CN107832770B - 一种设备巡检方法、装置、系统、存储介质及巡检机器人 - Google Patents
一种设备巡检方法、装置、系统、存储介质及巡检机器人 Download PDFInfo
- Publication number
- CN107832770B CN107832770B CN201711108629.8A CN201711108629A CN107832770B CN 107832770 B CN107832770 B CN 107832770B CN 201711108629 A CN201711108629 A CN 201711108629A CN 107832770 B CN107832770 B CN 107832770B
- Authority
- CN
- China
- Prior art keywords
- point
- equipment
- indicator light
- inspection
- inspected
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Manufacturing & Machinery (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种设备巡检方法、装置、系统、计算机可读存储介质及室内挂轨智能巡检机器人。其中,方法包括获取机器人自身的摄像头在预设采集时间段内采集的待巡检点的多幅目标图像;将各目标图像的颜色类型转化为HSV颜色空间类型;计算各目标图像中的指示灯区域的亮度均值,并统计在预设采集时间段内指示灯的亮灯次数;根据待巡检点的区域信息在预先建立的指示灯识别模型库中,匹配相对应的目标指示灯识别子模型;根据亮度均值及亮灯次数,利用目标指示灯识别子模型判断待巡检点的设备运行是否正常。本申请提供的技术方案可快速、准确判断当前巡检点的设备运行状况,从而及时反馈运行异常的设备,具有较高稳定性和准确性。
Description
技术领域
本发明实施例涉及机器视觉技术领域,特别是涉及一种设备巡检方法、装置、系统、计算可读机存储介质及室内挂轨智能巡检机器人。
背景技术
在生产或管理过程中,设备运行的工作状态直接影响全局发展,例如在生产过程中,如果相关生产设备一直处于性能不良的停机待修状态,将直接影响企业的产出量,造成产品的供应不足,给整个企业带来差的经济效益和社会效益。可见,实时关注设备的运行状态,是非常必要的,设备巡检就应用而生。
举例来说,在铁路或变电站的控制室内,存在一种指示灯,通过一定频率的闪烁,标识设备正常工作;若指示灯常亮或长灭,则说明设备出现问题。
现有的设备巡检,一般都是利用人的感官或简单的仪表工具,按照规范标准,定点定期进行设备检查,找出设备异常所在。但是,人力巡查,不仅效率低下,而且容易造成疏漏,准确度较低。
故,如何准确且高效的对设备进行巡检,及时反馈设备的运行状况,是本领域技术人员亟待解决的问题。
发明内容
本发明实施例的目的是提供一种设备巡检方法、装置、系统、计算可读机存储介质及室内挂轨智能巡检机器人,准确且高效的对设备进行巡检,及时的反馈设备的运行状况,以便及时采取措施,尽早消除隐患,避免不必要的损失。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种设备巡检方法,应用于室内挂轨智能巡检机器人,包括:
获取摄像头在预设采集时间段内采集的待巡检点的多幅目标图像;
将各目标图像的颜色类型转化为HSV颜色空间类型;
计算各目标图像中的指示灯区域的亮度均值,并统计在所述预设采集时间段内指示灯的亮灯次数;
根据所述待巡检点的区域信息在预先建立的指示灯识别模型库中,匹配相对应的目标指示灯识别子模型;
根据所述亮度均值及所述亮灯次数,利用所述目标指示灯识别子模型判断所述待巡检点的设备运行是否正常;
其中,所述指示灯识别模型库包括多个指示灯识别子模型,指示灯识别子模型与巡检点一一对应,各指示灯识别子模型包括对应巡检点的区域信息、图像中指示灯区域的亮度阈值与预设时间段内亮灯的标准次数。
可选的,所述根据所述亮度均值及所述亮灯次数,利用所述目标指示灯识别子模型判断所述待巡检点的设备运行是否正常包括:
判断所述亮度均值是否不小于所述目标指示灯识别子模型中的亮度阈值;
当判定所述亮度均值不小于所述目标指示灯识别子模型中的亮度阈值时,判断所述亮灯次数是否满足亮灯次数条件,若是,则所述待巡检点的设备运行正常;若否,则所述待巡检点的设备运行异常;
当判定所述亮度均值不小于所述目标指示灯识别子模型中的亮度阈值时,所述待巡检点的设备运行异常。
可选的,还包括:
当所述待巡检点的设备运行异常时,进行报警提示。
可选的,还包括:
当所述待巡检点的设备运行异常时,将相应的待巡检点位置信息反馈至用户端。
可选的,所述判断所述亮灯次数是否满足亮灯次数条件为:
判断下述公式是否成立:
abs(n-N)<3;
式中,n为所述亮灯次数,N为所述标准次数。
可选的,所述获取摄像头在预设采集时间段内采集的待巡检点的多幅目标图像包括:
获取摄像头在预设采集时间段内采集的待巡检点的多幅源图像;
从多幅源图像中选择包含有指示灯区域的图像,以作为所述待巡检点的目标图像。
本发明实施例另一方面提供了一种设备巡检装置,应用于室内挂轨智能巡检机器人,包括:
获取图像模块,用于获取摄像头在预设采集时间段内采集的待巡检点的多幅目标图像;
颜色类型转换模块,用于将各目标图像的颜色类型转化为HSV颜色空间类型;
计算模块,用于计算各目标图像中的指示灯区域的亮度均值,并统计在所述预设采集时间段内指示灯的亮灯次数;
模型匹配模块,用于根据所述待巡检点的区域信息在预先建立的指示灯识别模型库中,匹配相对应的目标指示灯识别子模型;所述指示灯识别模型库包括多个指示灯识别子模型,指示灯识别子模型与巡检点一一对应,各指示灯识别子模型包括对应巡检点的区域信息、图像中指示灯区域的亮度阈值与预设时间段内亮灯的标准次数;
巡检判断模块,用于根据所述亮度均值及所述亮灯次数,利用所述目标指示灯识别子模型判断所述待巡检点的设备运行是否正常。
本发明实施例还提供了一种设备巡检系统,包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如前任一项所述设备巡检方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有设备巡检程序,所述设备巡检程序被处理器执行时实现如前任一项所述设备巡检方法的步骤。
本发明实施例最后还提供了一种室内挂轨智能巡检机器人,包括图像采集设备及如前所述计算机可读存储介质。
本发明实施例提供了一种设备巡检方法,应用于室内挂轨智能巡检机器人,获取机器人自身的摄像头在预设采集时间段内采集的待巡检点的多幅目标图像;将各目标图像的颜色类型转化为HSV颜色空间类型;计算各目标图像中的指示灯区域的亮度均值,并统计在预设采集时间段内指示灯的亮灯次数;根据待巡检点的区域信息在预先建立的指示灯识别模型库中,匹配相对应的目标指示灯识别子模型;根据亮度均值及亮灯次数,利用目标指示灯识别子模型判断待巡检点的设备运行是否正常。
本申请提供的技术方案的优点在于,利用挂轨智能巡检机器人在室内自主运行,并在设定的巡检点暂停,通过自身的摄像头采集图像,利用构建的模型对图像中的指示灯进行识别,从而快速、准确的判断当前巡检点的设备是否运行正常,从而及时反馈运行异常的设备,有效的解决了人力巡查效率低下且容易造成疏漏的问题,具有较高的稳定性、准确性和效率,可有效防范故障隐患,掌握设备故障的初期信息,以便及时采取措施,尽早消除隐患,避免不必要的损失。
此外,本发明实施例还针对设备巡检方法提供了相应的实现装置、设备、计算机可读存储介质及室内挂轨智能巡检机器人,进一步使得所述方法更具有实用性,所述装置、设备及计算机可读存储介质具有相应的优点。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,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的介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种设备巡检方法的流程示意图;
图2为本发明实施例提供的另一种设备巡检方法的流程示意图;
图3为本发明实施例提供的设备巡检装置的一种具体实施方式结构图;
图4为本发明实施例提供的设备巡检装置的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的一种设备巡检方法的流程示意图,应用于室内挂轨智能巡检机器人,本发明实施例可包括以下内容:
S101:获取摄像头在预设采集时间段内采集的待巡检点的多幅目标图像。
室内挂轨智能巡检机器人自身携带图像采集设备,例如摄像头,机器人在室内利用挂轨技术可自主运行,在预先设定的巡检点暂停,利用摄像头采集当前巡检点的图像。
对于一些巡检点,例如铁路或变电站的控制室内,存在一种指示灯,通过一定频率的闪烁,标识设备正常工作;若指示灯常亮或长灭,则说明设备出现问题。决定巡检点的设备是否运行正常,可通过检测巡检点的指示灯的闪烁情况。
考虑到机器人采集的巡检点的图像可能不包含指示灯,而本申请通过判断指示灯的闪烁情况对设备的运行状态进行判断,故在获取摄像头在预设采集时间段内采集的待巡检点的多幅源图像之后,可从多幅源图像中选择包含有指示灯区域的图像,以作为待巡检点的目标图像。
由于指示灯的闪烁情况包括指示灯的亮度信息,还包括指示灯的亮灯频率。故需要在一个时间段内连续采集巡检点的多幅图像,即在预设采集时间段内进行图像采集,例如在30s内采集图像。
S102:将各目标图像的颜色类型转化为HSV颜色空间类型。
由于需要获取巡检点指示灯的亮度信息,可从图像中将指示灯的亮度信息进行分离。具体的,可将当前目标图像的RGB颜色空间转化为HSV颜色空间,H表示色调,S表示饱和度,V表示亮度。
S103:计算各目标图像中的指示灯区域的亮度均值,并统计在预设采集时间段内指示灯的亮灯次数。
使用图像的亮度V通道,计算每一张图像指示灯区域的亮度,然后计算多种图像的亮度均值。
S104:根据待巡检点的区域信息在预先建立的指示灯识别模型库中,匹配相对应的目标指示灯识别子模型。
巡检点的区域信息包括该巡检点的名称、位置等基本信息。
指示灯识别模型库为预先建立的,包括多个指示灯识别子模型,指示灯识别子模型与巡检点一一对应,各指示灯识别子模型包括对应巡检点的区域信息、图像中指示灯区域的亮度阈值与预设时间段内亮灯的标准次数。每个指示灯识别子模型的亮度阈值和标准次数不完全相同,由对应的巡检点确定,每个巡检点的设备不同,设备对应的指示灯的闪烁情况不同,亮度阈值和亮灯标准次数不同。但是,对于同一个巡检点,各设备运行正常时,指示灯的亮度和亮灯频率在固定的范围内,亮度阈值即是通过多次实验,确定的一个最低亮度值。
S105:根据亮度均值及亮灯次数,利用目标指示灯识别子模型判断待巡检点的设备运行是否正常。
具体的判读过程可为:
判断亮度均值是否不小于目标指示灯识别子模型中的亮度阈值;
当判定亮度均值不小于目标指示灯识别子模型中的亮度阈值时,判断亮灯次数是否满足亮灯次数条件,若是,则待巡检点的设备运行正常;若否,则待巡检点的设备运行异常;
当判定亮度均值不小于目标指示灯识别子模型中的亮度阈值时,待巡检点的设备运行异常。
判断亮灯次数是否满足亮灯次数条件可为:
判断下述公式是否成立:
abs(n-N)<3;
式中,n为亮灯次数,N为标准次数。
公式成立的前提是二者统计亮灯次数的时间段相同。
需要说明的是,预设采集时间段可与预设时间段不同,也可相同,例如预设采集时间段为30s,预设时间段为10s;二者也可皆为30s。当预设采集时间段可与预设时间段不同时,在判断是否满足亮灯次数条件时,需要计算亮灯的标准频率,即每秒亮灯的次数,即预设采集时间段的亮灯频率与指示灯识别子模型中的预设时间段的标准亮灯频率
也就是说,当当前巡检点采集的图像的亮度均值大于对应指示灯识别子模型中的亮度阈值,且亮灯次数满足条件时,则表明该巡检点的指示灯闪烁正常,也即该巡检点的各设备运行正常。而当当前巡检点采集的图像的亮度均值小于对应指示灯识别子模型中的亮度阈值,则表明该巡检点的指示灯闪烁不正常,也即该巡检点的各设备运行异常;或者当前巡检点采集的图像的亮度均值小于对应指示灯识别子模型中的亮度阈值,但亮灯次数不满足条件时,则表明该巡检点的指示灯闪烁不正常,也即该巡检点的各设备运行异常。
在本发明实施例提供的技术方案中,利用挂轨智能巡检机器人在室内自主运行,并在设定的巡检点暂停,通过自身的摄像头采集图像,利用构建的模型对图像中的指示灯进行识别,从而快速、准确的判断当前巡检点的设备是否运行正常,从而及时反馈运行异常的设备,有效的解决了人力巡查效率低下且容易造成疏漏的问题,具有较高的稳定性、准确性和效率,可有效防范故障隐患,掌握设备故障的初期信息,以便及时采取措施,尽早消除隐患,避免不必要的损失。
为了让工作人员或用户尽快发现运行异常的设备,基于上述实施例,请参阅图2,还可包括:
S106:当待巡检点的设备运行异常,进行报警提示。
S107:当待巡检点的设备运行异常,将相应的待巡检点位置信息反馈至用户端。
通过进行报警提示,或者直接将巡检点的位置信息反馈给上层应用系统或者是用户端,可及时发现运行异常的设备,第一时间掌握设备故障的初期信息,以便及时采取措施,尽早消除隐患,避免不必要的损失。
本发明实施例还针对设备巡检方法提供了相应的实现装置,进一步使得所述方法更具有实用性。下面对本发明实施例提供的设备巡检装置进行介绍,下文描述的设备巡检装置与上文描述的设备巡检方法可相互对应参照。
参见图3,图3为本发明实施例提供的设备巡检装置在一种具体实施方式下的结构图,应用于室内挂轨智能巡检机器人,该装置可包括:
获取图像模块301,用于获取摄像头在预设采集时间段内采集的待巡检点的多幅目标图像。
颜色类型转换模块302,用于将各目标图像的颜色类型转化为HSV颜色空间类型。
计算模块303,用于计算各目标图像中的指示灯区域的亮度均值,并统计在预设采集时间段内指示灯的亮灯次数。
模型匹配模块304,用于根据待巡检点的区域信息在预先建立的指示灯识别模型库中,匹配相对应的目标指示灯识别子模型;指示灯识别模型库包括多个指示灯识别子模型,指示灯识别子模型与巡检点一一对应,各指示灯识别子模型包括对应巡检点的区域信息、图像中指示灯区域的亮度阈值与预设时间段内亮灯的标准次数。
巡检判断模块305,用于根据亮度均值及亮灯次数,利用目标指示灯识别子模型判断待巡检点的设备运行是否正常。
可选的,在本实施例的一些实施方式中,请参阅图4,所述装置可以包括:
报警模块306,用于当判定待巡检点的设备运行异常时,进行报警提示。
还可以包括发送模块307,用于当判定待巡检点的设备运行异常时,将相应的待巡检点位置信息反馈至用户端。
在一些具体的实施方式中,所述巡检判断模块305例如可以包括:
判断单元,用于判断亮度均值是否不小于目标指示灯识别子模型中的亮度阈值;
第一判定执行单元,用于当判定亮度均值不小于目标指示灯识别子模型中的亮度阈值时,判断亮灯次数是否满足亮灯次数条件,若是,则待巡检点的设备运行正常;若否,则待巡检点的设备运行异常;
第二判定执行单元,用于当判定亮度均值不小于目标指示灯识别子模型中的亮度阈值时,待巡检点的设备运行异常。
具体的,所述第一判定执行单元可为判断亮灯次数是否满足亮灯次数条件为单元:
判断下述公式是否成立:
abs(n-N)<3;
式中,n为亮灯次数,N为标准次数。
可选的,在本实施例的另一些实施方式中,所述获取图像模块301可包括:
获取单元,用于获取摄像头在预设采集时间段内采集的待巡检点的多幅源图像;
选择单元,用于从多幅源图像中选择包含有指示灯区域的图像,以作为待巡检点的目标图像。
本发明实施例所述设备巡检装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例利用挂轨智能巡检机器人在室内自主运行,并在设定的巡检点暂停,通过自身的摄像头采集图像,利用构建的模型对图像中的指示灯进行识别,从而快速、准确的判断当前巡检点的设备是否运行正常,从而及时反馈运行异常的设备,有效的解决了人力巡查效率低下且容易造成疏漏的问题,具有较高的稳定性、准确性和效率,可有效防范故障隐患,掌握设备故障的初期信息,以便及时采取措施,尽早消除隐患,避免不必要的损失。
本发明实施例还提供了一种设备巡检系统,可包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序以实现如上任意一实施例所述设备巡检方法的步骤。
本发明实施例所述设备巡检系统的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例可快速、准确的判断当前巡检点的设备是否运行正常,从而及时反馈运行异常的设备,有效的解决了人力巡查效率低下且容易造成疏漏的问题,具有较高的稳定性、准确性和效率,可有效防范故障隐患,掌握设备故障的初期信息,以便及时采取措施,尽早消除隐患,避免不必要的损失。
本发明实施例还提供了一种计算机可读存储介质,存储有设备巡检程序,所述设备巡检程序被处理器执行时如上任意一实施例所述设备巡检方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例可快速、准确的判断当前巡检点的设备是否运行正常,从而及时反馈运行异常的设备,有效的解决了人力巡查效率低下且容易造成疏漏的问题,具有较高的稳定性、准确性和效率,可有效防范故障隐患,掌握设备故障的初期信息,以便及时采取措施,尽早消除隐患,避免不必要的损失。
本发明实施例还提供了一种室内挂轨智能巡检机器人,包括图像采集设备和如前任意一实施例所述计算机可读存储介质。
本发明实施例所述室内挂轨智能巡检机器人的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例可快速、准确的判断当前巡检点的设备是否运行正常,从而及时反馈运行异常的设备,有效的解决了人力巡查效率低下且容易造成疏漏的问题,具有较高的稳定性、准确性和效率,可有效防范故障隐患,掌握设备故障的初期信息,以便及时采取措施,尽早消除隐患,避免不必要的损失。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种设备巡检方法、装置、系统、计算机可读存储介质及室内挂轨智能巡检机器人进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (9)
1.一种设备巡检方法,其特征在于,应用于室内挂轨智能巡检机器人,包括:
获取摄像头在预设采集时间段内采集的待巡检点的多幅目标图像;
将各目标图像的颜色类型转化为HSV颜色空间类型;
计算各目标图像中的指示灯区域的亮度均值,并统计在所述预设采集时间段内指示灯的亮灯次数;
根据所述待巡检点的区域信息在预先建立的指示灯识别模型库中,匹配相对应的目标指示灯识别子模型;
根据所述亮度均值及所述亮灯次数,利用所述目标指示灯识别子模型判断所述待巡检点的设备运行是否正常;
其中,所述区域信息包括巡检点名称和位置;所述指示灯识别模型库包括多个指示灯识别子模型,指示灯识别子模型与巡检点一一对应,各指示灯识别子模型包括对应巡检点的区域信息、图像中指示灯区域的亮度阈值与预设时间段内亮灯的标准次数;
所述根据所述亮度均值及所述亮灯次数,利用所述目标指示灯识别子模型判断所述待巡检点的设备运行是否正常包括:
判断所述亮度均值是否不小于所述目标指示灯识别子模型中的亮度阈值;
当判定所述亮度均值不小于所述目标指示灯识别子模型中的亮度阈值时,判断所述亮灯次数是否满足亮灯次数条件,若是,则所述待巡检点的设备运行正常;若否,则所述待巡检点的设备运行异常;
当判定所述亮度均值小于所述目标指示灯识别子模型中的亮度阈值时,所述待巡检点的设备运行异常。
2.根据权利要求1所述的设备巡检方法,其特征在于,还包括:
当所述待巡检点的设备运行异常时,进行报警提示。
3.根据权利要求1所述的设备巡检方法,其特征在于,还包括:
当所述待巡检点的设备运行异常时,将相应的待巡检点位置信息反馈至用户端。
4.根据权利要求1至3任意一项所述的设备巡检方法,其特征在于,所述判断所述亮灯次数是否满足亮灯次数条件为:
判断下述公式是否成立:
abs(n-N)<3;
式中,n为所述亮灯次数,N为所述标准次数。
5.根据权利要求1所述的设备巡检方法,其特征在于,所述获取摄像头在预设采集时间段内采集的待巡检点的多幅目标图像包括:
获取摄像头在预设采集时间段内采集的待巡检点的多幅源图像;
从多幅源图像中选择包含有指示灯区域的图像,以作为所述待巡检点的目标图像。
6.一种设备巡检装置,其特征在于,应用于室内挂轨智能巡检机器人,包括:
获取图像模块,用于获取摄像头在预设采集时间段内采集的待巡检点的多幅目标图像;
颜色类型转换模块,用于将各目标图像的颜色类型转化为HSV颜色空间类型;
计算模块,用于计算各目标图像中的指示灯区域的亮度均值,并统计在所述预设采集时间段内指示灯的亮灯次数;
模型匹配模块,用于根据所述待巡检点的区域信息在预先建立的指示灯识别模型库中,匹配相对应的目标指示灯识别子模型;所述指示灯识别模型库包括多个指示灯识别子模型,指示灯识别子模型与巡检点一一对应,各指示灯识别子模型包括对应巡检点的区域信息、图像中指示灯区域的亮度阈值与预设时间段内亮灯的标准次数;所述区域信息包括巡检点名称和位置;
巡检判断模块,用于根据所述亮度均值及所述亮灯次数,利用所述目标指示灯识别子模型判断所述待巡检点的设备运行是否正常;
所述巡检判断模块具体用于:
判断所述亮度均值是否不小于所述目标指示灯识别子模型中的亮度阈值;
当判定所述亮度均值不小于所述目标指示灯识别子模型中的亮度阈值时,判断所述亮灯次数是否满足亮灯次数条件,若是,则所述待巡检点的设备运行正常;若否,则所述待巡检点的设备运行异常;
当判定所述亮度均值小于所述目标指示灯识别子模型中的亮度阈值时,所述待巡检点的设备运行异常。
7.一种设备巡检系统,其特征在于,包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至5任一项所述设备巡检方法的步骤。
8.一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上存储有设备巡检程序,所述设备巡检程序被处理器执行时实现如权利要求1至5任一项所述设备巡检方法的步骤。
9.一种室内挂轨智能巡检机器人,其特征在于,包括图像采集设备及如权利要求8所述计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711108629.8A CN107832770B (zh) | 2017-11-08 | 2017-11-08 | 一种设备巡检方法、装置、系统、存储介质及巡检机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711108629.8A CN107832770B (zh) | 2017-11-08 | 2017-11-08 | 一种设备巡检方法、装置、系统、存储介质及巡检机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107832770A CN107832770A (zh) | 2018-03-23 |
CN107832770B true CN107832770B (zh) | 2020-07-28 |
Family
ID=61654228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711108629.8A Active CN107832770B (zh) | 2017-11-08 | 2017-11-08 | 一种设备巡检方法、装置、系统、存储介质及巡检机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107832770B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520567A (zh) * | 2018-03-26 | 2018-09-11 | 云南电网有限责任公司丽江供电局 | 一种依靠拍摄设备运行图像识别的辅助巡检方法 |
CN108900808A (zh) * | 2018-07-17 | 2018-11-27 | 广州市君望机器人自动化有限公司 | 机器人对设备进行监控的方法及装置 |
CN108986418A (zh) * | 2018-09-18 | 2018-12-11 | 广东电网有限责任公司 | 智能报警方法、装置、设备及存储介质 |
CN109591025A (zh) * | 2018-10-16 | 2019-04-09 | 平安科技(深圳)有限公司 | 机房巡检方法、装置、电子设备及计算机可读存储介质 |
CN109687576B (zh) * | 2018-12-05 | 2022-07-05 | 国网福建省电力有限公司 | 一种换流站电力设备状态可视甄别巡视方法 |
CN111982415A (zh) * | 2019-05-24 | 2020-11-24 | 杭州海康威视数字技术股份有限公司 | 一种管道泄漏检测方法、装置 |
CN110399831B (zh) * | 2019-07-25 | 2021-11-12 | 中国银联股份有限公司 | 一种巡检方法及装置 |
CN112395928A (zh) * | 2019-08-19 | 2021-02-23 | 珠海格力电器股份有限公司 | 一种设备状态运行自动检测的方法 |
CN110597937B (zh) * | 2019-08-23 | 2022-01-11 | 广州杰赛科技股份有限公司 | 一种无人智能巡检的方法、装置、设备及存储介质 |
CN111507147A (zh) * | 2019-10-28 | 2020-08-07 | 深圳市海洋王照明工程有限公司 | 智能巡检方法、装置、计算机设备和存储介质 |
CN111275124A (zh) * | 2020-02-10 | 2020-06-12 | 国网河南省电力公司检修公司 | 变压器呼吸器检测方法、分类模型构建方法、计算机可读介质、变压器呼吸器监测系统 |
CN111522717B (zh) * | 2020-04-23 | 2024-04-30 | 深圳市快付通金融网络科技服务有限公司 | 资源巡检方法、系统及计算机可读存储介质 |
CN111639647B (zh) * | 2020-05-22 | 2023-07-25 | 深圳市赛为智能股份有限公司 | 指示灯状态识别方法、装置、计算机设备及存储介质 |
CN112307131B (zh) * | 2020-10-23 | 2024-04-12 | 彩讯科技股份有限公司 | 设备巡检方法、系统、电子设备及存储介质 |
CN112766103B (zh) * | 2021-01-07 | 2023-05-16 | 国网福建省电力有限公司泉州供电公司 | 一种机房巡检方法及装置 |
CN113313003A (zh) * | 2021-05-24 | 2021-08-27 | 李要锋 | 一种监控装置及监控方法 |
CN113408639A (zh) * | 2021-06-30 | 2021-09-17 | 山东新一代信息产业技术研究院有限公司 | 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 |
CN113500605B (zh) * | 2021-09-13 | 2022-01-25 | 中科开创(广州)智能科技发展有限公司 | 巡检任务可视化方法、装置、计算机设备和存储介质 |
CN114217118B (zh) * | 2021-12-09 | 2023-05-16 | 福建省海峡智汇科技有限公司 | 一种室内变电站高压带电显示器状态识别方法及系统 |
CN114131631B (zh) * | 2021-12-16 | 2024-02-02 | 山东新一代信息产业技术研究院有限公司 | 一种巡检机器人报警阈值设置方法、装置及介质 |
CN114553748B (zh) * | 2022-04-27 | 2022-08-23 | 高伟达软件股份有限公司 | 一种产品巡检方法、装置及计算机程序 |
CN114820616B (zh) * | 2022-06-29 | 2023-01-10 | 北京蒙帕信创科技有限公司 | 一种用于闪烁模式指示灯的设备状态检测方法及装置 |
CN114972126B (zh) * | 2022-07-29 | 2022-10-21 | 阿法龙(山东)科技有限公司 | 基于智能视觉的照明设备智能监管系统 |
CN115205998B (zh) * | 2022-09-15 | 2022-12-27 | 水利部珠江水利委员会珠江水利综合技术中心 | 一种基于光路转换的机房智能巡检系统及方法 |
CN115512098B (zh) * | 2022-09-26 | 2023-09-01 | 重庆大学 | 一种桥梁电子化巡检系统及巡检方法 |
CN115311627B (zh) * | 2022-10-12 | 2023-01-17 | 水利部珠江水利委员会珠江水利综合技术中心 | 一种集中识别的机房设备智能监测系统及方法 |
CN115685952B (zh) * | 2023-01-05 | 2023-03-14 | 中汽研汽车工业工程(天津)有限公司 | 面向汽车生产车间的巡检方法、控制装置、设备及介质 |
CN116823581B (zh) * | 2023-08-29 | 2023-12-05 | 北京道仪数慧科技有限公司 | 一种利用公交车辆进行路灯巡检的处理系统 |
CN117831147B (zh) * | 2024-03-04 | 2024-05-03 | 陕西泰沃云科技有限公司 | 一种机器人与摄像头联合巡检方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102412627A (zh) * | 2011-11-29 | 2012-04-11 | 安徽继远电网技术有限责任公司 | 基于图像识别的智能变电站状态监控系统 |
CN104897367A (zh) * | 2015-04-28 | 2015-09-09 | 南车株洲电力机车研究所有限公司 | 一种指示灯光学状态自动测试方法及系统 |
CN105634802A (zh) * | 2015-12-28 | 2016-06-01 | 迈普通信技术股份有限公司 | 路由器故障快速诊断系统及方法 |
CN106679813A (zh) * | 2016-11-21 | 2017-05-17 | 深圳供电局有限公司 | 隧道电力设备智能检测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10185455B2 (en) * | 2012-10-04 | 2019-01-22 | Zonar Systems, Inc. | Mobile computing device for fleet telematics |
-
2017
- 2017-11-08 CN CN201711108629.8A patent/CN107832770B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102412627A (zh) * | 2011-11-29 | 2012-04-11 | 安徽继远电网技术有限责任公司 | 基于图像识别的智能变电站状态监控系统 |
CN104897367A (zh) * | 2015-04-28 | 2015-09-09 | 南车株洲电力机车研究所有限公司 | 一种指示灯光学状态自动测试方法及系统 |
CN105634802A (zh) * | 2015-12-28 | 2016-06-01 | 迈普通信技术股份有限公司 | 路由器故障快速诊断系统及方法 |
CN106679813A (zh) * | 2016-11-21 | 2017-05-17 | 深圳供电局有限公司 | 隧道电力设备智能检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107832770A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832770B (zh) | 一种设备巡检方法、装置、系统、存储介质及巡检机器人 | |
CN107784310B (zh) | 设备状态信息获取方法、装置、系统、存储介质及机器人 | |
CN111259892B (zh) | 一种指示灯状态的巡检方法、装置、设备和介质 | |
CN108189043B (zh) | 一种应用于高铁机房的巡检方法及巡检机器人系统 | |
CN106371052A (zh) | 智能电表的安全监控方法、装置及系统 | |
CN111508097B (zh) | 场地巡检方法、装置、设备及存储介质 | |
CN111965418B (zh) | 一种电能计量装置异常检测与电量追补方法及系统 | |
CN104881944B (zh) | 烟雾报警器及烟雾报警方法及系统 | |
CN108872781A (zh) | 基于电力设施智能巡检的分析方法及装置 | |
CN109246918A (zh) | 一种照明灯故障预警的方法、照明灯及预警控制系统 | |
CN111060839A (zh) | 通用的led电源智能检测方法及系统 | |
CN112147438A (zh) | 一种高压变频器故障预诊断系统 | |
JP2018169827A (ja) | 運転監視システム | |
CN109634238A (zh) | 一种数控机床加工过程质量-能量效率评估与监控方法 | |
CN112735158A (zh) | 一种信号灯红黄绿灯故障监测方法及装置 | |
CN113295165A (zh) | 一种基于智慧园区的火警应急系统 | |
CN113131378A (zh) | 基于图像识别的变电站二次系统智能巡检系统及方法 | |
CN112183369A (zh) | 一种用于变电站无人巡检的指针仪表读数识别方法 | |
CN110133541B (zh) | 一种补光灯故障检测方法及装置 | |
CN115575755A (zh) | 一种基于人工智能与北斗技术的电力设施巡视系统 | |
CN104242453A (zh) | 一种用于主电网母线的电压告警方法 | |
CN116976865B (zh) | 基于大数据分析的船舶维修器件调配管理系统 | |
CN112165755A (zh) | 一种基于大数据的楼宇亮化智慧控制管理系统 | |
CN108337783B (zh) | 一种隧道照明灯的信息反馈方法 | |
CN115296193A (zh) | 变电站智能巡检系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |