检测图片；将所述第一检测图片输入所述目标检测模型，根据所述目标检测模型对所述第一检测图片进行目标识别，确定所述设备图片中的第二目标对象对应的第二检测框；根据所述第二检测框，对所述第一检测图片进行裁剪，得到包含所述第二检测框的第二检测图片；利用预先训练好的分类模型，对所述第二检测图片进行分类识别，根据分类识别结果，确定所述待检测机房设备的检测结果。
11、一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：获取待检测机房设备对应的设备图片；利用预先训练好的目标检测模型对所述设备图片进行目标识别，确定所述设备图片中的第一目标对象对应的第一检测框；根据所述第一检测框，对所述设备图片进行裁剪，得到包含所述第一检测框的第一检测图片；将所述第一检测图片输入所述目标检测模型，根据所述目标检测模型对所述第一检测图片进行目标识别，确定所述设备图片中的第二目标对象对应的第二检测框；根据所述第二检测框，对所述第一检测图片进行裁剪，得到包含所述第二检测框的第二检测图片；利用预先训练好的分类模型，对所述第二检测图片进行分类识别，根据分类识别结果，确定所述待检测机房设备的检测结果。
12、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现：获取待检测机房设备对应的设备图片；利用预先训练好的目标检测模型对所述设备图片进行目标识别，确定所述设备图片中的第一目标对象对应的第一检测框；根据所述第一检测框，对所述设备图片进行裁剪，得到包含所述第一检测框的第一检测图片；将所述第一检测图片输入所述目标检测模型，根据所述目标检测模型对所述第一检测图片进行目标识别，确定所述设备图片中的第二目标对象对应的第二检测框；根据所述第二检测框，对所述第一检测图片进行裁剪，得到包含所述第二检测框的第二检测图片；利用预先训练好的分类模型，对所述第二检测图片进行分类识别，根据分类识别结果，确定所述待检测机房设备的检测结果。
13、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
14、采用本申请实施例提供的设备检测方法，在进行机房设备检测时，可以通过部署在机房内的摄像装置，远程采集并获取待检测机房设备对应的设备图片，利用预先训练好的目标检测模型对采集到的设备图片进行目标识别，确定所述设备图片中的第一目标对象对应的第一检测框；根据第一检测框，对设备图片进行裁剪，得到包含第一检测框的第一检测图片；将第一检测图片输入所述目标检测模型，根据目标检测模型对第一检测图片进行目标识别，确定设备图片中的第二目标对象对应的第二检测框，并根据第二检测框，对第一检测图片进行裁剪，得到包含第二检测框的第二检测图片；利本文档来自技高网...
【技术保护点】
1.一种设备检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标检测模型是由Yolov4网络模型经训练获得，所述Yolov4网络模型包括一个主干网络backbone模块、一个颈部网络neck模块以及两个头部网络head模块。
3.根据权利要求1所述的方法，其特征在于，预先训练所述目标检测模型，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述第二训练样本集输入至所述YOLOv4网络模型，对所述Yolov4网络模型的backbone模块、neck模块以及第二head模块进行训练，得到第二目标检测子网络，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一检测框，对所述设备图片进行裁剪，得到包含所述第一检测框的第一检测图片，具体包括：
6.一种设备检测装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，还包括模型训练单元，具体用于：
8.根据权利要求7所述的装置，其特征在于，所述模型训练单元，具体用于：
9.一种设
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行如权利要求1-5任一权项所述的设备检测方法。
11.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现如权利要求1-5任一权项所述的设备检测方法。
...【技术特征摘要】
1.一种设备检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标检测模型是由yolov4网络模型经训练获得，所述yolov4网络模型包括一个主干网络backbone模块、一个颈部网络neck模块以及两个头部网络head模块。
3.根据权利要求1所述的方法，其特征在于，预先训练所述目标检测模型，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述第二训练样本集输入至所述yolov4网络模型，对所述yolov4网络模型的backbone模块、neck模块以及第二head模块进行训练，得到第二目标检测子网络，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一检测框，对所述...
【专利技术属性】
技术研发人员：谢天培，赵宇翔，林文英，余立，范胡磊，许一宁，毛思颖，刘思琪，
申请(专利权)人：中国移动通信集团浙江有限公司，
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。