【技术实现步骤摘要】
一种电线检测方法、系统、设备以及介质
本专利技术涉及目标识别领域,具体涉及一种电线检测方法、系统、设备以及存储介质。
技术介绍
随着大数据信息行业的飞速发展,数据中心的发展也进入到一个新的阶段,其中服务器、空调等高功率设备需要常年运转。不可避免的,设备的电源总线需要常年负载高功率电流,这样就加剧了线缆老化的速度。如果不及时更换老化电线,会导致机房漏电和电压不稳定,由此影响服务器运行,可能会造成数据丢失、服务停摆等严重后果。现有技术中主要通过人工定时巡检,人工定期更换电线或传感器侦测线缆老化率检测电线是否老化。但是人工定时巡检检查电线老化状况,发现问题有滞后性(取决于巡检人员的巡检频率),不能够在第一时间发现并解决问题,而且每次检查电源总线,需要对机柜门开锁、落锁,各类线缆较复杂的情况下,需要用手去拨弄电线找到电源总线,有一定的危险性。而人工定期更换电线则为了确保电线的绝对安全,一般更换周期为30-40天不等,这种高频率的更换电源的方式,不仅增加了耗材成本,而且每次更换电源总线都要对核心服务做宕机操作,无法满足 ...
【技术保护点】
1.一种电线检测方法,其特征在于,包括以下步骤:/n实时采集预设位置的电线的图像,并每隔预设时间段将若干个采集到的图像上传到云端作为历史图像;/n利用训练好的神经网络模型对采集的图像进行识别;/n响应于识别到所述电线异常,将对应的实时图像上传到云端以根据多个所述历史图像进行验证;/n响应于验证结果仍为电线异常,进行反馈。/n
【技术特征摘要】
1.一种电线检测方法,其特征在于,包括以下步骤:
实时采集预设位置的电线的图像,并每隔预设时间段将若干个采集到的图像上传到云端作为历史图像;
利用训练好的神经网络模型对采集的图像进行识别;
响应于识别到所述电线异常,将对应的实时图像上传到云端以根据多个所述历史图像进行验证;
响应于验证结果仍为电线异常,进行反馈。
2.如权利要求1所述的方法,其特征在于,利用训练好的神经网络模型对采集的图像进行识别,进一步包括:
构建训练集和神经网络;
利用所述训练集对所述神经网络进行迭代训练,以确定所述神经网络的卷积核参数和神经网络结构参数。
3.如权利要求2所述的方法,其特征在于,利用所述训练集对所述神经网络进行迭代训练,以确定所述神经网络的卷积核参数和神经网络结构参数,进一步包括:
每次迭代训练后,根据softmax函数的导数确定下一次迭代训练对应的所述卷积核参数和所述神经网络结构参数的调整尺度,并根据真实值减去预测值的正负值确定下一次迭代训练对应的所述卷积核参数和所述神经网络结构参数的调整方向。
4.如权利要求1所述的方法,其特征在于,将对应的实时图像上传到云端以根据多个所述历史图像进行验证,进一步包括:
将所述对应的实时图像和所述上传的多个历史图像分别进行同态滤波处理;
将经过同态滤波处理后的所述对应的实时图像和所述上传的多个历史图像转换成向量;
计算所述实时图像对应的向量分别与每一个历史图像对应的向量之间的余弦距离。
5.如权利要求4所述的方法,其特征在于,响应于验证结果仍为电线异常,进行反馈,进一步包括:
响应于所述实时图...
【专利技术属性】
技术研发人员:杨风光,
申请(专利权)人:苏州浪潮智能科技有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。