一种电线检测方法、系统、设备以及介质技术方案

本发明专利技术公开了一种电线检测方法，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。本发明专利技术还公开了一种系统、计算机设备以及可读存储介质。本发明专利技术提出的方案通过一级识别、二级验证的两级模块，在确保电线老化检测能力不变的前提下，大大降低了误报率。

【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，无法满足一些实时性较高的场景。而通过在线缆两端部署传感器，施加弱电压，侦测线缆胶皮电阻率。该方法不能实时检测(传感器常年检测会加速线缆老化)，需要机房管理员定期打开传感器检查数据，对人工的解放程度不高。
技术实现思路
有鉴于此，为了克服上述问题的至少一个方面，本专利技术实施例提出一种电线检测方法，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。在一些实施例中，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。在一些实施例中，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。在一些实施例中，将对应的实时图像上传到云端以根据多个历史图像进行验证，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。在一些实施例中，响应于验证结果仍为电线异常，进行反馈，进一步包括：响应于所述实时图像对应的向量与其中一个历史图像对应的向量的余弦距离大于阈值，则验证结果为电线出现异常。在一些实施例中，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，进一步包括：提取所述实时图像和多个历史图像的三通道数字矩阵；对所述数字矩阵中的每一个点取自然对数后，做傅里叶变换；将做傅里叶变换后的数字矩阵通过滤波器，并做傅里叶反变换；对做傅里叶反变换后的数字矩阵中的每一个点取指数。在一些实施例中，响应于验证结果仍为电线异常，进行反馈，进一步包括：通过电话、短信和/或邮件进行反馈。基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种电线检测系统，包括：采集模块，所述采集模块配置为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；识别模块，所述识别模块配置为利用训练好的神经网络模型对采集的图像进行识别；上传模块，所述上传模块配置为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历史图像进行验证；反馈模块，所述反馈模块配置为响应于验证结果仍为电线异常，进行反馈。利用所述第二邮箱的地址、所述邮件标题以及所述邮件正文生成邮件后发送至第二邮箱。基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时执行如上所述的任一种电线检测方法的步骤。基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时执行如上所述的任一种电线检测方法的步骤。本专利技术具有以下有益技术效果之一：本专利技术提出的方案通过一级识别、二级验证的两级模块，在确保电线老化检测能力不变的前提下，大大降低了误报率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。图1为本专利技术的实施例提供的一种电线检测方法的流程示意图；图2为本专利技术的实施例提供的一种电线检测方法的流程框图；图3为本专利技术的实施例提供的一种电线检测系统的结构示意图；图4为本专利技术的实施例提供的计算机设备的结构示意图；图5为本专利技术的实施例提供的计算机可读存储介质的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术实施例进一步详细说明。需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。需要说明的是，在本专利技术的实施例中，API指应用程序接口，GPU指图形处理器，POE指以太网供电，One-hot指独热编码，通常用作标签的唯一数字编码，MongoDB指基于分布式文件存储数据库。根据本专利技术的一个方面，本专利技术的实施例提出一种电线检测方法，如图1所示，其可以包括步骤：S1，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；S2，利用训练好的神经网络模型对采集的图像进行识别；S3，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历史图像进行验证；S4，响应于验证结果仍为电线异常，进行反馈。本专利技术提出的方案通过一级识别、二级验证的两级模块，在确保电线老化检测能力不变的前提下，大大降低了误报率。在一些实施本文档来自技高网...

【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