本发明涉及一种服务器及部件的监测方法，属于计算机技术领域，尤其一种基于TensorFlow图像识别诊断硬盘故障的方法。
背景技术：
服务器Server目前已经逐渐替代传统小型机，运行和承载着核心应用，因此，对于服务器的可靠性和稳定性要求就越来越高和重要。
硬盘是服务器用于存储各类数据的重要部件，为了表征硬盘的工作状态，在服务器安装有很多指示灯，对应于硬盘启动、数据读取或存储、运行以及故障等状态。
目前，现场维护人员对硬盘状态的监控和故障诊断多依赖经验，在经验不足的情况下，难免出现差错，也增加了培训和学习成本，操作和维护效率较低。另外，随着信息技术的发展和信息化度的提高，服务器等机房规模越来越庞大，所涉及的硬盘类型也越多，给维护人员增加了维护难度和复杂性，现实统计也时常发现由于对服务器设备监测和维护不周，导致设备大面积故障的问题，因此，需要采用有效方案对硬盘故障监控实现及时和高效识别，以避免服务器系统的崩溃和提高数据存储的安全性。
如中国专利(授权公告号CN103940620B)公开了“一种基于图像识别的汽车故障判别与提示的方法及系统”，该方法采用移动智能终端对车辆OBD系统提示的汽车故障提示代码图像拍照，通过图像处理、图像识别，提取图像特征与远程服务器中的故障符号数据库对比、查询后，将相应的汽车手册相应页面及专家处理建议显示在移动智能终端。
再如中国专利(授权公告号CN104504713B)公开了“一种动车组运行状态图像监控故障自动识别方法”，将当前动车组运行故障图像检测系统TEDS设备近期采集的该动车组历史监控图像作为时间历史图、同一线路上该动车组最近经过的其它TEDS设备采集的监控图像作为空间历史图、当前TEDS设备采集的该动车组监控图像作为当前图，将时间历史图、空间历史图分别与当前图进行图像配准，获取时间历史配准图及空间历史配准图，将时间历史配准图进行加权平均作为历史标准图，将空间历史配准图进行加权计算作为故障权重矩阵，将当前图与历史标准图进行变化检测获取特征差异矩阵，利用特征差异矩阵与故障权重矩阵计算得到故障标记矩阵。本发明具有能够有效提高动车组运行故障自动识别率、降低误判率的优点。
但上述方法及系统，多采用定时定点的图像进行识别和处理，无法进行综合条件判断易产生误差，处理效率降低。
技术实现要素：
本发明提供一种基于TensorFlow图像识别诊断硬盘故障的方法，用于解决现有技术中的问题。
本发明通过以下技术方案予以实现：
一种基于TensorFlow图像识别诊断硬盘故障的方法，包括以下步骤：
S1.终端对服务器硬盘进行多角度的拍摄以获取现场状态的多角度图像；
S2.然后，终端将多角度图像传输至服务器端；
S3.服务器接收到多角度图像后，进行相对角度归一化处理，再利用几何校正方法对多角度图像进行配准，得到修正后的硬盘图像，相对角度归一化公式：
yk＝akxk+bk (1)
式中，ak、bk是角度为K时的归一化参数，xk、yk分别为校正图像k角度下归一化前后的像元灰度值，分别为校正图像和参考图像在K角度下的像元平均值，分别为校正图像与参考图像k角度下的协方差及参考图像本身的协方差；
S4.服务器通过TensorFlow处理修正后的硬盘图像信息并获得硬盘现场状态图像数据；
S5.服务器存储有硬盘初始化正常状态图像数据；
S6.服务器将硬盘现场状态图像数据与初始化正常状态图像数据进行比对判断，以获取硬盘的现场状态信息；
S7.将硬盘的现场状态信息反馈给终端。
如上所述的一种基于TensorFlow图像识别诊断硬盘故障的方法，按照等比例将服务器的指示灯数据通过镜像的方式初始化到Server端。
如上所述的一种基于TensorFlow图像识别诊断硬盘故障的方法，反馈给终端的硬盘的现场状态信息，包括硬盘故障点、故障备注以及故障原因数据。
如上所述的一种基于TensorFlow图像识别诊断硬盘故障的方法，所述步骤S3的几何校正方法配准,是利用已经过正射校正处理的高精度硬盘图像为基准，对多角度图像需校正的图像进行几何配准，每景影像选取均匀分布的硬盘图像特征点20个以上，特征点分布须均匀并保证硬盘显示灯区域边界成矩形，采用二次多项式进行几何校正，双线性内插法进行亮度值的重采样，使校正精度控制在0.3个像素之内。
与现有技术相比，本发明的优点是：
1、本发明采用硬盘现场状态多角度图像进行故障信息诊断，能较好的提高图像信息和硬盘状态信息的对应精度，从而有利于改进故障诊断的效率和准确性，降低服务器管理和维护的成。
2、本发明基于TensorFlow提高了对硬盘现场状态图像的处理效率，且在实现智能化处理的同时较准确的建立故障诊断对应信息，在现有的机房规模越来越大的场合下，能大幅降低维护人员的学习成本，有利于保护硬盘部件、服务器、机房等设备安全。
3、本发明利用多角度硬盘现场状态图像，结合几何校正处理进行配准，融合为较准确的硬盘图像，能够有效避免因图像角度单一以及环境电磁干扰对图像产生的误差，结合TensorFlow智能处理使硬盘故障诊断过程快速、准确，实现全自动化操作。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍。
图1是本发明的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
如图1所示，本实施例一种基于TensorFlow图像识别诊断硬盘故障的方法，包括以下步骤：
S1.终端对服务器硬盘进行多角度的拍摄以获取现场状态的多角度图像；
S2.然后，终端将多角度图像传输至服务器端；
S3.服务器接收到多角度图像后，进行相对角度归一化处理，再利用几何校正方法对多角度图像进行配准，得到修正后的硬盘图像，相对角度归一化公式：
yk＝akxk+bk (1)
式中，ak、bk是角度为K时的归一化参数，xk、yk分别为校正图像k角度下归一化前后的像元灰度值，分别为校正图像和参考图像在K角度下的像元平均值，分别为校正图像与参考图像k角度下的协方差及参考图像本身的协方差；
S4.服务器通过TensorFlow处理修正后的硬盘图像信息并获得硬盘现场状态图像数据；
S5.服务器存储有硬盘初始化正常状态图像数据；
S6.服务器将硬盘现场状态图像数据与初始化正常状态图像数据进行比对判断，以获取硬盘的现场状态信息；
S7.将硬盘的现场状态信息反馈给终端。
如图1所示，终端可以采用无线或有线通讯的手持通讯设备，比如手机、平板电脑或安装有摄像头的计算机等，也可以在手持通讯设备上安装APP程序，以提高硬盘图像传输和处理的效率，便于使用，本实施例的具体处理过程如下：
步骤S101中，通过终端APP拍照多种不同角度的服务器硬盘显示灯照片；
步骤S102中，终端APP将拍摄到的硬盘现场状态图像提交到Server端；
步骤S103中，服务器接收到多角度图像后，进行相对角度归一化处理，再利用几何校正方法对多角度图像进行配准，得到修正后的硬盘图像，相对角度归一化公式：
yk＝akxk+bk (1)
式中，ak、bk是角度为K时的归一化参数，xk、yk分别为校正图像k角度下归一化前后的像元灰度值，分别为校正图像和参考图像在K角度下的像元平均值，分别为校正图像与参考图像k角度下的协方差及参考图像本身的协方差；
步骤S104中，Server端获将处理后的硬盘图像发送到TensorFlow，TensorFlow将修正后的硬盘图像信息处理成统一标准的数据；
步骤S105中，按照等比例将服务器的指示灯数据通过镜像的方式初始化到Server端；
步骤S106中，Server根据TensorFlow处理硬盘图像数据与正常状态图像数据进行比对，判断出硬盘的状态。
步骤S107中，Server将处理结果反馈给终端，并将硬盘故障信息在多角度硬盘图像上进行备注，详细描述故障可能存在的原因，方便运维人员分析。
进一步的，本实施例按照等比例将服务器的指示灯数据通过镜像的方式初始化到Server端。反馈给终端的硬盘的现场状态信息，包括硬盘故障点、故障备注以及故障原因数据。所述步骤S3的几何校正方法配准,是利用已经过正射校正处理的高精度硬盘图像为基准，对多角度图像需校正的图像进行几何配准，每景影像选取均匀分布的硬盘图像特征点20个以上，特征点分布须均匀并保证硬盘显示灯区域边界成矩形，采用二次多项式进行几何校正，双线性内插法进行亮度值的重采样，使校正精度控制在0.3个像素之内。
本发明采用硬盘现场状态多角度图像进行故障信息诊断，能较好的提高图像信息和硬盘状态信息的对应精度，从而有利于改进故障诊断的效率和准确性，降低服务器管理和维护的成。基于TensorFlow提高了对硬盘现场状态图像的处理效率，且在实现智能化处理的同时较准确的建立故障诊断对应信息，在现有的机房规模越来越大的场合下，能大幅降低维护人员的学习成本，有利于保护硬盘部件、服务器、机房等设备安全。
本发明未详尽描述的技术内容均为公知技术。