CN107784635A - 一种服务器面板自动识别方法及系统 - Google Patents
一种服务器面板自动识别方法及系统 Download PDFInfo
- Publication number
- CN107784635A CN107784635A CN201710896578.3A CN201710896578A CN107784635A CN 107784635 A CN107784635 A CN 107784635A CN 201710896578 A CN201710896578 A CN 201710896578A CN 107784635 A CN107784635 A CN 107784635A
- Authority
- CN
- China
- Prior art keywords
- feature
- server
- information
- image information
- graphic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- ZOMSMJKLGFBRBS-UHFFFAOYSA-N bentazone Chemical compound C1=CC=C2NS(=O)(=O)N(C(C)C)C(=O)C2=C1 ZOMSMJKLGFBRBS-UHFFFAOYSA-N 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
Classifications
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Abstract
本发明提供一种服务器面板自动识别方法及系统,所述方法包括:采集服务器面板的图像信息;根据图像信息分析得出服务器面板上指示灯的图形特征信息;将图形特征信息与预设特征库进行匹配确定出服务器的故障信息。本发明解决由于运维过程中,人工巡检服务器状态的成本高昂、巡检精度低的问题,本发明通过摄像装置采集服务器面板的图像信息,并对图像信息进行图像处理获取指示灯的图像特征信息,进而确定服务器的故障信息,进而能够提高所述识别方法在对服务器的巡检过程中的精确度、准确性以及效率,并且适用范围广。
Description
技术领域
本发明涉及自动化技术领域,尤其涉及一种服务器面板自动识别方法及系统。
背景技术
随着信息技术的发展,机房的规模,服务器的数量越来越大,运维人员的工作量也越来越大。其中,对于老旧机房,由于服务器硬件监控协议支持的不完善,普通监控软件无法覆盖,必须人工进入机房查看服务器面板灯状态确认是否存在硬件故障。但是,人工巡检成本高,发现问题不及时,而且容易出现疏漏。
发明内容
本发明提供的服务器面板自动识别方法及系统,能够提高所述识别方法在对服务器的巡检过程中的精确度、准确性以及效率。
第一方面,本发明提供一种服务器面板自动识别方法,包括:
采集服务器面板的图像信息;
根据图像信息分析得出服务器面板上指示灯的图形特征信息;
将图形特征信息与预设特征库进行匹配确定出服务器的故障信息。
可选地,所述根据图像信息分析得出服务器面板上指示灯的图形特征信息包括:
对图像信息进行锐化处理;
对经锐化处理后的图像信息进行图形特征预处理并获取图形特征信息;
根据图形特征信息提取出指示灯的颜色特征和位置特征。
可选地,所述对经锐化处理后的图像信息进行图形特征预处理并获取图形特征信息包括:
获取经锐化处理后的图像信息中的基本图形信息;
调用用于支持服务器面板的图形特征数据库;
根据图形特征数据库对基本图形信息进行图形特征预处理并获取图形特征信息。
可选地,所述将图形特征信息与预设特征库进行匹配确定出服务器的故障信息包括:
接收图形特征信息中指示灯的颜色特征和位置特征;
调用预设特征库;
将指示灯的颜色特征和位置特征和预设特征库进行匹配确定服务器的故障信息。
可选地,在将图形特征信息与预设特征库进行匹配确定出服务器的故障信息之后,判断服务器是否有故障信息,如果是,则根据故障信息执行对应的故障报警;如果否,则正常运行,然后采集服务器面板的图像信息。
第二方面,本发明提供一种服务器面板自动识别系统,包括:
摄像装置,用于采集服务器面板的图像信息;
分析单元,用于根据图像信息分析得出服务器面板上指示灯的图形特征信息;
确定单元,用于将图形特征信息与预设特征库进行匹配确定出服务器的故障信息。
可选地,所述分析单元包括:
锐化处理模块,用于对图像信息进行锐化处理;
预处理模块,用于对经锐化处理后的图像信息进行图形特征预处理并获取图形特征信息;
提取模块,用于根据图形特征信息提取出指示灯的颜色特征和位置特征。
可选地,所述确定单元包括:
获取模块,用于获取经锐化处理后的图像信息中的基本图形信息;
第一调用模块,用于调用用于支持服务器面板的图形特征数据库;
特征获取模块,用于根据图形特征数据库对基本图形信息进行图形特征预处理并获取图形特征信息。
可选地,所述确定单元还包括:
接收模块,用于接收图形特征信息中指示灯的颜色特征和位置特征;
第二调用模块,用于调用预设特征库;
匹配模块,用于将指示灯的颜色特征和位置特征和预设特征库进行匹配确定服务器的故障信息。
可选地,所述装置还包括:
报警单元,用于根据故障信息执行对应的故障报警。
本发明实施例提供的服务器面板自动识别方法及系统,主要解决由于运维过程中,人工巡检服务器状态的成本高昂、巡检精度低的问题,本发明实施例主要是通过摄像装置采集服务器面板的图像信息,并对图像信息进行图像处理获取指示灯的图像特征信息,进而确定服务器的故障信息并反馈至总的控制台,使得所述识别方法能够在大大降低人工巡检的成本基础上,还能够提高所述识别方法在对服务器的巡检过程中的精确度、准确性以及效率。
附图说明
图1为本发明一实施例服务器面板自动识别方法的流程图;
图2为本发明另一实施例服务器面板自动识别方法的流程图;
图3为本发明一实施例服务器面板自动识别系统的结构示意图;
图4为本发明另一实施例服务器面板自动识别系统的结构示意图。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种服务器面板自动识别方法,如图1所示,所述方法包括:
S1、采集服务器面板的图像信息;
S2、根据图像信息分析得出服务器面板上指示灯的图形特征信息;
S3、将图形特征信息与预设特征库进行匹配确定出服务器的故障信息。
本发明实施例提供的服务器面板自动识别方法主要解决由于运维过程中,人工巡检服务器状态的成本高昂、巡检精度低的问题,本实施例主要是通过摄像装置采集服务器面板的图像信息,并对图像信息进行图像处理获取指示灯的图像特征信息,进而确定服务器的故障信息并反馈至总的控制台,使得所述识别方法能够在大大降低人工巡检的成本基础上,还能够提高所述识别方法在对服务器的巡检过程中的精确度、准确性以及效率。
可选地,如图2所示,所述根据图像信息分析得出服务器面板上指示灯的图形特征信息包括:
对图像信息进行锐化处理;
对经锐化处理后的图像信息进行图形特征预处理并获取图形特征信息;
根据图形特征信息提取出指示灯的颜色特征和位置特征。
具体的,本实施例中首先对图像信息的边缘进行锐化处理并使得图像特征更加清晰、图形特征更加明显;然后再将经锐化处理后的图像信息按照设定的图形算法进行图像特征预处理并获取图形特征信息,其中,所述图形特征信息包括服务器面板接口特征、指示灯的颜色特征、指示灯的位置特征、服务器面板的外观特征等。本实施例中主要是提取出指示灯的颜色特征和位置特征,进而确定服务器的工作状态。例如,当服务器型号为联想时,服务器面板的总故障指示灯在服务器面板的左上角,且总故障指示灯显示红色即服务器出现故障、黄色即为启动状态;当服务器型号为戴尔时,服务器慢板的总故障指示灯在服务器的中间,且总故障指示灯显示橙色即服务器出现故障。
同时,所述位置特征还包括所述服务器面板处于图像的位置,进而确定服务器面板的信息,例如,该服务器面板为第一控制柜的总服务器面板。
因此,本实施例中主要通过获取图形特征信息并获取指示灯的信息,提高了所述方法的智能化和精确性。
可选地,所述对经锐化处理后的图像信息进行图形特征预处理并获取图形特征信息包括:
获取经锐化处理后的图像信息中的基本图形信息;
调用用于支持服务器面板的图形特征数据库;
根据图形特征数据库对基本图形信息进行图形特征预处理并获取图形特征信息。
具体的,本实施例中解决的由于不同厂商的服务器面板不同、同一厂商不同型号的服务器面板也不同,因此,本实施例中主要是获取图像信息中的基本图形信息,然后在通过对存储有各种服务器面板的图形数据的图形特征数据库进行匹配,获取具体服务器面板的图形特征信息。进而提高了所述识别方法的智能化。
同时,所述图像信息中的基本图形信息包括了图形的大小、像素等。所述图形特征数据库用于支持识别出服务器面板的图形特征,所述图形特征数据库预先采集服务器面板的图形特征并储存在图形特征数据库中,例如,服务器型号为联想,包括总故障指示灯、内存故障指示灯、硬盘故障指示灯,其中,总故障指示灯在服务器面板的左上角、内存故障指示灯在服务器面板的中间、硬盘故障指示灯在服务器面板的右下角。
可选地,所述将图形特征信息与预设特征库进行匹配确定出服务器的故障信息包括:
接收图形特征信息中指示灯的颜色特征和位置特征;
调用预设特征库;
将指示灯的颜色特征和位置特征和预设特征库进行匹配确定服务器的故障信息。
具体的,所述指示灯的颜色特征、位置特征与服务器的故障信息相对应,其对应关系储存在预设特征库中,因此,接收到指示灯的颜色特征和位置特征后,即调用预设特征库,并确定出服务器的故障信息,例如,硬盘故障、内存故障等。提高对服务器监管的智能化、精确性和有效性。
可选地,在将图形特征信息与预设特征库进行匹配确定出服务器的故障信息之后,判断服务器是否有故障信息,如果是,则根据故障信息执行对应的故障报警;如果否,则正常运行,然后采集服务器面板的图像信息。
本发明实施例还提供一种服务器面板自动识别系统,如图3所示,所述系统包括:
摄像装置,用于采集服务器面板的图像信息;
分析单元,用于根据图像信息分析得出服务器面板上指示灯的图形特征信息;
确定单元,用于将图形特征信息与预设特征库进行匹配确定出服务器的故障信息。
本发明实施例提供的服务器面板自动识别系统通过摄像装置获取服务器面板的图像信息,然后由分析单元通过对图像信息、以及摄像装置的运动路线等确定出服务器面板的信息以及服务器面板上指示灯的图形特征信息,最后由确定单元根据图形特征信息确定出服务器的故障信息,进而通过仅需通过设置一高清摄像头、分析单元和确定单元即可解决由于运维过程中,人工巡检服务器状态的成本高昂、巡检精度低的问题,并且在提高了监测实时性和精确性的同时,还降低了成本。
其中,本实施例主要是通过摄像装置采集服务器面板的图像信息,并对图像信息进行图像处理获取指示灯的图像特征信息,进而确定服务器的故障信息并反馈至总的控制台,使得所述识别方法能够在大大降低人工巡检的成本基础上,还能够提高所述识别方法在对服务器的巡检过程中的精确度、准确性以及效率。
可选地,如图4所示,所述分析单元包括:
锐化处理模块,用于对图像信息进行锐化处理;
预处理模块,用于对经锐化处理后的图像信息进行图形特征预处理并获取图形特征信息;
提取模块,用于根据图形特征信息提取出指示灯的颜色特征和位置特征。
可选地,所述确定单元包括:
获取模块,用于获取经锐化处理后的图像信息中的基本图形信息;
第一调用模块,用于调用用于支持服务器面板的图形特征数据库;
特征获取模块,用于根据图形特征数据库对基本图形信息进行图形特征预处理并获取图形特征信息。
可选地,所述确定单元还包括:
接收模块,用于接收图形特征信息中指示灯的颜色特征和位置特征;
第二调用模块,用于调用预设特征库;
匹配模块,用于将指示灯的颜色特征和位置特征和预设特征库进行匹配确定服务器的故障信息。
可选地,所述装置还包括:
报警单元,用于根据故障信息执行对应的故障报警。
本实施例的装置,可以用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种服务器面板自动识别方法,其特征在于,包括:
采集服务器面板的图像信息;
根据图像信息分析得出服务器面板上指示灯的图形特征信息;
将图形特征信息与预设特征库进行匹配确定出服务器的故障信息。
2.根据权利要求1所述的方法,其特征在于,所述根据图像信息分析得出服务器面板上指示灯的图形特征信息包括:
对图像信息进行锐化处理;
对经锐化处理后的图像信息进行图形特征预处理并获取图形特征信息;
根据图形特征信息提取出指示灯的颜色特征和位置特征。
3.根据权利要求2所述的方法,其特征在于,所述对经锐化处理后的图像信息进行图形特征预处理并获取图形特征信息包括:
获取经锐化处理后的图像信息中的基本图形信息;
调用用于支持服务器面板的图形特征数据库;
根据图形特征数据库对基本图形信息进行图形特征预处理并获取图形特征信息。
4.根据权利要求2或3所述的方法,其特征在于,所述将图形特征信息与预设特征库进行匹配确定出服务器的故障信息包括:
接收图形特征信息中指示灯的颜色特征和位置特征;
调用预设特征库;
将指示灯的颜色特征和位置特征和预设特征库进行匹配确定服务器的故障信息。
5.根据权利要求1-4任一所述的方法,其特征在于,在将图形特征信息与预设特征库进行匹配确定出服务器的故障信息之后,判断服务器是否有故障信息,如果是,则根据故障信息执行对应的故障报警;如果否,则正常运行,然后采集服务器面板的图像信息。
6.一种服务器面板自动识别系统,其特征在于,包括:
摄像装置,用于采集服务器面板的图像信息;
分析单元,用于根据图像信息分析得出服务器面板上指示灯的图形特征信息;
确定单元,用于将图形特征信息与预设特征库进行匹配确定出服务器的故障信息。
7.根据权利要求6所述的系统,其特征在于,所述分析单元包括:
锐化处理模块,用于对图像信息进行锐化处理;
预处理模块,用于对经锐化处理后的图像信息进行图形特征预处理并获取图形特征信息;
提取模块,用于根据图形特征信息提取出指示灯的颜色特征和位置特征。
8.根据权利要求6所述的系统,其特征在于,所述确定单元包括:
获取模块,用于获取经锐化处理后的图像信息中的基本图形信息;
第一调用模块,用于调用用于支持服务器面板的图形特征数据库;
特征获取模块,用于根据图形特征数据库对基本图形信息进行图形特征预处理并获取图形特征信息。
9.根据权利要求8所述的系统,其特征在于,所述确定单元还包括:
接收模块,用于接收图形特征信息中指示灯的颜色特征和位置特征;
第二调用模块,用于调用预设特征库;
匹配模块,用于将指示灯的颜色特征和位置特征和预设特征库进行匹配确定服务器的故障信息。
10.根据权利要求6-9任一所述的系统,其特征在于,所述装置还包括:
报警单元,用于根据故障信息执行对应的故障报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710896578.3A CN107784635A (zh) | 2017-09-28 | 2017-09-28 | 一种服务器面板自动识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710896578.3A CN107784635A (zh) | 2017-09-28 | 2017-09-28 | 一种服务器面板自动识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107784635A true CN107784635A (zh) | 2018-03-09 |
Family
ID=61434223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710896578.3A Pending CN107784635A (zh) | 2017-09-28 | 2017-09-28 | 一种服务器面板自动识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107784635A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845888A (zh) * | 2018-05-24 | 2018-11-20 | 郑州云海信息技术有限公司 | 一种基于TensorFlow图像识别诊断内存故障的方法及系统 |
CN108846833A (zh) * | 2018-05-30 | 2018-11-20 | 郑州云海信息技术有限公司 | 一种基于TensorFlow图像识别诊断硬盘故障的方法 |
CN109828891A (zh) * | 2018-12-27 | 2019-05-31 | 卡斯柯信号有限公司 | 一种故障指示灯识别方法 |
CN109921953A (zh) * | 2019-04-04 | 2019-06-21 | 哈尔滨理工大学 | 一种基于机器视觉的服务器故障巡检系统 |
CN110609774A (zh) * | 2019-09-09 | 2019-12-24 | 国网山东省电力公司德州供电公司 | 一种基于视频图像识别的服务器故障辅助诊断系统及方法 |
CN112561870A (zh) * | 2020-12-10 | 2021-03-26 | 广东电网有限责任公司 | 一种配网自动化终端面板巡视识别系统及识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122948A (zh) * | 2007-09-21 | 2008-02-13 | 吉林大学 | 基于计算机视觉的科学仪器工作状态监测方法 |
CN101571419A (zh) * | 2009-06-15 | 2009-11-04 | 浙江大学 | 采用图像分割的汽车仪表led指示灯自动检验方法 |
CN104714425A (zh) * | 2013-10-17 | 2015-06-17 | 洛克威尔自动控制技术股份有限公司 | 用于电子装置指示灯的指示灯解读装置及其方法 |
CN106681881A (zh) * | 2015-11-05 | 2017-05-17 | 中兴通讯股份有限公司 | 一种数据中心巡检方法及装置 |
CN107067595A (zh) * | 2017-04-28 | 2017-08-18 | 南京国电南思科技发展股份有限公司 | 一种指示灯的状态辨识方法、装置及电子设备 |
-
2017
- 2017-09-28 CN CN201710896578.3A patent/CN107784635A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122948A (zh) * | 2007-09-21 | 2008-02-13 | 吉林大学 | 基于计算机视觉的科学仪器工作状态监测方法 |
CN101571419A (zh) * | 2009-06-15 | 2009-11-04 | 浙江大学 | 采用图像分割的汽车仪表led指示灯自动检验方法 |
CN104714425A (zh) * | 2013-10-17 | 2015-06-17 | 洛克威尔自动控制技术股份有限公司 | 用于电子装置指示灯的指示灯解读装置及其方法 |
CN106681881A (zh) * | 2015-11-05 | 2017-05-17 | 中兴通讯股份有限公司 | 一种数据中心巡检方法及装置 |
CN107067595A (zh) * | 2017-04-28 | 2017-08-18 | 南京国电南思科技发展股份有限公司 | 一种指示灯的状态辨识方法、装置及电子设备 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845888A (zh) * | 2018-05-24 | 2018-11-20 | 郑州云海信息技术有限公司 | 一种基于TensorFlow图像识别诊断内存故障的方法及系统 |
CN108846833A (zh) * | 2018-05-30 | 2018-11-20 | 郑州云海信息技术有限公司 | 一种基于TensorFlow图像识别诊断硬盘故障的方法 |
CN109828891A (zh) * | 2018-12-27 | 2019-05-31 | 卡斯柯信号有限公司 | 一种故障指示灯识别方法 |
CN109828891B (zh) * | 2018-12-27 | 2022-06-24 | 卡斯柯信号有限公司 | 一种故障指示灯识别方法 |
CN109921953A (zh) * | 2019-04-04 | 2019-06-21 | 哈尔滨理工大学 | 一种基于机器视觉的服务器故障巡检系统 |
CN110609774A (zh) * | 2019-09-09 | 2019-12-24 | 国网山东省电力公司德州供电公司 | 一种基于视频图像识别的服务器故障辅助诊断系统及方法 |
CN110609774B (zh) * | 2019-09-09 | 2023-04-11 | 国网山东省电力公司德州供电公司 | 一种基于视频图像识别的服务器故障辅助诊断系统及方法 |
CN112561870A (zh) * | 2020-12-10 | 2021-03-26 | 广东电网有限责任公司 | 一种配网自动化终端面板巡视识别系统及识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107784635A (zh) | 一种服务器面板自动识别方法及系统 | |
CN104978270A (zh) | 一种自动化地软件测试方法和装置 | |
CN107273257A (zh) | 一种Linux系统下自动进行硬盘乱序检验的方法 | |
CN102789405A (zh) | 主板自动化测试方法及系统 | |
CN111693089A (zh) | 装配线的产品质量控制方法、装置、设备及存储介质 | |
CN103606221A (zh) | 清分机故障自动诊断方法以及装置 | |
TWI780580B (zh) | 圖像複檢方法、電腦裝置及儲存介質 | |
CN107783828A (zh) | 任务处理方法和装置 | |
CN110817674B (zh) | 一种扶梯的缺级检测方法、装置、设备及存储介质 | |
CN112073682A (zh) | 一种故障设备监测方法、装置、设备和计算机存储介质 | |
CN106547958A (zh) | 一种车载设备数据的图形化分析方法及装置 | |
CN116415851A (zh) | 一种基于深度学习的设施运维性态指标智能识别评价方法 | |
CN112084103A (zh) | 界面测试方法、装置、设备和介质 | |
CN116245808A (zh) | 工件缺陷检测方法、装置、电子设备及存储介质 | |
CN115392802A (zh) | 工业产品的缺陷检测方法、系统、介质及设备 | |
CN114037700A (zh) | 面板缺陷检测方法、装置、电子设备及存储介质 | |
CN112702905B (zh) | 印刷电路板良率和生产设备错误率之回溯方法及其系统 | |
CN113687021A (zh) | 一种印刷用合格品检测方法、系统、装置以及存储介质 | |
CN113127294A (zh) | 一种服务器故障定位方法、装置、设备及可读存储介质 | |
CN112529855A (zh) | 遥控器的检测方法、检测装置和计算机可读存储介质 | |
CN114444529A (zh) | 基于机器视觉的测试方法、装置及电子设备和存储介质 | |
CN111861021A (zh) | 业务风险预测方法、装置、设备及计算机可读存储介质 | |
CN111860728A (zh) | 机柜的u位管理方法、管理装置以及机柜管理系统 | |
CN115495299B (zh) | 一种智能qc软件检测与标识上传的方法、系统和介质 | |
RU2733056C1 (ru) | Интеллектуальная система управления для выявления отклонений в процессах и отображения заданий по их устранению |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180309 |
|
RJ01 | Rejection of invention patent application after publication |