基于机器视觉的机房设备智能巡检方法技术

本发明专利技术涉及机房设备巡检领域，具体涉及基于机器视觉的机房设备智能巡检方法，机房摄像头采集设备图像，获取设备边缘检测图，根据设备图像以及设备边缘检测图得到导向图像；根据各像素点的海森矩阵得到各像素点的变化方向；根据各像素点变化方向上的灰度分布状况得到各像素点的结构因子；计算各像素点的导向滤波自适应窗口尺寸，进而计算各像素点的导向滤波自适应优化窗口尺寸；结合导向滤波算法得到高质量设备图像；根据高质量设备图像通过神经网络对设备状态进行检测，完成机房设备智能巡检。从而实现机房设备的智能巡检，具有较高巡检精度。检精度。检精度。

【技术实现步骤摘要】
基于机器视觉的机房设备智能巡检方法


[0001]本申请涉及机房设备巡检领域，具体涉及基于机器视觉的机房设备智能巡检方法。

技术介绍

[0002]机房是一个至关重要的数据中心，其内包含服务器、硬件等数量众多的设备，机房里存放了大量的信息系统及重要信息数据。机房的设备种类繁多，彼此之间工作独立又紧密联系，作为大数据处理中心，不仅数据信息很重要，其自身设备的价值也很高，因此做好机房设备的检查维护工作是重中之重。因此，为确保中心机房能够正常运行工作，需要对机房进行定期的检测以维护设备运行稳定，保养延长设备生命周期，同时降低设备出现故障的可能。
[0003]目前，依靠人工定时机房设备巡检需要投入大量人力，且经常有漏检的情况发生，无法及时发现并处理设备运行异常。而现有的巡回车摄像头在进行移动巡检时存在以下问题：现有的巡回车摄像头固定，只能通过摄像头斜视角度识别设备型号及指示灯及显示数据状态的变化，存在斜视模糊或采集不到的情况，导致机房设备巡检不全面，检查准确性较低。
[0004]综上所述，本专利技术提出基于机器视觉的机房设备智能巡检方法，在机房部署数个摄像头对机房设备进行图像采集，对设备图像进行优化处理以提高设备图像质量，并将处理完成的设备图像送入神经网络，对设备运行状况进行检测，实现对机房设备的智能巡检。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供基于机器视觉的机房设备智能巡检方法，以解决现有的问题。
[0006]本专利技术的基于机器视觉的机房设备智能巡检方法采用如下技术方案：本专利技术一个实施例提供了基于机器视觉的机房设备智能巡检方法，该方法包括以下步骤：通过机房摄像头获取设备图像；获取设备图像的设备边缘检测图，根据设备图像以及设备边缘检测图得到导向图像；根据导向滤波算法得到导向滤波线性模型，根据导向滤波线性模型结合线性回归得到导向滤波线性模型的线性参数；获取设备图像中各像素点的海森矩阵，根据各像素点的海森矩阵得到各像素点的变化方向；根据各像素点变化方向上像素点的灰度分布状况得到各像素点的结构因子；根据各像素点的结构因子得到各像素点的导向滤波自适应窗口尺寸；根据各像素点的导向滤波自适应窗口尺寸及结构因子得到各像素点的导向滤波自适应优化窗口尺寸；
根据导向图像、自适应优化窗口尺寸、线性系数结合导向滤波算法得到自适应导向滤波后的设备图像，记为高质量设备图像；根据高质量设备图像结合神经网络得到设备状态，完成机房设备智能巡检。
[0007]优选的，所述根据设备图像以及设备边缘检测图得到导向图像，表达式为：式中，为导向图像，为设备图像，为设备边缘检测图，为重组系数。
[0008]优选的，所述根据导向滤波算法得到导向滤波线性模型，表达式为：式中，为以像素点k为中心窗口尺寸为w的方形窗口，分别为导向滤波线性模型的线性系数，为导向图像中像素点i的灰度值，为像素点i的滤波输出值。
[0009]优选的，所述根据导向滤波线性模型结合线性回归得到导向滤波线性模型的线性参数，表达式为：参数，表达式为：式中，为以像素点k为中心窗口尺寸为w的方形窗口，分别为导向滤波线性模型的线性系数，M为窗口内的像素点总数，分别为导向图像在窗口中像素点的灰度均值、方差，为设备图像I在窗口中像素点的灰度均值，分别为像素点i在导向图像、设备图像中的灰度值，为正规化参数。
[0010]优选的，所述获取设备图像中各像素点的海森矩阵，表达式为：式中，为设备图像中像素点i的海森矩阵，分别为设备图像中像素点i在x方向、y方向的二阶偏导数，分别为设备图像中像素点i在xy、yx方向的混合偏导数，其中。
[0011]优选的，所述根据各像素点的海森矩阵得到各像素点的变化方向，具体为：计算海森矩阵的特征值以及特征向量，将绝对值较大的特征值对应特征向量作为像素点的变化方向。
[0012]优选的，所述根据各像素点变化方向上像素点的灰度分布状况得到各像素点的结构因子，表达式为：构因子，表达式为：式中，为自定义函数，其中，为阈值，为像素点s的结构因
子，分别为在像素点s变化方向上以像素点s为中心从左右两边选取的像素点数量，为像素点u的灰度值，为像素点v的灰度值，为像素点s的灰度值。
[0013]优选的，所述根据各像素点的结构因子得到各像素点的导向滤波自适应窗口尺寸，表达式为：式中，为像素点s的导向滤波自适应窗口尺寸，也即以像素点s为中心的导向滤波窗口边长，为对四舍五入取整函数，为像素点s的归一化结构因子，为窗口尺寸限定参数。
[0014]优选的，所述根据各像素点的导向滤波自适应窗口尺寸及结构因子得到各像素点的导向滤波自适应优化窗口尺寸，表达式为：式中，为像素点s的导向滤波自适应优化窗口尺寸，为像素点s的导向滤波自适应窗口尺寸，为像素点s的归一化结构因子。
[0015]优选的，所述根据高质量设备图像结合神经网络得到设备状态，具体为：神经网络为目标检测网络，网络的输入为高质量设备图像，网络输出为高质量设备图像中设备包围框类别，设备包围框类别包括：(正常)和(异常)，将设备包围框类别作为设备状态。
[0016]本专利技术至少具有如下有益效果：本专利技术通过机器视觉结合机房设备的视觉特征，对机房设备运行状况的检测，实现对机房内各设备的智能巡检。通过对设备图像进行自适应导向滤波处理，解决了设备图像采集过程中噪点对设备图像质量的影响，避免图像中设备不清晰等问题，提高设备信息分析的准确度，增加设备信息的可靠性，进而提高了机房设备运行状况的检测精度；为避免传统导向滤波过程中窗口固定导致图像滤波效果不佳的问题，本专利技术结合对设备图像中像素点的结构因子的分析，构建像素点导向滤波自适应窗口尺寸计算模型，并对像素点导向滤波自适应窗口尺寸进行优化处理，以便对设备图像的像素点进行滑动滤波处理，能够根据像素点的局部结构特征对其滤波窗口进行自适应设定，可针对性的对像素点进行滤波处理，提高图像处理效果，具有较高的设备巡检精度。
附图说明
[0017]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和优点，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的介绍，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它附图。
[0018]图1为本专利技术提供的基于机器视觉的机房设备智能巡检方法的流程图。
具体实施方式
[0019]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于机器视觉的机房设备智能巡检方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0020]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0021]下面结合附图具体的说明本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的机房设备智能巡检方法，其特征在于，该方法包括以下步骤：通过机房摄像头获取设备图像；获取设备图像的设备边缘检测图，根据设备图像以及设备边缘检测图得到导向图像；根据导向滤波算法得到导向滤波线性模型，根据导向滤波线性模型结合线性回归得到导向滤波线性模型的线性参数；获取设备图像中各像素点的海森矩阵，根据各像素点的海森矩阵得到各像素点的变化方向；根据各像素点变化方向上像素点的灰度分布状况得到各像素点的结构因子；根据各像素点的结构因子得到各像素点的导向滤波自适应窗口尺寸；根据各像素点的导向滤波自适应窗口尺寸及结构因子得到各像素点的导向滤波自适应优化窗口尺寸；根据导向图像、自适应优化窗口尺寸、线性系数结合导向滤波算法得到自适应导向滤波后的设备图像，记为高质量设备图像；根据高质量设备图像结合神经网络得到设备状态，完成机房设备智能巡检。2.如权利要求1所述的基于机器视觉的机房设备智能巡检方法，其特征在于，所述根据设备图像以及设备边缘检测图得到导向图像，表达式为：式中，为导向图像，为设备图像，为设备边缘检测图，为重组系数。3.如权利要求1所述的基于机器视觉的机房设备智能巡检方法，其特征在于，所述根据导向滤波算法得到导向滤波线性模型，表达式为：式中，为以像素点k为中心窗口尺寸为w的方形窗口，分别为导向滤波线性模型的线性系数，为导向图像中像素点i的灰度值，为像素点i的滤波输出值。4.如权利要求1所述的基于机器视觉的机房设备智能巡检方法，其特征在于，所述根据导向滤波线性模型结合线性回归得到导向滤波线性模型的线性参数，表达式为：导向滤波线性模型结合线性回归得到导向滤波线性模型的线性参数，表达式为：式中，为以像素点k为中心窗口尺寸为w的方形窗口，分别为导向滤波线性模型的线性系数，M为窗口内的像素点总数，分别为导向图像在窗口中像素点的灰度均值、方差，为设备图像I在窗口中像素点的灰度均值，分别为像素点i在导向图像、设备图像中的灰度值，为正规化参数。5.如权利要求1所述的基于机器视觉的机房设备智能巡检方法，其特征在...

【专利技术属性】
技术研发人员：梁立新，李宁，李艺鸿，雷高明，覃为，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：