【技术实现步骤摘要】
本申请属于一种监测方法，具体涉及一种系统设备状态监测方法及相关装置。
技术介绍
1、随着自动化发展和各领域技术综合应用，在许多应用场景下会同时存在多种类设备，为保证设备正常运行，就需要对各种类设备的状态进行监测。
2、传统的设备状态监测方法主要有两种：一种是通过人工巡检，即由专业人员定期对设备进行观察、记录和报告；另一种是通过安装传感器或摄像头等设备，实现对设备的自动化或半自动化监测。然而，这两种方法都存在一些缺陷和不足。例如，人工巡检方法耗时耗力，且容易出现疏漏或误报；传感器或摄像头等设备的安装需要占用空间和资源，且可能受到光照等环境因素的干扰，影响监测效果。因此，衍生出了更为智能的监测方法。如基于可见光的机房设备目标检测方法，采集设备的可见光图像，对可见光图像进行标注，选择并调整cspdarknet53或efficientnet等合适的主干网络，结合合适的目标检测算法，利用标注后的可见光图像、对应的设备类别和状态训练模型，再将训练后的模型部署到边端设备上，例如巡检机器人等，通过边端设备的摄像头捕捉设备的实时图像，将实时图像输入至训练后的模型，得到每个设备的边界框、类别和状态并显示，若检测到处于异常状态的设备，还可发出警报或通知相关人员进行处理。这种方法对于小物体的检测精度较低，可能导致对设备的细节或异常情况检测不足或漏检。再如基于可见光与红外图像融合的目标检测技术，多采用像素级融合的目标检测、特征级融合的目标检测和决策级融合的目标检测等。融合方法一般使用基于规则的方法，即根据一些预定义的规则或逻辑，来判断和处理不
技术实现思路
1、本申请针对现有机房设备的状态监测方法，存在小物体检测精度低，以及不具有普适性和鲁棒性的技术问题，提供一种系统设备状态监测方法及相关装置。
2、为了实现上述目的，本申请采用以下技术方案予以实现：
3、第一方面，本申请提出一种系统设备状态监测方法，所述系统中同时存在多种类设备，包括：
4、获取设备的多模态数据；所述多模态数据中包括设备待检异常特征对应的模态数据；
5、分别对多模态数据中的各模态数据进行目标检测，得到各模态数据对应的设备种类识别结果；
6、对各模态数据对应的设备种类识别结果进行非规则性决策级融合，得到表征设备种类的融合识别结果；
7、结合所述融合识别结果和设备待检异常特征对应的模态数据，确定设备是否发生异常，以及发生异常的设备种类。
8、优选地，所述多模态数据是通过对应的采集设备在所述系统中巡检得到的；
9、所述确定设备是否发生异常，以及发生异常的设备种类，之后还包括：
10、根据巡检位置，确定发生异常的位置。
11、优选地，所述对各模态数据对应的设备种类识别结果进行非规则性决策级融合，包括：
12、分别确定各模态数据对应的设备种类识别结果的可靠率；
13、根据各所述可靠率之间的关系，确定各模态数据对应的设备种类识别结果置信度的修正系数；
14、根据所述修正系数，修正各模态数据对应的设备种类识别结果的置信度，并修正对应的设备种类识别结果；
15、合并修正后的设备种类识别结果，得到初步融合结果；
16、从初步融合结果中选择部分检测框，作为表征设备种类的融合识别结果。
17、优选地，所述从初步融合结果中选择部分检测框，作为表征设备种类的融合识别结果，包括：
18、(1)从初步融合结果中，选取置信度最高的检测框作为中间检测框；
19、(2)以中间检测框为第一基准，逐一与初步融合结果中的其他检测框进行diou计算，得到第一diou计算结果；
20、(3)对于每个所述第一diou计算结果，若所述第一diou计算结果超过预设阈值，剔除所述第一diou计算结果相应的非第一基准的检测框，否则，将所述第一diou计算结果相应的非第一基准的检测框加入待检集合；
21、(4)以待检集合中置信度最高的检测框为第二基准，逐一与待检集合中的其他检测框进行diou计算，得到相应的第二diou计算结果；
22、(5)对于每个所述第二diou计算结果，若所述第二diou计算结果超过预设阈值，剔除所述第二diou计算结果相应的非第二基准的检测框，将所述第二基准相应的检测框加入中间集合；否则，保留所述第二diou计算结果相应的两个检测框；
23、(6)重复执行步骤(4)和步骤(5)，直至待检集合中仅剩一个检测框，将仅剩的一个检测框加入中间集合；
24、(7)以中间集合中的检测框，作为表征设备种类的融合识别结果。
25、优选地，所述分别对多模态数据中的各模态数据进行目标检测，包括：分别使用yolov5s多尺度目标检测模型依次对多模态数据中的各模态数据进行识别和分类。
26、优选地，所述yolov5s多尺度目标检测模型的neck部分增加有多倍下采样检测头。
27、优选地，所述yolov5s多尺度目标检测模型中采用加权双向特征金字塔结构。
28、优选地，所述分别对多模态数据中的各模态数据进行目标检测，之前还包括：
29、对所述多模态数据进行去噪和增强处理。
30、第二方面，本申请提出一种系统设备状态监测装置，包括：
31、获取模块，用于获取设备的多模态数据；所述多模态数据中包括设备待检异常特征对应的模态数据；
32、检测模块，用于分别对多模态数据中的各模态数据进行目标检测，得到各模态数据对应的设备种类识别结果；
33、融合模块，用于对各模态数据对应的设备种类识别结果进行非规则性决策级融合，得到表征设备种类的融合识别结果；
34、判断模块，用于结合所述融合识别结果和设备待检异常特征对应的模态数据，确定设备是否发生异常，以及发生异常的设备种类。
35、优选地，还包括位置模块；
36、所述获取模块，用于获取采集设备巡检得到的多模态数据；
37、所述位置模块，用于在确定设备是否发生异常，以及发生异常的设备种类之后，根据巡检位置，确定发生异常的位置。
38、优选地，所述获取模块包括热红外图像获取子模块和可见光图像获取子模块：
39、所述热红外图像获取子模块，用于获取设备的热红外图像；
40、所述可见光图像获取子模块，用于获取设备的可见光图像。
41、第三方面，本申请提出一种电子设备，包括：
42、存储器，用于存储计算机程序；
43、处理器，用于执行所述计算机程序时实现上述系统设备状态监测方法本文档来自技高网...
【技术保护点】
1.一种系统设备状态监测方法，所述系统中同时存在多种类设备，其特征在于，包括：
2.根据权利要求1所述一种系统设备状态监测方法，其特征在于：所述多模态数据是通过对应的采集设备在所述系统中巡检得到的；
3.根据权利要求1或2所述一种系统设备状态监测方法，其特征在于：所述对各模态数据对应的设备种类识别结果进行非规则性决策级融合，包括：
4.根据权利要求3所述一种系统设备状态监测方法，其特征在于：所述从初步融合结果中选择部分检测框，作为表征设备种类的融合识别结果，包括：
5.根据权利要求4所述一种系统设备状态监测方法，其特征在于：
6.根据权利要求5所述一种系统设备状态监测方法，其特征在于：所述YOLOv5s多尺度目标检测模型的neck部分增加有多倍下采样检测头。
7.根据权利要求5所述一种系统设备状态监测方法，其特征在于：所述YOLOv5s多尺度目标检测模型中采用加权双向特征金字塔结构。
8.根据权利要求1或2所述一种系统设备状态监测方法，其特征在于：所述分别对多模态数据中的各模态数据进行目标检测，之
9.一种系统设备状态监测装置，其特征在于，包括：
10.根据权利要求9所述一种系统设备状态监测装置，其特征在于，还包括位置模块；
11.根据权利要求9或10所述一种系统设备状态监测装置，其特征在于，所述获取模块包括热红外图像获取子模块和可见光图像获取子模块：
12.一种电子设备，其特征在于，包括：
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述系统设备状态监测方法的步骤。
...【技术特征摘要】
1.一种系统设备状态监测方法，所述系统中同时存在多种类设备，其特征在于，包括：
2.根据权利要求1所述一种系统设备状态监测方法，其特征在于：所述多模态数据是通过对应的采集设备在所述系统中巡检得到的；
3.根据权利要求1或2所述一种系统设备状态监测方法，其特征在于：所述对各模态数据对应的设备种类识别结果进行非规则性决策级融合，包括：
4.根据权利要求3所述一种系统设备状态监测方法，其特征在于：所述从初步融合结果中选择部分检测框，作为表征设备种类的融合识别结果，包括：
5.根据权利要求4所述一种系统设备状态监测方法，其特征在于：
6.根据权利要求5所述一种系统设备状态监测方法，其特征在于：所述yolov5s多尺度目标检测模型的neck部分增加有多倍下采样检测头。
7.根据权利要求5所述一种系...
【专利技术属性】
技术研发人员：冯天波，卢士达，孙浩之，陆正嘉，
申请(专利权)人：国网上海市电力公司，
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。