一种基于视觉识别技术的运维方法、系统及存储介质技术方案

本发明专利技术公开一种基于视觉识别技术的运维方法及系统。所述方法包括区块链主节点实时采集网络链路硬件状态图，根据各区块链子节点的数据执行率对网络链路硬件状态图进行分组，将各组网络链路硬件状态图发送至对应的各区块链子节点；各区块链子节点根据视觉识别技术从硬件状态图中提取故障特征，输入预先构建的链路异常模型中识别故障类型，并计算各故障类型的严重度返回给区块链主节点；区块链主节点汇总进行故障处理。采用本申请技术方案，通过区块链技术将大量的硬件状态图进行分布式识别处理，提高了硬件状态图处理的速度，并通过视觉识别技术识别出硬件状态图中的硬件故障，提升硬件故障识别的精确度。升硬件故障识别的精确度。升硬件故障识别的精确度。

【技术实现步骤摘要】
一种基于视觉识别技术的运维方法、系统及存储介质


[0001]本申请涉及信息通信领域，尤其涉及一种基于视觉识别技术的运维方法、系统及存储介质。

技术介绍

[0002]随着信息化技术的发展与应用，信息系统已全面覆盖各个业务领域，由于信息系统的不断建设导致网络通信中硬件种类多、数量巨大、集成关系复杂，而现有的硬件故障维护中依然依靠人工方式进行故障排除处理。
[0003]视觉识别技术是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。视觉识别技术最大的特点是速度快、信息量大、功能多。因此如何实现通过视觉识别技术对大量的硬件故障进行分布式识别处理成为亟待解决的问题。

技术实现思路

[0004]本申请提供了一种基于视觉识别技术的运维方法，包括：
[0005]区块链主节点实时采集网络链路硬件状态图，并获取各区块链子节点的数据执行率，根据各区块链子节点的数据执行率对网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉识别技术的运维方法，其特征在于，包括：区块链主节点实时采集网络链路硬件状态图，并获取各区块链子节点的数据执行率，根据各区块链子节点的数据执行率对网络链路硬件状态图进行分组，将各组网络链路硬件状态图发送至对应的各区块链子节点；各区块链子节点根据视觉识别技术从各自接收到的网络链路硬件状态图中提取故障特征，将故障特征输入预先构建的链路异常模型中识别故障类型，并计算识别出的各故障类型的严重度，将故障类型及故障严重度返回给区块链主节点；区块链主节点汇总各区块链子节点反馈的故障类型及各故障严重度并进行故障处理。2.如权利要求1所述的基于视觉识别技术的运维方法，其特征在于，网络链路中的硬件包括传输及交换设备、线路互联设备、网络适配器、集线器、中继器、网桥、路由器、网关、传输介质，区块链主节点实时获取网络链路中各硬件状态图，然后每隔预设时间对采集到的网络链路硬件状态图进行分布式分发，分发到各区块链子节点中。3.如权利要求1所述的基于视觉识别技术的运维方法，其特征在于，根据各区块链子节点的数据执行率对网络链路硬件状态图进行分组，具体为：计算每个区块链子节点所能处理的最大数据量；依次轮询硬件状态图的字节数，查找最接近最大数据量的若干硬件设备状态图；将所有硬件状态图按各区块链子节点所能处理的最大数据量进行分组。4.如权利要求1所述的基于视觉识别技术的运维方法，其特征在于，将故障特征输入预先构建的链路异常模型中识别故障类型，具体包括如下子步骤：预先从各区块链节点中采集不同设备的不同故障类型的历史硬件状态图，构建故障特征向量集，将故障特征向量集输入故障分类模型，训练故障分类模型得到不同的子训练模型，分别利用各个子训练模型对故障特征向量集进行分类，通过分类结果估计得到各个子训练模型的权重的集合；查找权重的集合中每个权重对应的最优值，通过各个子训练模型和其对应的权重的最优值的组合确定故障类型，得到故障分析模型；比对接收到的各网络链路硬件的多个状态图，从中提取出具有形态变化的特征区域作为故障特征，将故障特征输入故障分析模型中，输出故障类型。5.如权利要求1所述的基于视觉识别技术的运维方法，其特征在于，预先为故障类型数量和故障严重度设定权重E1和E2，然后计算U＝E1*V+E2*Y，V为故障类型总数，Y为故障严重度，按照最终计算结果U进行故障排序处理。6.一种基于视觉识别技术的运维系统，其特征在于...

【专利技术属性】
技术研发人员：高强伟，张磐，魏然，黄旭，韩斌，李宇，刘延博，张丽娜，刘柯岳，高寒，牛嵩迪，伍玉婧，刘伟，杨喆，崔静，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：