一种用于机房巡检机器人的设备识别模型组合方法及系统与流程

1.本发明公开一种用于机房巡检机器人的设备识别模型组合方法及系统，涉及卷积神经网络技术领域。


背景技术：

2.机房巡检机器人现在是可以替代人进行机房巡检的高效方式，巡检机器人拍摄的机柜照片通常不是完整的机柜照片，需要将多张照片进行组合，会影响以单一机柜作为训练对象的准确率，而且由于机柜内设备(服务器)通常外观很类似，如果以整个机柜进行训练模型的识别准确率会进一步降低。另一方面，如果以某一机柜作为训练对象，所得到模型不够灵活，而机房内某一机柜内的设备时常有会所变动，这样会造成以单一机柜进行训练成本更高；故现发明一种用于机房巡检机器人的设备识别模型组合方法及系统，以解决上述问题。


技术实现要素：

3.本发明针对现有技术的问题，提供一种用于机房巡检机器人的设备识别模型组合方法及系统，所采用的技术方案为：一种用于机房巡检机器人的设备识别模型组合方法，所述的方法具体步骤包括：
4.s1对机房内所有设备进行识别模型训练，得到每个型号对应的设备识别模型；
5.s2通过拖拽式组合方式对设备识别模型进行从上到下顺序编排；
6.s3通过图像拼接技术将拍摄的同一机柜的多张照片进行组合，得到机柜完整照片；使用图像处理技术区分照片中从上到下每个设备区域；
7.s4将托拉拽得到的设备识别模型与设备实际区域相对应；
8.s5使用设备对应的识别模型对及贵重设备分别进行状态识别。
9.所述s1通过拖拽式组合将机柜内从上到下设备的摆放顺序进行自定义编，得到设备型号编排结果，实现对设备识别模型的编排。
10.所述s2通过拖拽式组合方式对设备识别模型进行从上到下顺序编排的具体步骤包括：
11.s201图像拼接得到完整机柜照片；
12.s202对完整机柜照片进行区域边界识别，初步区分整个机柜中从上而下的各个设备区域；
13.s203机柜每个设备区域与该机柜对应的模型组合中的单个模型顺序对应；
14.s204由该机柜设备识别模型组合中的单个设备识别模型分别对对应的设备机型进行状态识别。
15.所述s202每一个区域对应一台独立设备，识别机柜照片从上到下顺序和不同设备的分割区域。
16.所述s204每一个设备进行单独识别，结合拖拽组合的改机柜识别模型组合，识别
该设备相关状态。
17.一种用于机房巡检机器人的设备识别模型组合系统，所述的系统具体包括模型建立模块、拖拽编排模块、组合识别模块、型号确认模块和状态识别模块：
18.模型建立模块：对机房内所有设备进行识别模型训练，得到每个型号对应的设备识别模型；
19.拖拽编排模块：通过拖拽式组合方式对设备识别模型进行从上到下顺序编排；
20.组合识别模块：通过图像拼接技术将拍摄的同一机柜的多张照片进行组合，得到机柜完整照片；使用图像处理技术区分照片中从上到下每个设备区域；
21.型号确认模块：将托拉拽得到的设备识别模型与设备实际区域相对应；
22.状态识别模块：使用设备对应的识别模型对及贵重设备分别进行状态识别。
23.所述模型建立模块通过拖拽式组合将机柜内从上到下设备的摆放顺序进行自定义编，得到设备型号编排结果，实现对设备识别模型的编排。
24.所述拖拽编排模块具体包括图像拼接模块、区域识别模块、顺序识别模块和设备识别模块：
25.图像拼接模块：图像拼接得到完整机柜照片；
26.区域识别模块：对完整机柜照片进行区域边界识别，初步区分整个机柜中从上而下的各个设备区域；
27.顺序识别模块：机柜每个设备区域与该机柜对应的模型组合中的单个模型顺序对应；
28.设备识别模块：由该机柜设备识别模型组合中的单个设备识别模型分别对对应的设备机型进行状态识别。
29.所述区域识别模块每一个区域对应一台独立设备，识别机柜照片从上到下顺序和不同设备的分割区域。
30.所述设备识别模块每一个设备进行单独识别，结合拖拽组合的改机柜识别模型组合，识别该设备相关状态。
31.本发明的有益效果为：本发明方法利用使用卷积神经网络的训练方法，针对机房内每一种设备进行训练，得到能够准确识别单一设备状态的对应模型，包括设备指示灯对应位置，指示灯含义等相关信息，将得到的识别模型与实际设备型号对应；利用图像拼接技术将拍摄的同一机柜的多张照片进行组合，得到机柜完整照片；利用将得到的设备识别模型与设备实际型号相对应；当机柜内设备发生变化，比如更换，移位等操作，仅需要通过拖拽方式，对该机柜的设备组合进行重新排列即可；使得设备识别模型的建立更加灵活，从而降低模型的训练成本，提高模型的工作效率。
附图说明
32.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，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
33.图1是本发明方法的流程图；图2是本发明系统的结构示意图。
具体实施方式
34.下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
35.实施例一：
36.一种用于机房巡检机器人的设备识别模型组合方法，所述的方法具体步骤包括：
37.s1对机房内所有设备进行识别模型训练，得到每个型号对应的设备识别模型；
38.s2通过拖拽式组合方式对设备识别模型进行从上到下顺序编排；
39.s3通过图像拼接技术将拍摄的同一机柜的多张照片进行组合，得到机柜完整照片；使用图像处理技术区分照片中从上到下每个设备区域；
40.s4将托拉拽得到的设备识别模型与设备实际区域相对应；
41.s5使用设备对应的识别模型对及贵重设备分别进行状态识别；
42.进一步的，所述s1通过拖拽式组合将机柜内从上到下设备的摆放顺序进行自定义编，得到设备型号编排结果，实现对设备识别模型的编排；
43.进一步的，所述s2通过拖拽式组合方式对设备识别模型进行从上到下顺序编排的具体步骤包括：
44.s201图像拼接得到完整机柜照片；
45.s202对完整机柜照片进行区域边界识别，初步区分整个机柜中从上而下的各个设备区域；
46.s203机柜每个设备区域与该机柜对应的模型组合中的单个模型顺序对应；
47.s204由该机柜设备识别模型组合中的单个设备识别模型分别对对应的设备机型进行状态识别；
48.进一步的，所述s202每一个区域对应一台独立设备，识别机柜照片从上到下顺序和不同设备的分割区域；
49.再进一步的，所述s204每一个设备进行单独识别，结合拖拽组合的改机柜识别模型组合，识别该设备相关状态；
50.本发明方法提供一种用于机房巡检机器人的设备识别模型组合方法，本发明方法首先使用卷积神经网络的训练方法，针对机房内每一种设备进行训练，得到能够准确识别单一设备状态的对应模型，包括设备指示灯对应位置，指示灯含义等相关信息，将得到的识别模型与实际设备型号对应；
51.前台界面可以以拖拽式组合的方式，实现机柜内从上到下设备摆放顺序的自定义编排，根据设备型号编排结果，实现对设备识别模型的编排，即得到某一机柜内按顺序的设备识别模型组合；
52.通过图像拼接技术，将机房巡检机器人拍摄的某一机柜的多张照片的进行组合，得到整个机柜的完整照片；使用拖拽的组合模型结果，对机柜完整拼接图像进行识别，第一步识别仅需识别出机柜照片内从上到下，不同设备的分割区域即可，每一个区域对应一台独立设备，第二步识别，根据第一步识别的不同设备，结合拖拽组合的该机柜识别模型组合，对每一个设备进行单独识别，识别该设备相关状态；
53.当机柜内设备发生变化，比如更换，移位等操作，仅需要通过拖拽方式，对该机柜的设备组合进行重新排列即可。
54.实施例二：
55.一种用于机房巡检机器人的设备识别模型组合系统，所述的系统具体包括模型建立模块、拖拽编排模块、组合识别模块、型号确认模块和状态识别模块：
56.模型建立模块：对机房内所有设备进行识别模型训练，得到每个型号对应的设备识别模型；
57.拖拽编排模块：通过拖拽式组合方式对设备识别模型进行从上到下顺序编排；
58.组合识别模块：通过图像拼接技术将拍摄的同一机柜的多张照片进行组合，得到机柜完整照片；使用图像处理技术区分照片中从上到下每个设备区域；
59.型号确认模块：将托拉拽得到的设备识别模型与设备实际区域相对应；
60.状态识别模块：使用设备对应的识别模型对及贵重设备分别进行状态识别；
61.进一步的，所述模型建立模块通过拖拽式组合将机柜内从上到下设备的摆放顺序进行自定义编，得到设备型号编排结果，实现对设备识别模型的编排。
62.进一步的，所述拖拽编排模块具体包括图像拼接模块、区域识别模块、顺序识别模块和设备识别模块：
63.图像拼接模块：图像拼接得到完整机柜照片；
64.区域识别模块：对完整机柜照片进行区域边界识别，初步区分整个机柜中从上而下的各个设备区域；
65.顺序识别模块：机柜每个设备区域与该机柜对应的模型组合中的单个模型顺序对应；
66.设备识别模块：由该机柜设备识别模型组合中的单个设备识别模型分别对对应的设备机型进行状态识别；
67.进一步的，所述区域识别模块每一个区域对应一台独立设备，识别机柜照片从上到下顺序和不同设备的分割区域；
68.再进一步的，所述设备识别模块每一个设备进行单独识别，结合拖拽组合的改机柜识别模型组合，识别该设备相关状态。
69.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。