[发明专利]电梯故障检测方法和装置

说明书

本发明提供一种电梯故障检测方法和装置，所述方法包括以下步骤：获取电梯运行状态显示区域的图像；从所述电梯运行状态显示区域的图像中分割出字符区域；通过训练好的深度神经网络对所述字符区域进行字符识别，以得到故障类型；根据所述故障类型发出相应的报警或指示信号。本发明能够实现对电梯运行状态的无人智能巡检，方便、高效、准确且实时性好，从而能够降低电梯维护的人工成本，有效保障电梯运行的安全性。

技术领域

本发明涉故障检测技术领域，具体涉及一种电梯故障检测方法、一种电梯故障检测装置、一种计算机设备和一种非临时性计算机可读存储介质。

背景技术

目前对于电梯故障信号的检测主要以人工目检为主，这种检测方式比较耗时，实时性差，且效率较低。

发明内容

本发明为解决上述技术问题，提供了一种电梯故障检测方法和装置，能够实现对电梯运行状态的无人智能巡检，方便、高效、准确且实时性好，从而能够降低电梯维护的人工成本，有效保障电梯运行的安全性。

本发明采用的技术方案如下：

一种电梯故障检测方法，包括以下步骤：获取电梯运行状态显示区域的图像；从所述电梯运行状态显示区域的图像中分割出字符区域；通过训练好的深度神经网络对所述字符区域进行字符识别，以得到故障类型；根据所述故障类型发出相应的报警或指示信号。

从所述电梯运行状态显示区域的图像中分割出字符区域，具体包括：通过构建颜色空间模型，将所述电梯运行状态显示区域的图像中字符区域与背景区域分离以分割出所述字符区域。

所述深度神经网络包括卷积层、循环层和转录层。

所述卷积层、所述循环层和所述转录层分别使用CNN(Convolutional NeuralNetworks，卷积神经网络)、RNN(Recurrent Neural Network，循环神经网络)和CTC(Connectionist Temporal Classification，联结时序分类)。

一种电梯故障检测装置，包括：图像获取模块，所述图像获取模块用于获取电梯运行状态显示区域的图像；图像分割模块，所述图像分割模块用于从所述电梯运行状态显示区域的图像中分割出字符区域；故障识别模块，所述故障识别模块用于通过训练好的深度神经网络对所述字符区域进行字符识别，以得到故障类型；报警指示模块，所述报警指示模块用于根据所述故障类型发出相应的报警或指示信号。

所述图像分割模块具体用于通过构建颜色空间模型，将所述电梯运行状态显示区域的图像中字符区域与背景区域分离以分割出所述字符区域。

所述深度神经网络包括卷积层、循环层和转录层。

所述卷积层、所述循环层和所述转录层分别使用CNN、RNN和CTC。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述电梯故障检测方法。

一种非临时性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述电梯故障检测方法。

本发明的有益效果：

本发明通过获取电梯运行状态显示区域的图像，并从电梯运行状态显示区域的图像中分割出字符区域，然后通过训练好的深度神经网络对字符区域进行字符识别，以得到故障类型，并根据故障类型发出相应的报警或指示信号，由此，能够实现对电梯运行状态的无人智能巡检，方便、高效、准确且实时性好，从而能够降低电梯维护的人工成本，有效保障电梯运行的安全性。

附图说明

图1为本发明实施例的电梯故障检测方法的流程图；

图2为本发明一个实施例的深度神经网络的结构示意图；