【技术实现步骤摘要】
本申请实施例涉及计算机领域，具体而言，涉及一种服务器的机盖开度检测方法及装置、存储介质及电子设备。
技术介绍
1、随着信息技术的发展，服务器的应用越来越广泛，在政府、金融等行业中，对服务器的需求越来越高，随着服务器厂商不断增加的需求和不断开发的应用，一些重要的数据需要被保护起来，服务器通常设置有服务器开盖检测功能，防止不明原因打开上盖造成服务器发生毁损以及数据的损失。
2、相关技术中，开盖检测的硬件设计中包含机械开关、连接器与线缆，当服务器上盖打开和关闭时，机械开关的机械运动转化为高低电平信号，通过bmc来进行服务器上盖开关的检测。
3、由此可见，相关技术中服务器的机盖开度检测方法，存在服务器内相关检测结构复杂，服务器内部空间利用率低的问题。
技术实现思路
1、本申请实施例提供了一种服务器的机盖开度检测方法及装置、存储介质及电子设备，以至少解决相关技术中的服务器开盖检测方法存在服务器内相关检测结构复杂，服务器内部空间利用率低的问题。
2、根据本申请实施例的一个方面，提供了一种服务器的机盖开度检测方法，包括：获取目标声音数据，其中，所述目标声音数据为在向所述服务器的机箱内发射目标检测声音的情况下对所述机箱内的声音进行采集得到的；将所述目标声音数据转换为目标图像数据；根据所述目标图像数据对所述服务器的机盖开度进行检测，得到机盖开度结果。
3、根据本申请实施例的另一个方面，提供了一种服务器的机盖开度检测装置，包括：第一获取单元，用于获取目标
4、作为一种可选的方案，所述服务器还包括：发声模块、声音采集模块以及处理模块，所述声音采集模块与所述处理模块通信连接；上述装置还包括：发射单元和采集单元，其中，所述发射单元，用于通过所述发声模块按照目标频率向机盖位置发射所述目标检测声音；所述采集单元，用于通过所述声音采集模块对所述机箱内的声音进行采集，得到目标声音数据，并将所述目标声音数据发送给所述处理模块；所述第一获取单元，还用于通过所述处理模块接收所述声音采集模块发送的所述目标声音数据。
5、作为一种可选的方案，所述转换单元包括：第一输入模块，用于将所述目标声音数据输入到目标音频编码器中，得到所述目标音频编码器输出的所述目标图像数据，其中，所述目标音频编码器是使用包含音频数据和对应的图像数据的视频数据对待训练音频编码器进行训练得到的。
6、作为一种可选的方案，所述装置还包括：预处理单元，用于在所述将所述目标声音数据转换为目标图像数据之后，对所述目标图像数据执行预处理操作，得到预处理后的所述目标图像数据，其中，所述预处理操作包括以下之一：去噪操作，标准化操作；增强处理单元，用于对预处理后的所述目标图像数据以下至少之一的增强处理：使用分数阶微分算法对预处理后的所述目标图像数据进行增强处理，得到增强后的所述目标图像数据；使用生成对抗网络对预处理后的所述目标图像数据进行增强处理，得到增强后的所述目标图像数据，其中，所述生成对抗网络用于图像数据的图像参数进行调整，所述图像参数包括以下至少之一：色彩，亮度，对比度。
7、作为一种可选的方案，所述检测单元包括：第二输入模块，用于将所述目标图像数据输入到第一分类模型，得到所述第一分类模型输出的目标开度区间标签，其中，所述第一分类模型用于基于输入的图像数据的图像特征，从一组机盖开度区间中预测与输入的图像数据匹配的机盖开度区间，所述目标开度区间标签用于标识所述一组机盖开度区间中的目标开度区间；第三输入模块，用于将所述目标开度区间标签和所述目标图像数据输入第二分类模型，得到所述第二分类模型输出的所述机盖开度结果，其中，所述第二分类模型用于基于输入的图像数据的图像特征以及输入的开度区间标签所标识的机盖开度区间，预测与输入的图像数据匹配的机盖开度。
8、作为一种可选的方案，所述第一分类模型是基于k均值聚类算法的分类模型，其中，k为大于或者等于2的正整数，所述第一分类模型对应的每个机盖开度区间具有对应的图像特征，所述第一分类模型用于基于输入的图像数据的图像特征与所述每个机盖开度区间的图像特征之间的特征相似度，从所述一组机盖开度区间中预测与输入的图像数据匹配的机盖开度区间；所述装置还包括：第二获取单元，用于在所述根据所述目标图像数据对所述服务器的机盖开度进行检测之前，获取训练图像数据集，其中，所述训练图像数据集中的训练图像数据的标注信息为与所述训练图像数据匹配的机盖开度；采样单元，用于在所述训练图像数据集中包含的训练图像数据的数量大于预设数量阈值的情况下，对所述训练图像数据集中的训练图像数据进行随机采样，得到训练图像数据子集；第一聚类单元，用于将一组指定值中的每个指定值作为聚类个数分别对所述训练图像数据子集进行聚类，得到与所述每个指定值对应的一组类簇；编码单元，用于对所述每个指定值以及与所述每个指定值对应的一组类簇的类簇中心点进行染色体编码，得到与所述每个指定值对应的染色体；第一选取单元，用于基于与所述每个指定值对应的一组类簇中的每个类簇中的训练图像数据与对应类簇之间的适应度，选取与所述每个指定值对应的每个类簇中的训练图像数据；第一执行单元，用于基于选取的与所述每个指定值对应的每个类簇中的训练图像数据，对与所述每个指定值对应的染色体进行交叉操作和变异操作，得到更新的与所述每个指定值对应的染色体，其中，更新的与所述每个指定值对应的染色体用于表示更新后的与所述每个指定值对应的一组类簇的类簇中心点；第二聚类单元，用于根据更新的与所述每个指定值对应的染色体，重新将所述每个指定值作为聚类个数分别对所述训练图像数据子集进行聚类，得到更新后的与所述每个指定值对应的一组类簇；第二选取单元，用于基于更新后的与所述每个指定值对应的每个类簇中的训练图像数据与对应类簇的适应度，从所述一组指定值中选取出目标值；第二执行单元，用于将所述目标值作为k均值聚类的k值、将与所述目标值对应的一组类簇的类簇中心点作为初始聚类中心点对所述训练图像数据集执行多轮聚类操作；确定单元，用于在执行完所述多轮聚类操作之后，基于最后一聚类得到的多个目标类簇中的每个目标类簇包含的训练图像数据所标注的机盖开度，确定与所述每个目标类簇对应的机盖开度区间，以及将所述每个目标类簇的聚类中心点的图像特征，确定为与所述每个目标类簇对应的机盖开度区间的图像特征，得到所述第一分类模型。
9、作为一种可选的方案，所述第三输入模块包括：第一输入子模块，用于将所述目标开度区间标签和所述目标图像数据输入到所述第二分类模型的第一子网络模型，得到所述第一子网络模型输出的目标高维特征，其中，所述第一子网络模型是包含深度残差网络的、用于对输入的图像数据进行高维特征提取的网络模型；第二输入子模块，用于将所述目标高维特征输入到所本文档来自技高网...
【技术保护点】
1.一种服务器的机盖开度检测方法，其特征在于，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求1至4中任一项所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求5所述的方法，其特征在于，
8.一种服务器的机盖开度检测装置，其特征在于，
9.一种计算机可读存储介质，其特征在于，
10.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，
【技术特征摘要】
1.一种服务器的机盖开度检测方法，其特征在于，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求1至4中任一项所述的方法，其特征在于，
6.根据权利要求5所...
【专利技术属性】
技术研发人员：吴建国，高明亮，付长昭，孙波，
申请(专利权)人：苏州元脑智能科技有限公司，
类型：发明
国别省市：
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。