一种数据中心网络设备的使用监测方法、设备及介质与流程

1.本说明书涉及人工智能技术领域，尤其涉及一种数据中心网络设备的使用监测方法、设备及介质。


背景技术：

2.随着互联网技术的发展，数据中心规模越来越大。大型数据中心的网络数据传输量较大，铺设的网络线路众多，增大了网络通信设备巡检难度。如果存在网络设备的异常使用行为，没有及时发现，将会造成不必要的损失，造成较严重的后果，例如，非法私接网线、盗用数据中心网络资源、恶意拔掉网线给服务器物理断网、甚至盗取通信数据等异常使用行为。通常情况下，安排专职人员进行人工巡检，一方面无法保证不间断巡查，另一方面对于数据中心众多的网络线路或者某台交换机、路由器上密集的网线，即使出现一根私接光纤，人眼也很容易遗漏掉，造成漏检。对于类似任务，利用巡检机器人优势明显。
3.机器人巡检主要通过高清相机拍摄设备图像，对设备进行监测。由于设备异常使用，尤其是接口异常使用引发的视觉变化较小且没有明确的痕迹特征，目前的检测准确率和查全率不高，无法及时、准确的监测到接口异常使用的问题。


技术实现要素：

4.本说明书一个或多个实施例提供了一种数据中心网络设备的使用监测方法、设备及介质，用于解决如下技术问题：由于设备异常使用，尤其是接口异常使用引发的视觉变化较小且没有明确的痕迹特征，目前的检测准确率和查全率不高，无法及时、准确的监测到接口异常使用的问题。
5.本说明书一个或多个实施例采用下述技术方案：
6.本说明书一个或多个实施例提供一种数据中心网络设备的使用监测方法，应用于巡检机器人，所述方法包括：获取巡检机器人在指定巡检任务点处采集的接口使用图像，并获取预先设置的所述指定巡检任务点对应的指定模板图像，其中，所述接口使用图像的图像尺寸与所述指定模板图像的图像尺寸相同，所述指定模板图像为所述指定巡检任务点处的网络设备正常使用情况下的图像；将所述接口使用图像和所述指定模板图像，输入至预先训练的接口使用检测模型中，输出与所述接口使用图像和所述指定模板图像相同尺寸的检测标注文件，其中，所述检测标注文件中包括每个像素点的类别标识；获取所述检测标注文件中各像素点的类别标识，根据各像素点的类别标识，确定所述指定巡检任务点处的网络设备的接口使用状态，以基于所述接口使用状态对数据中心网络设备的使用进行监测，其中，所述接口使用状态包括异常使用状态和正常使用状态。
7.进一步地，将所述接口使用图像和所述指定模板图像，输入至预先训练的接口使用检测模型中之前，所述方法还包括：使用融合多尺度特征的神经网络结构，构建初始模型，其中，所述初始模型包括使用卷积和池化操作的特征提取网络以及使用上采样和特征图融合的上采样网络。
8.进一步地，将所述接口使用图像和所述指定模板图像，输入至预先训练的接口使用检测模型中之前，所述方法还包括：生成模拟数据集，具体包括：获取接口对应的接口元素图像，其中，所述接口元素图像包括多个指定接口图像，每个指定接口图像包括接口空闲状态图像或接口占用状态图像；获取多个模板图像，其中，所述模板图像为多个网络设备正常使用下的图像；将所述接口元素图像，按照随机覆盖规则，覆盖在每个模板图像中，生成每个模板图像对应的初始接口异常使用图像；根据初始接口异常使用图像，生成与所述初始接口异常使用图像尺寸相同的指定标注文件，其中，所述指定标注文件中包括违规接口标识和正常接口标识；对所述每个模板图像对应的异常使用图像进行色彩空间变换和几何空间变换，生成每个模板图像对应的接口异常使用图像；将所述每个模板图像对应的接口异常使用图像以及所述接口异常使用图像对应的模板图像组成图像对；根据所述图像对和所述指定标注文件，生成模拟数据集。
9.进一步地，生成模拟数据集之后，所述方法还包括：使用所述模拟数据集中的数据对所述初始模型进行训练，得到符合要求的接口使用检测模型，具体包括：将所述模拟数据集中的所述图像对，输入至所述初始模型中，输出推测标注文件；根据所述推测标注文件和所述模拟数据集中的所述指定标注文件，对所述初始模型进行参数调整，得到符合要求的接口使用检测模型。
10.进一步地，根据各像素点的类别标识，确定所述指定巡检任务点处的网络设备的接口使用状态，具体包括：判断所述检测标注文件中各像素点的类别标识是否存在第一类别标识，若存在所述第一类别标识，则判定所述指定巡检任务点处的接口使用状态为异常使用；其中，所述类别标识包括第一类别标识和第二类别标识，所述第一类别标识用于表示该像素点对应的接口状态为异常使用状态，所述第二类别标识用于表示该像素点对应的接口状态为正常使用状态；并按照所述类别标识，将所述检测标注文件中的像素点分为第一类像素点和第二类像素点，其中，所述第一类像素点中每个像素点的类别标识均为第一类别标识，所述第二类像素点中每个像素点的类别标识均为第二类别标识；将第一类像素点组成的区域作为接口异常使用区域，确定所述接口异常使用区域的区域位置坐标数据；根据所述区域位置坐标数据，将所述接口异常使用区域在所述接口使用图像和所述指定模板图像进行可视化展示。
11.进一步地，获取预先设置的所述指定巡检任务点对应的指定模板图像之前，所述方法还包括：预先设置多个巡检任务点；在所述巡检任务点处，通过巡检机器人采集模板图像，并记录所述巡检机器人的机器人位姿状态；建立模板图像与机器人位姿状态的对应关系，作为第一对应关系；对每个巡检任务点设置地点标识，根据每个巡检任务点的地点标识以及每个巡检任务处采集的模板图像，建立巡检任务点与模板图像的对应关系，作为第二对应关系。
12.进一步地，获取巡检机器人在指定巡检任务点处采集的接口使用图像，具体包括：确定所述指定巡检任务点对应的指定地点标识；根据所述指定地点标识，在所述第二对应关系中确定出所述指定巡检任务点对应的指定模板图像；基于所述指定巡检任务点对应的指定模板图像，在所述第一对应关系中确定出所述指定模板图像对应的指定机器人位姿状态；使用指定机器人位姿状态，在所述指定巡检任务点处，采集接口使用图像。
13.进一步地，将所述接口使用图像和所述指定模板图像，输入至预先训练的接口使
用检测模型中之前，所述方法还包括：按照预设的图像对齐方式，将所述接口使用图像与所述指定模板图像进行对齐变换，得到对齐变换后的接口使用图像，以便于将所述对齐变换后的接口使用图像和所述指定模板图像，输入至预先训练的接口使用检测模型中。
14.本说明书一个或多个实施例提供一种数据中心网络设备的使用监测设备，包括：
15.至少一个处理器；以及，
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
18.获取巡检机器人在指定巡检任务点处采集的接口使用图像，并获取预先设置的所述指定巡检任务点对应的指定模板图像，其中，所述接口使用图像的图像尺寸与所述指定模板图像的图像尺寸相同，所述指定模板图像为所述指定巡检任务点处的网络设备正常使用情况下的图像；将所述接口使用图像和所述指定模板图像，输入至预先训练的接口使用检测模型中，输出与所述接口使用图像和所述指定模板图像相同尺寸的检测标注文件，其中，所述检测标注文件中包括每个像素点的类别标识；获取所述检测标注文件中各像素点的类别标识，根据各像素点的类别标识，确定所述指定巡检任务点处的网络设备的接口使用状态，以基于所述接口使用状态对数据中心网络设备的使用进行监测，其中，所述接口使用状态包括异常使用状态和正常使用状态。
19.本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
20.获取巡检机器人在指定巡检任务点处采集的接口使用图像，并获取预先设置的所述指定巡检任务点对应的指定模板图像，其中，所述接口使用图像的图像尺寸与所述指定模板图像的图像尺寸相同，所述指定模板图像为所述指定巡检任务点处的网络设备正常使用情况下的图像；将所述接口使用图像和所述指定模板图像，输入至预先训练的接口使用检测模型中，输出与所述接口使用图像和所述指定模板图像相同尺寸的检测标注文件，其中，所述检测标注文件中包括每个像素点的类别标识；获取所述检测标注文件中各像素点的类别标识，根据各像素点的类别标识，确定所述指定巡检任务点处的网络设备的接口使用状态，以基于所述接口使用状态对数据中心网络设备的使用进行监测，其中，所述接口使用状态包括异常使用状态和正常使用状态。
21.本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：通过上述技术方案，根据实际采集的接口使用图像和该位置处的模板图像，生成每个像素点的类别标识的检测标注文件，与只使用实际图像相比，得到的结果更具备准确性，并且更符合当前巡检任务点的设备特点。根据检测标注文件，确定此任务点处的接口使用状态，将接口使用差异以类别标识的形式呈现，将违规使用引发的较小的视觉变化和不明确的痕迹特征进行量化展示，提高了接口违规使用的检测准确率，可以及时发现数据中心网络设备的接口违规使用问题。
附图说明
22.为了更清楚地说明本说明书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简单地介绍，显而易见地，下面描述中的附图仅仅是
本说明书中记载的一些实施例，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。在附图中：
23.图1为本说明书实施例提供的一种数据中心网络设备的使用监测方法的流程示意图；
24.图2为本说明书实施例提供的一种数据中心网络设备的使用监测设备的结构示意图。
具体实施方式
25.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
26.随着互联网技术的发展，数据中心规模越来越大。大型数据中心的网络数据传输量较大，铺设的网络线路众多，增大了网络通信设备巡检难度。如果存在网络设备的异常使用行为，没有及时发现，将会造成不必要的损失，造成较严重的后果，例如，非法私接网线、盗用数据中心网络资源、恶意拔掉网线给服务器物理断网、甚至盗取通信数据等异常使用行为。通常情况下，安排专职人员进行人工巡检，一方面无法保证不间断巡查，另一方面对于数据中心众多的网络线路或者某台交换机、路由器上密集的网线，即使出现一根私接光纤，人眼也很容易遗漏掉，造成漏检。对于类似任务，利用巡检机器人优势明显。
27.机器人巡检主要通过高清相机拍摄设备图像，对设备进行监测。由于设备异常使用，尤其是接口异常使用引发的视觉变化较小且没有明确的痕迹特征，目前的检测准确率和查全率不高，无法及时、准确的监测到接口异常使用的问题。
28.本说明书实施例提供一种数据中心网络设备的使用监测方法，应用于巡检机器人。需要说明的是，本说明书实施例中的执行主体可以是服务器，也可以是任意一种具备数据处理能力的设备。图1为本说明书实施例提供的一种数据中心网络设备的使用监测方法的流程示意图，如图1所示，主要包括如下步骤：
29.步骤s101，获取巡检机器人在指定巡检任务点处采集的接口使用图像，并获取预先设置的指定巡检任务点对应的指定模板图像。
30.其中，该接口使用图像的图像尺寸与该指定模板图像的图像尺寸相同。
31.获取预先设置的该指定巡检任务点对应的指定模板图像之前，该方法还包括：预先设置多个巡检任务点；在该巡检任务点处，通过巡检机器人采集模板图像，并记录该巡检机器人的机器人位姿状态；建立模板图像与机器人位姿状态的对应关系，作为第一对应关系；对每个巡检任务点设置地点标识，根据每个巡检任务点的地点标识以及每个巡检任务处采集的模板图像，建立巡检任务点与模板图像的对应关系，作为第二对应关系。
32.在本说明书的一个实施例中，对巡检机器人进行初始化部署，预先对数据中心设置多个巡检任务点，将巡检任务点记录在巡检系统中，通过巡检系统支撑巡检机器人执行巡检任务，控制巡检机器人到达巡检任务点执行接口使用监测任务。此外，由于每个巡检任务点中的网络设备的设备数量以及设备线路组成不同，为了保证采集到的接口使用图像的
完整性，需要在每个巡检任务点处设置巡检机器人的机器人位姿状态，也就是巡检机器人的拍摄角度。在每个巡检任务点处，通过巡检机器人采集该巡检任务点对应的模板图像，模板图像是指网络设备正常使用情况下的图像。并记录采集该模板图像的机器人位姿状态，建立模板图像与机器人位姿状态的对应关系。此外，为了便于对巡检机器人的控制，还需对每个巡检任务点设置地点标识，根据地点标识和每个巡检任务点处对应的模板图像，建立两者的对应关系。
33.在本说明书的一个实施例中，由于每个巡检任务点中的网络设备的设备数量以及设备线路组成不同，也就是每个巡检任务点的巡检复杂程度不同，根据每个巡检任务点的巡检复杂程度确定该巡检任务点所需的模板图像的数量。例如，可以根据每个巡检任务点处的网络设备的数量，确定每个巡检任务点所需的模板图像数量，其中，模板图像数量包括一个或多个；当巡检任务点所需的模板图像数量为一个时，在巡检任务点处，基于指定机器人位姿状态，通过巡检机器人采集一个模板图像；当巡检任务点所需的模板图像数量为多个时，在巡检任务点处，基于指定机器人位姿状态，通过巡检机器人采集多个模板图像。
34.获取巡检机器人在指定巡检任务点处采集的接口使用图像，具体包括：确定该指定巡检任务点对应的指定地点标识；根据该指定地点标识，在该第二对应关系中确定出该指定巡检任务点对应的指定模板图像；基于该指定巡检任务点对应的指定模板图像，在该第一对应关系中确定出该指定模板图像对应的指定机器人位姿状态；使用指定机器人位姿状态，在该指定巡检任务点处，采集接口使用图像。
35.在本说明书的一个实施例中，当需要对数据中心的网络设备进行设备使用监测时，控制巡检机器人到达指定巡检任务点，确定指定巡检任务点对应的指定地点标识。根据指定地点标识，在地点标识和每个巡检任务点处对应的模板图像的对应关系中确定出指定巡检任务点对应的指定模板图像。之后，根据指定巡检任务点对应的指定模板图像，在模板图像与机器人位姿状态的对应关系中确定出指定模板图像对应的指定机器人位姿状态。控制巡检机器人在指定巡检任务点处，使用指定机器人位姿状态采集接口使用图像。
36.步骤s102，将接口使用图像和指定模板图像，输入至预先训练的接口使用检测模型中，输出与接口使用图像和指定模板图像相同尺寸的检测标注文件。
37.其中，该检测标注文件可以是掩码图，掩码图中包括每个像素点的类别标识。
38.将该接口使用图像和该指定模板图像，输入至预先训练的接口使用检测模型中之前，该方法还包括：按照预设的图像对齐方式，将该接口使用图像与该指定模板图像进行对齐变换，得到对齐变换后的接口使用图像，以便于将该对齐变换后的接口使用图像和该指定模板图像，输入至预先训练的接口使用检测模型中。
39.在本说明书的一个实施例中，预先设置辅助图像进行图像对齐的对齐工具或对齐方法，将对齐工具或对齐方法在巡检机器人的初始化阶段进行部署。当巡检机器人采集到接口使用图像之后，使用图像对齐工具或图像对齐方法，将接口使用图像与指定巡检任务点处对应的模板图像进行图像对齐，将对齐变换后的接口使用图像和指定模板图像输入至预先训练的接口使用检测模型中，输出与接口使用图像和指定模板图像相同尺寸的检测标注文件。
40.将该接口使用图像和该指定模板图像，输入至预先训练的接口使用检测模型中之前，该方法还包括：使用融合多尺度特征的神经网络结构，构建初始模型，其中，该初始模型
包括使用卷积和池化操作的特征提取网络以及使用上采样和特征图融合的上采样网络。
41.在本说明书的一个实施例中，由于违规接口部分相对于整张图像来说，所占像素很少，只有百分之一，甚至更少，因此本实施例中在构建初始模型时，采用神经网络结构，并且神经网络结构融合了多尺度特征，前半部分是主要使用卷积和池化操作构成的特征提取网络，后半部分是使用上采样及特征图融合构成的上采样网络。在上采样网络部分，每上采样一次，就和特征提取网络部分对应的通道数相同尺度融合，然后继续上采样，直至特征图尺度与模板尺寸一致。模型最后一层的输出称之为违规接口概率热力图，违规接口概率热力图由两个通道组成，设定每个通道中每一个像素点的值在0～1之间，设定通道1表示没有出现违规接口情况的概率，通道2表示出现违规接口的情况概率。对违规接口概率热力图中的两个通道中同一个像素点的值进行大小比较，将较大的值作为该像素点的类别标识，以此类推，得到每个像素点的类别标识，根据每个像素点的类别标识，生成最终输出的标注文件。
42.将该接口使用图像和该指定模板图像，输入至预先训练的接口使用检测模型中之前，该方法还包括：生成模拟数据集，具体包括：获取接口对应的接口元素图像，其中，该接口元素图像包括多个指定接口图像，每个指定接口图像包括接口空闲状态图像或接口占用状态图像；获取多个模板图像，其中，该模板图像为多个网络设备正常使用下的图像；将该接口元素图像，按照随机覆盖规则，覆盖在每个模板图像中，生成每个模板图像对应的初始接口异常使用图像；根据初始接口异常使用图像，生成与该初始接口异常使用图像尺寸相同的指定标注文件，其中，该指定标注文件中包括违规接口标识和正常接口标识；对该每个模板图像对应的异常使用图像进行色彩空间变换和几何空间变换，生成每个模板图像对应的接口异常使用图像；将该每个模板图像对应的接口异常使用图像以及该接口异常使用图像对应的模板图像组成图像对；根据该图像对和该指定标注文件，生成模拟数据集。
43.在本说明书的一个实施例中，在构建模型之后，需要对模型进行模型训练，此处需要用到训练数据集。由于网络设备违规使用情况十分罕见，样本稀少，因此提出一种高效的生成模拟数据集的方法，用于模拟真实巡检情景收集的图像，自动生成模拟训练数据集。生成模拟数据集的方法包括生成初始接口异常使用图像和生成图像的视觉变化两个方面。
44.初始接口违规使用图像的生成需要接口元素图像和该巡检任务点处对应的模板图像，接口元素图像包括多个接口图像，在多个接口图像中包括不同种类的接口，以及每个接口的不同状态，其中接口的类型包括网络接口、光纤接口等，每个接口的状态包括接口占用状态以及接口空闲状态。模板图像是控制巡检机器人采集的多个网络设备正常使用情况下的图像。将接口元素图像按照随机覆盖规则，覆盖在每个模板图像中，生成每个模板图像对应的初始接口异常使用图像，此处的随机覆盖原则是指接口种类随机、接口位置随机以及接口数量随机的覆盖在模板图像中。
45.为了增强模型在实际任务中的适应性，生成的接口违规使用图像还需要再进行图像视觉变换，此处的图像视觉变换是指在色彩空间和几何空间对图像进行变换，色彩空间主要变换亮度、对比度、色调，模拟真实任务中的光照、相机拍摄参数变化等情况，几何空间主要是轻度的仿射变换、透视变换，模拟真实情况下机器人姿态控制误差造成的相机拍摄角度的轻微变化。
46.此外，在生成初始接口异常使用图像的同时，生成一个与初始接口异常使用图像
尺寸相同的指定标注文件，该标注文件为模型的期望输出。其中，指定标注文件中包括违规接口标识和正常接口标识，此处的违规接口标识可以设置为1，正常接口标识可以设置为0，正常接口标识也可以称为无违规接口标识，违规接口标识还可以称之为异常接口标识。将每个模板图像对应的接口异常使用图像以及接口异常使用图像对应的模板图像组成一对图像，称为图像对，根据图像对和指定标注文件，生成模拟数据集。
47.也就是说，一个模板图像对应一张或多张生成的接口违规使用图像，本实施例中的模型输入的训练数据是由模板图像和其对应生成的接口违规使用图像共同组成或生成的，即一个训练数据指的是一对图像和一个标注文件，这对图像中一个为模板图像，另一个为由该模板生成的接口违规使用图像。
48.生成模拟数据集之后，该方法还包括：使用该模拟数据集中的数据对该初始模型进行训练，得到符合要求的接口使用检测模型，具体包括：将该模拟数据集中的该图像对，输入至该初始模型中，输出推测标注文件；根据该推测标注文件和该模拟数据集中的该指定标注文件，对该初始模型进行参数调整，得到符合要求的接口使用检测模型。
49.在本说明书的一个实施例中，使用模拟数据集中的数据对初始模型进行训练，得到符合要求的接口使用检测模型，将模拟数据集中的图像对，输入至初始模型中，输出推测标注文件，根据推测标注文件和模拟数据集中的指定标注文件，对初始模型进行参数调整，得到符合要求的接口使用检测模型。此外，将模型的学习目标定义为推测标注文件和指定标注文之间的差异，例如差值的平方和、交叉熵等，均可用于该学习目标。
50.步骤s103，获取检测标注文件中各像素点的类别标识，根据各像素点的类别标识，确定指定巡检任务点处的网络设备的接口使用状态，以基于接口使用状态对数据中心网络设备的使用进行监测。
51.其中，该接口使用状态包括异常使用状态和正常使用状态。
52.根据各像素点的类别标识，确定该指定巡检任务点处的网络设备的接口使用状态，具体包括：判断该检测标注文件中各像素点的类别标识是否存在第一类别标识，若存在该第一类别标识，则判定该指定巡检任务点处的接口使用状态为异常使用；其中，该类别标识包括第一类别标识和第二类别标识，该第一类别标识用于表示该像素点对应的接口状态为异常使用状态，该第二类别标识用于表示该像素点对应的接口状态为正常使用状态；并按照该类别标识，将该检测标注文件中的像素点分为第一类像素点和第二类像素点，其中，该第一类像素点中每个像素点的类别标识均为第一类别标识，该第二类像素点中每个像素点的类别标识均为第一类别标识；将第一类像素点组成的区域作为接口异常使用区域，确定该接口异常使用区域的区域位置坐标数据；根据该区域位置坐标数据，将该接口异常使用区域在该接口使用图像和该指定模板图像进行可视化展示。
53.在本说明书的一个实施例中，根据输出的检测标注文件，获取检测标注文件中各个像素点对应的类别标识。此处需要说明的是，检测标注文件可以是mask掩码图，并且mask掩码图的尺寸与输入的接口使用图像和指定模板图像的图像尺寸相同。判断检测标注文件中各像素点的类别标识是否存在第一类别标识，若存在该第一类别标识，则判定该指定巡检任务点处的接口使用状态为异常使用，需要说明的是，类别标识包括第一类别标识和第二类别标识，该第一类别标识用于表示该像素点对应的接口状态为异常使用状态，也就是说，第一类别标识可以称之为违规接口标识，在构建模拟数据集中设置的违规接口标识为
1，则此处的第一类别标识为1。第二类别标识用于表示该像素点对应的接口状态为正常使用状态，同样地，在构建模拟数据集中设置的正常接口标识为0，则此处的第二类别标识为0。若检测标注文件中存在像素点的类别标识为1，则判定此巡检任务点处的网络设备的接口使用状态存在异常使用状态。将检测标注文件中的第一类像素点，也就是类别标识为1的大块联通区域进行筛选，将第一类像素点组成的区域作为接口异常使用区域，确定接口异常使用区域的区域位置坐标数据。由于检测标注文件的尺寸与接口使用图像和指定模板图像的尺寸相同，根据检测标注文件中接口异常使用区域的区域位置坐标数据，可以将接口异常使用区域对应到接口使用图像和指定模板图像中，进行可视化展示，可以根据展示内容进一步审核、确认，对数据中心网络设备的使用进行监测。
54.通过上述技术方案，根据实际采集的接口使用图像和该位置处的模板图像，生成每个像素点的类别标识的检测标注文件，与只使用实际图像相比，得到的结果更具备准确性，并且更符合当前巡检任务点的设备特点。根据检测标注文件，确定此任务点处的接口使用状态，将接口使用差异以类别标识的形式呈现，将违规使用引发的较小的视觉变化和不明确的痕迹特征进行量化展示，提高了接口违规使用的检测准确率，可以及时发现数据中心网络设备的接口违规使用问题。
55.本说明书实施例还提供一种数据中心网络设备的使用监测设备，如图2所示，设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
56.获取巡检机器人在指定巡检任务点处采集的接口使用图像，并获取预先设置的该指定巡检任务点对应的指定模板图像，其中，该接口使用图像的图像尺寸与该指定模板图像的图像尺寸相同，该指定模板图像为该指定巡检任务点处的网络设备正常使用情况下的图像；将该接口使用图像和该指定模板图像，输入至预先训练的接口使用检测模型中，输出与该接口使用图像和该指定模板图像相同尺寸的检测标注文件，其中，该检测标注文件中包括每个像素点的类别标识；获取该检测标注文件中各像素点的类别标识，根据各像素点的类别标识，确定该指定巡检任务点处的网络设备的接口使用状态，以基于该接口使用状态对数据中心网络设备的使用进行监测，其中，该接口使用状态包括异常使用状态和正常使用状态。
57.本说明书实施例还提供一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：
58.获取巡检机器人在指定巡检任务点处采集的接口使用图像，并获取预先设置的该指定巡检任务点对应的指定模板图像，其中，该接口使用图像的图像尺寸与该指定模板图像的图像尺寸相同，该指定模板图像为该指定巡检任务点处的网络设备正常使用情况下的图像；将该接口使用图像和该指定模板图像，输入至预先训练的接口使用检测模型中，输出与该接口使用图像和该指定模板图像相同尺寸的检测标注文件，其中，该检测标注文件中包括每个像素点的类别标识；获取该检测标注文件中各像素点的类别标识，根据各像素点的类别标识，确定该指定巡检任务点处的网络设备的接口使用状态，以基于该接口使用状态对数据中心网络设备的使用进行监测，其中，该接口使用状态包括异常使用状态和正常使用状态。
59.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部
分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
60.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
61.本说明书实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
62.本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
63.本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
64.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
65.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
66.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
67.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
68.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动
态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
69.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
70.以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。