【技术实现步骤摘要】
本专利技术涉及数据处理，特别是指一种电子配线架异常检测方法及系统。
技术介绍
1、电子配线架是网络设备的关键枢纽，其连接了服务器、路由器、交换机、存储设备等网络设备，为数据传输提供必要的支持。然而，随着网络规模和复杂性的增加，电子配线架的管理和监控变得愈加困难。运营商和数据中心管理员面临着如何确保设备的高可用性、降低能源消耗、提高安全性、及时识别和解决故障等一系列挑战，对于电子配线架进行及时的异常检测更是重中之重。
2、随着模式识别、机器视觉、深度学习等技术的迅速发展，以及对于电子配线架异常检测的迫切需要，越来越多的现代化技术被应用到电子配线架异常检测中。
3、现有技术中，存在通过摄像头获取电子配线架的实时图像，通过机器视觉技术监测实时图像中的电子配线架是否存在异常，无需人工参与，省时省力，提升了电子配线架异常检测效率。然而，机器视觉的监测方式依赖于摄像头捕获的图像质量，如果环境光线不足、摄像头位置不佳或者有遮挡物，可能会导致图像质量下降，影响异常检测的准确性。同时，机器视觉系统可能对电子配线架布线的变化非常敏感，包括线缆的移动或调整，都可能被误认为是异常，导致误报，降低了电子配线架异常检测的准确性。
技术实现思路
1、为了解决现有技术存在的机器视觉的监测方式依赖于摄像头捕获的图像质量，如果环境光线不足、摄像头位置不佳或者有遮挡物，可能会导致图像质量下降，影响异常检测的准确性，机器视觉系统可能对电子配线架布线的变化非常敏感，包括线缆的移动或调整，都可能被误认
2、本专利技术实施例提供的技术方案如下：
3、第一方面
4、本专利技术实施例提供的一种电子配线架异常检测方法，多个电子配线架作为边缘端，云服务器作为云端，多个所述电子配线架均与所述云服务器通信连接，包括：
5、s1：获取各个电子配线架的原始状态数据，所述原始状态数据包括温度传感器数据、湿度传感器数据、烟雾传感器数据、电力数据和网络设备数据；
6、s2：将编码器、记忆单元、解码器和判别器进行串联，构建电子配线架异常检测模型；
7、s3：根据各个电子配线架的原始状态数据，基于所述电子配线架异常检测模型，计算各个电子配线架的异常分数；
8、s4：当存在电子配线架的异常分数大于预设分数时，输出警报信息。
9、第二方面
10、本专利技术实施例提供的一种电子配线架异常检测系统，包括：
11、处理器；
12、存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如第一方面所述的电子配线架异常检测方法。
13、第三方面
14、本专利技术实施例提供的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的电子配线架异常检测方法。
15、本专利技术实施例提供的技术方案带来的有益效果至少包括：
16、在本专利技术中，无需依赖于摄像头捕获的图像质量，不受环境光线不足、摄像头位置不佳或者有遮挡物、图像质量以及布线变化的影响，而是通过获取温度传感器数据、湿度传感器数据、烟雾传感器数据、电力数据和网络设备数据，基于所述电子配线架异常检测模型对电子配线架进行异常检测，不仅可以检测到传统的电力故障，还可以发现温度过高、湿度异常等隐藏的问题，提升了电子配线架异常检测的准确性。同时可以根据实际情况动态调整异常检测的预设分数，使系统更加灵活和智能地响应不同情况下的异常，提升了电子配线架异常检测的普适性。
本文档来自技高网...【技术保护点】
1.一种电子配线架异常检测方法，其特征在于，多个电子配线架作为边缘端，云服务器作为云端，多个所述电子配线架均与所述云服务器通信连接，包括：
2.根据权利要求1所述的电子配线架异常检测方法，其特征在于，S3具体包括：
3.根据权利要求1所述的电子配线架异常检测方法，其特征在于，所述记忆单元具体为长短期记忆神经网络，所述判别器具体为卷积神经网络。
4.根据权利要求2所述的电子配线架异常检测方法，其特征在于，所述S301具体为：
5.根据权利要求2所述的电子配线架异常检测方法，其特征在于，所述S303具体为：
6.根据权利要求2所述的电子配线架异常检测方法，其特征在于，所述S304具体包括：
7.根据权利要求1所述的电子配线架异常检测方法，其特征在于，所述电子配线架异常检测模型的训练方式具体为：
8.根据权利要求1所述的电子配线架异常检测方法，其特征在于，所述电子配线架异常检测模型的训练方式具体为：
9.一种电子配线架异常检测系统，其特征在于，包括：
10.一种计算机可读存储介质
...【技术特征摘要】
1.一种电子配线架异常检测方法，其特征在于，多个电子配线架作为边缘端，云服务器作为云端，多个所述电子配线架均与所述云服务器通信连接，包括：
2.根据权利要求1所述的电子配线架异常检测方法，其特征在于，s3具体包括：
3.根据权利要求1所述的电子配线架异常检测方法，其特征在于，所述记忆单元具体为长短期记忆神经网络，所述判别器具体为卷积神经网络。
4.根据权利要求2所述的电子配线架异常检测方法，其特征在于，所述s301具体为：
5.根据权利要求2所述的电子配线架异常检测方法，其特征在于，所述s303具体为...
【专利技术属性】
技术研发人员：方灵萍，宋博，周定，
申请(专利权)人：深圳市中亚通信技术有限公司，
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。