[發明專利]一種設備狀態運行自動檢測的方法

在審

• 申請號: 201910765429.2
• 申請日: 2019-08-19
• 公開（公告）號: CN112395928A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 朱瑩瑩;錢斌;譚龍田;譚澤漢;陳彥宇;馬雅奇;周慧子
• 申請（專利權）人: 珠海格力電器股份有限公司;珠海聯云科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06T7/11
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 吳大建;張杰

1.一種設備運行狀態自動檢測的方法，其特征在于，包括以下步驟：

S100，構建用于識別指示燈的特征的指示燈識別檢測模型；其中，所述指示燈的特征包括指示燈的位置特征和指示燈的形狀特征；

S200，利用所述指示燈識別檢測模型，從包含待檢測設備的圖像中提取僅含待檢測設備的指示燈的圖像部分；

S300，對僅含待檢測設備的指示燈的圖像部分進行圖像處理，以識別待檢測設備的指示燈的狀態；其中，所述指示燈的狀態包括指示燈的亮度和/或顏色；

S400，根據待檢測設備的指示燈的狀態判斷待檢測設備的運行狀態。

2.根據權利要求1所述的設備運行狀態自動檢測的方法，其特征在于，

所述指示燈識別檢測模型為基于語義分割的深度學習神經網絡模型。

3.根據權利要求2所述的設備運行狀態自動檢測的方法，其特征在于，構建用于識別指示燈的特征的所述指示燈識別檢測模型，具體包括以下步驟：

S110，利用攝像裝置采集包含各目標設備在各種運行狀態下的指示燈的圖像；

S120，對采集到的圖像進行標注；其中，所述標注包括定義采集到的圖像中的指示燈的位置特征和形狀特征；

S130，建立基于語義分割的深度學習神經網絡模型，并利用已經標注的圖像訓練所述深度學習神經網絡模型的參數，直到利用所述深度學習神經網絡模型獲得的指示燈的特征識別結果的正確率滿足給定的要求；

S140，將滿足給定要求的所述深度學習神經網絡模型作為用于識別指示燈的特征的指示燈識別檢測模型。

4.根據權利要求1至3中任意一項所述的設備運行狀態自動檢測的方法，其特征在于，利用所述指示燈識別檢測模型，從包含待檢測設備的圖像中提取含有待檢測設備的指示燈的圖像部分，具體包括以下步驟：

S210，利用攝像裝置拍攝包含待檢測設備的圖像；

S220，利用所述指示燈識別檢測模型識別拍攝的圖像中待檢測設備的指示燈的位置和特征，并從包含待檢測設備的圖像中提取僅含待檢測設備的指示燈的圖像部分。

5.根據權利要求4所述的設備運行狀態自動檢測的方法，其特征在于：

在提取到的僅含待檢測設備的指示燈的圖像部分中，指示燈區域保留原有的色彩，指示燈輪廓及其周圍的背景部分為黑色并且像素值為0。

6.根據權利要求5所述的設備運行狀態自動檢測的方法，其特征在于，所述對僅含待檢測設備的指示燈的圖像部分進行圖像處理，以識別待檢測設備的指示燈的狀態，具體包括以下步驟：

對僅含待檢測設備的指示燈的圖像部分進行二值化閾值處理；

根據二值化閾值處理結果判斷待檢測設備的指示燈的明滅狀態。

7.根據權利要求6所述的設備運行狀態自動檢測的方法，其特征在于，所述對僅含待檢測設備的指示燈的圖像部分進行二值化閾值處理，根據二值化閾值處理結果判斷待檢測設備的指示燈的明滅狀態，具體包括以下步驟：

將僅含待檢測設備的指示燈的圖像部分中像素值大于等于閾值的區域視為明亮區域，并設置成白色；

將僅含待檢測設備的指示燈的圖像部分中像素值小于閾值的區域視為未亮區域，并設置為黑色；

統計僅含待檢測設備的指示燈的圖像部分中的每個指示燈的明亮區域。

8.根據權利要求6所述的設備運行狀態自動檢測的方法，其特征在于，所述對僅含待檢測設備的指示燈的圖像部分進行圖像處理，以識別待檢測設備的指示燈的狀態，具體還包括以下步驟：

對僅含待檢測設備的指示燈的圖像部分中的每個指示燈的明亮區域識別其色彩。