[发明专利]一种基于红外图像的服务器热故障监测及诊断方法

说明书

本发明公开了一种基于红外图像的服务器热故障监测及诊断方法，其包括：采集服务器不同热故障状态下的红外图像及可见光图像；利用基于图像配准的标准化方法对每一种热故障状态下的图像进行倾斜校正处理，并采用手动分割方法确定红外图像中包含服务器的感兴趣区域；将确定的感兴趣区域图像转换成对应的灰度图像，并对其提取基于图像熵的特征；采用PCA方法对所获得的全局熵以及局部熵行列均值特征进行降维处理；降维后得到的特征主成分用于训练支持向量机分类器；采集待检测的服务器所对应的红外图像及可见光图像，通过训练好的SVM模型诊断出所述服务器的热故障状态类型。本发明极大地提高了数据中心管理人员的管理效率，便于工程调试和系统维护。

技术领域

本发明属于图像处理技术领域，具体的说是涉及一种基于红外图像的服务器热故障监测及诊断方法。

背景技术

在数据中心规模高速扩张的同时，服务器的高密度集成导致其发热量增长，为了使服务器在合适环境下正常运行，而不致发生由于温度过高引发的宕机事故，很多数据中心不得不提高制冷空调的功率，这样造成数据中心能耗高、效率低下的现象。因此，精准地监测与控制机房温度，提高空调制冷效率、实现数据中心的节能降耗成为数据中心建设和维护过程中不可忽视的问题。

具体的说，数据中心内部温度分布不平衡现象是影响制冷效率的主因之一，数据中心中超高热服务器数量约占5％。由此可见我们既需要解决这5％的超高热机柜的散热问题，也需要很好地解决大多数“高热”机柜的散热问题。同时需要说明的是，我们不能用“超高热”散热方法解决“高热”机柜的散热问题，也不能用常规机房空调的方法来解决“过热”问题。如通过调整负载分布，调整制冷资源分布，或人工作业等方式，排除局部高温或高热源头(简称热点)，进而可以实现平衡温度的目的。因此需要对数据中心内部环境温度场进行有效感知和分析。

目前，对大型数据中心的温度场测量，通用的方法是将大量温度传感器置于数据中心关键位置；然后，通过某种方法收集所有传感器的测量数据。早期的测量方法使用的是有线传感器，但是昂贵的安装及配置成本阻碍其广泛使用。虽然无线传感器具有低成本、无侵入式测量等优点，但是Chieh-Jan Mike Liang等人在“RACNet:A High-Fidelity DataCenter Sensing Network”文中指出了数据中心的电磁环境不利于传感器网络的大规模无线通信。另外，无论采用上述何种传感器网络覆盖一个大型数据中心，都要解决对上万节点的三维坐标标定、后期维护、数据管理等问题。同时，温度传感器空间分辨率不足，无法得到热点的详细信息。若传感器没有部署在合适的位置，我们不能准确地获得的热点的大小及温度最值，这将无法为后续处理提供充分的信息。

发明内容

鉴于已有技术存在的缺陷，本发明的目的是要提供一种基于红外图像的服务器热故障监测及诊断方法，该方法利用红外图像温度与灰度之间的关系，感知服务器温度异常点，从而对服务器热故障状态进行判断，极大地提高了数据中心管理人员的管理效率，便于工程调试和系统维护，同时提高数据中心空调系统的制冷效率，利于数据中心节能减排。

为了实现上述目的，本发明的技术方案：

一种基于红外图像的服务器热故障监测及诊断方法，其特征在于，包括如下步骤：

步骤1、采集服务器不同热故障状态下的红外图像及可见光图像，使得每一热故障状态对应服务器的一种热故障状态类型；

步骤2、基于图像配准的标准化方法对每一种热故障状态下的两幅图像进行倾斜校正处理，并采用手动分割方法确定红外图像中感兴趣区域，所述感兴趣区域至少包含服务器所在区域；

步骤3、对所确定的感兴趣区域的图像转换成对应的灰度图像并基于图像灰度分布的特征，自所述灰度图像中提取所对应的图像熵特征，以获得与当前所提取的红外图像相对应的图像灰度分布的聚集特征以及空间特征；所述的图像熵特征包括图像的全局熵和局部熵行列均值；