[發明專利]一種基于深度學習的設備故障告警方法和系統

有效

• 申請號: 202011572332.9
• 申請日: 2020-12-28
• 公開（公告）號: CN112287915B
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 張蔓琪
• 申請（專利權）人: 北京蒙帕信創科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 楊云

1.一種基于深度學習的設備故障告警方法，其特征在于，該方法包括以下步驟：

對巡檢機器人的參數進行配置包括配置設備指示燈U數信息，所述參數至少還包括：云臺/升降桿檢測點、攝像機參數、部件運行規則和告警規則；

通過對所述巡檢機器人的參數進行配置，以確認解析區域在機房現場圖片中的位置；

所述設備指示燈U數信息配置包括：

根據機房現場圖片，對所述解析區域預留余量以選擇設備指示燈U數信息；

根據所述圖片中實際指示燈的位置，獲取算法參數；

對所述算法參數賦值，通過所述算法參數值來確認所述解析區域在所述圖片中的位置，以用于定位所述圖片中的像素位置點；

基于配置參數驅動所述巡檢機器人執行機房現場圖片采集；

將采集的若干機房現場圖片存入數據庫中；

從所述數據庫讀取收集到設備的若干機房現場圖片，并對所述若干機房現場圖片進行預處理；

訓練深度學習算法模型，包括：

通過主干特征提取網絡對預處理后的若干機房現場圖片進行特征提取，獲得共享特征層；

通過卷積和共享特征層截取到局部特征層，再對截取到的局部特征層進行分區域的池化；以及

對池化后的所有局部特征層進行分類預測和回歸預測，從而預測每個局部特征層是否包含指示燈；以及

基于訓練好的模型，對巡檢機器人進行實時控制，以確定是否有機房設備狀態異常。

2.如權利要求1所述的設備故障告警方法，其特征在于，其中所述算法參數包括：設備結束U數參數、設備開始U數參數、x軸結束像素點參數、y軸結束像素點參數、 x軸開始像素點參數和 y軸開始像素點參數。

3.如權利要求1所述的設備故障告警方法，其特征在于，其中所述云臺/升降桿檢測點設置包括：設置所述云臺或升降桿檢測點，其中所述云臺檢測點包括攝像機和熱成像，所述升降桿檢測點包括相機。

4.如權利要求3所述的設備故障告警方法，其特征在于，其中所述攝像機/相機參數配置包括通過參數配置頁面來對參數進行設置，將曝光模式切為手動和設置快門參數值，并且所述快門參數值越大曝光時間越長，拍攝的畫面也就越亮。

5.如權利要求2所述的設備故障告警方法，其特征在于，其中所述部件運行規則配置包括：根據巡檢機器人的實時視角圖片，在參數配置頁面選擇設備和設備指示燈U數信息，并指定部件以設置部件運行規則。

6.如權利要求5所述的設備故障告警方法，其特征在于，其中對所述告警規則進行配置，包括：針對設置部件進行告警指標規則設置。

7.一種使用如權利要求1-6任一項 所述的設備故障告警方法的系統，其特征在于，包括：

參數配置模塊，其用于對巡檢機器人的參數進行配置，所述參數至少包括：設備指示燈U數信息、云臺/升降桿檢測點、攝像機參數、部件運行規則和告警規則，所述參數至少還包括：云臺/升降桿檢測點、攝像機參數、部件運行規則和告警規則；

通過對所述巡檢機器人的參數進行配置，以確認解析區域在機房現場圖片中的位置；

所述設備指示燈U數信息配置包括：

根據機房現場圖片，對所述解析區域預留余量以選擇設備指示燈U數信息；

根據所述圖片中實際指示燈的位置，獲取算法參數；

對所述算法參數賦值，通過所述算法參數值來確認所述解析區域在所述圖片中的位置，以用于定位所述圖片中的像素位置點；

圖像采集模塊，其用于基于上述參數驅動所述巡檢機器人執行機房現場圖像數據采集；

數據庫，其用于存儲采集的若干機房現場圖像數據；

預處理模塊，其用于從所述數據庫讀取收集到的若干機房現場圖像數據，并對所述若干機房現場圖像數據進行預處理；

模型訓練模塊，其用于訓練深度學習算法模型，包括：

特征提取模塊，其用于通過主干特征提取網絡對預處理后的若干機房現場圖像數據進行特征提取，獲得共享特征層；

池化模塊，其用于通過卷積和共享特征層截取到局部特征層，再對截取到的局部特征層進行分區域的池化；以及

預測模塊，其用于對池化后的所有局部特征層進行分類預測和回歸預測，從而預測每個局部特征層是否包含指示燈；以及

控制模塊，其用于基于訓練好的模型，對巡檢機器人進行實時控制，以確定是否有機房設備狀態異常。