[发明专利]一种基于深度学习的机房设备智能识别方法及系统

权利要求书

1.一种基于深度学习的机房设备智能识别方法，其包括：

步骤S101、采集指定机房设备的工作状态信息，其包括：

基于用户指令，获取所述指定机房设备的坐标；

基于所述坐标，采集所述指定机房设备的工作状态信息，所述工作状态信息是指包含所述指定机房设备的指示灯的图片；

步骤S103、使用第一神经网络模型对所述工作状态信息进行数据加工，得到第一加工数据，其包括：

采用预先训练的设备识别神经网络模型，对所述图片进行识别，并对所述设备进行定位；

基于所述定位信息将所述图片中的设备部分裁剪下来，包括：

将含有机房设备的图像分为S×S的网格，获取S×S的网格中的每个网格图像；

在每个网格中预测多个边界框和置信度分数，每一个边界框包含5个值：分别为x，y，w，h和confidence，(x，y)坐标表示边界框相对于网格单元边界框的中心；w表示宽度，h表示高度，confidence为置信度，并且confidence表示预测框与边界框之间的交集；

根据每个网格的置信度分数和预测的概率，输出机房设备类型和设备在图片中的坐标位置，并根据得到的(x，y)坐标以及w，h，使用opencv计算机视觉库对图片中设备部分进行截取并保存为第一加工数据；

步骤S105、使用第二神经网络模型对所述第一加工数据进行处理，得到第二加工数据，其包括：

采用预先训练的指示灯识别神经网络模型，基于第一加工数据对设备指示灯进行检测；

步骤S107、将所述第二加工数据与预存参考数据进行比对，包括：

将在数据库中预先存储的指定机房设备故障对应的指示灯数目，和检测出的关键设备图片上的指示灯数目进行对比；

步骤S109、基于比对结果，执行相应的操作，包括：

若检测的设备指示灯图片与预存储的指示灯图片显示相同的故障，则发出相应的警报；

其中，所述在数据库中预先存储的指定机房设备故障对应的指示灯数目，包括：

构建数据库对应的设备故障表，根据不同设备发生故障时指示灯数目不同，将设备名称和设备发生故障时指示灯数目写入。

2.如权利要求1所述方法，其中所述设备识别神经网络模型训练过程包括：

构建第一训练样本集，所述第一训练样本集中包括多张标记了指定机房设备的图片，所述图片由机器人在巡检中预先采集；

采用yolo算法对所述第一训练样本集中的多张图片进行训练，得到所述指定机房设备识别神经网络模型的各个参数。

3.如权利要求1所述方法，其中所述指示灯识别神经网络模型训练过程具体包括：

构建第二训练样本集，所述第二训练样本集中包括多张标记设备指示灯的第二图片，所述第二图片由机器人在巡检过程中预先采集；

采用yolo算法对所述第二训练样本集中的多张第二图片进行训练，得到设备指示灯识别神经网络模型的各个参数。

4.一种基于深度学习的机房设备智能识别系统，其包括：

采集模块，其用于采集指定机房设备的工作状态信息，所述采集模块包括：

-坐标获取模块，其基于用户指令，获取所述指定机房设备的坐标；

-信息采集模块，其基于所述坐标，采集所述指定机房设备的工作状态信息，所述工作状态信息是指包含所述指定机房设备的指示灯的图片；

第一数据加工模块，其使用第一神经网络模型对所述工作状态信息进行数据加工，得到第一加工数据，所述第一数据加工模块包括：

-识别定位模块，其采用预先训练的设备识别神经网络模型，对所述图片进行识别，并对所述设备进行定位；

-裁剪模块，其基于所述定位信息将所述图片中的设备部分裁剪下来，并保存为第一加工数据，包括：

将含有机房设备的图像分为S×S的网格，获取S×S的网格中的每个网格图像；

在每个网格中预测多个边界框和置信度分数，每一个边界框包含5个值：分别为x，y，w，h和confidence，(x，y)坐标表示边界框相对于网格单元边界框的中心；w表示宽度，h表示高度，confidence为置信度，并且confidence表示预测框与边界框之间的交集；

根据每个网格的置信度分数和预测的概率，输出机房设备类型和设备在图片中的坐标位置，并根据得到的(x，y)坐标以及w，h，使用opencv计算机视觉库对图片中设备部分进行截取并保存为第一加工数据；

第二数据加工模块，其使用第二神经网络模型对所述第一加工数据进行处理，得到第二加工数据，其包括：

采用预先训练的指示灯识别神经网络模型，基于第一加工数据对设备指示灯进行检测；

比对模块，其用于将所述第二加工数据与预存参考数据进行比对，包括：

将在数据库中预先存储的指定机房设备故障对应的指示灯数目，和检测出的关键设备图片上的指示灯数目进行对比；

其中，所述在数据库中预先存储的指定机房设备故障对应的指示灯数目，包括：

构建数据库对应的设备故障表，根据不同设备发生故障时指示灯数目不同，将设备名称和设备发生故障时指示灯数目写入；

处理模块，其用于基于比对结果，执行相应的操作，包括：

若检测的设备指示灯图片与预存储的指示灯图片显示相同的故障，则发出相应的警报。