CN110309033A - 故障监控方法、装置和系统 - Google Patents
故障监控方法、装置和系统 Download PDFInfo
- Publication number
- CN110309033A CN110309033A CN201910639513.XA CN201910639513A CN110309033A CN 110309033 A CN110309033 A CN 110309033A CN 201910639513 A CN201910639513 A CN 201910639513A CN 110309033 A CN110309033 A CN 110309033A
- Authority
- CN
- China
- Prior art keywords
- indicator light
- image
- picture portion
- server
- state
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/325—Display of status information by lamps or LED's
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本公开提供了一种故障监控方法,该方法包括:获取目标图像,目标图像为针对多个服务器的指示灯进行拍摄而得到的图像;将目标图像划分为多个图像分区,其中,多个图像分区中的每个图像分区内的指示灯以彼此不同的方式指示对应服务器的状态;针对每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态;以及基于指示灯的状态监控对应服务器是否出现故障。本公开还提供了一种故障监控装置、一种故障监控系统、一种电子设备以及一种计算机可读存储介质。
Description
技术领域
本公开涉及计算机技术领域,特别是涉及一种故障监控方法、装置和系统。
背景技术
随着云计算及大数据技术的兴起,企业数据中心中部署的服务器数量呈指数级增长。目前,服务器硬件故障主要依赖人工巡检。这种巡检方式效率低、时效性差。近来,许多大型数据中心出现了使用机器人代替人工的巡检方式。
然而,机器人巡检需要逐台检测服务器的指示灯是否出现故障,识别速度慢,准确率低。
发明内容
本公开的一个方面提供了一种故障监控方法,包括:获取目标图像,所述目标图像为针对多个服务器的指示灯进行拍摄而得到的图像;将所述目标图像划分为多个图像分区,其中,所述多个图像分区中的每个图像分区内的指示灯以彼此不同的方式指示对应服务器的状态;针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态;以及基于所述指示灯的状态监控对应服务器是否出现故障。
可选地,所述多个服务器包括第一服务器,所述第一服务器的指示灯包括第一指示灯,所述第一指示灯在所述目标图像中位于所述多个图像分区中的第一图像分区内;所述针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态,包括:对所述第一图像分区进行二值化图像转换;以及对转换后的第一图像分区进行连通域分析,以确定所述第一指示灯的状态。
可选地,所述多个服务器包括第二服务器,所述第二服务器的指示灯包括第二指示灯,所述第二指示灯在所述目标图像中位于所述多个图像分区中的第二图像分区内;所述针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态,包括:对所述第二图像分区进行连通域分析,以确定与所述第二指示灯对应的连通域;针对所述连通域读取RGB值;确定所述RGB值与预定颜色的RGB值的偏离度;以及确定所述偏离度是否大于预设阈值,以确定所述第二指示灯的状态。
可选地,所述多个服务器包括第三服务器,所述第三服务器的指示灯包括第三指示灯,所述第三指示灯在所述目标图像中位于所述多个图像分区中的第三图像分区内;所述针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态,包括:对所述第三图像分区进行二值化图像转换;对转换后的第三图像分区进行连通域分析,以确定所述第三指示灯对应的第一像素值;采集以所述目标图像为参照的连续前M帧图像和连续后N帧图像,其中,M≥1,且N≥1;针对所述连续前M帧图像,确定所述第三指示灯对应的第二像素值;针对所述连续后N帧图像,确定所述第三指示灯对应的第三像素值;以及基于所述第一像素值、所述第二像素值和所述第三像素值进行逻辑与运算,以确定所述第三指示灯的状态。
可选地,所述方法还包括:如果所述至少一个服务器中出现故障的服务器,则针对所述故障的服务器展示报警信息。
可选地,所述获取目标图像,包括:通过CCD图像采集装置获取所述目标图像。
本公开的另一个方面提供了一种故障监控装置,包括:获取模块,用于获取目标图像,所述目标图像为针对多个服务器的指示灯进行拍摄而得到的图像;第一图像处理模块,用于将所述目标图像划分为多个图像分区,其中,所述多个图像分区中的每个图像分区内的指示灯以彼此不同的方式指示对应服务器的状态;第二图像处理模块,用于针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态;以及监控模块,用于基于所述指示灯的状态监控对应服务器是否出现故障。
本公开的另一个方面提供了一种故障监控系统,包括:至少一个CCD图像采集装置,用于针对多个服务器的指示灯进行拍摄以采集图像;多通道视频采集装置,与所述至少一个CCD图像采集装置连接;以及上述故障监控装置,与所述多通道视频采集装置连接。
本公开的另一方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
附图说明
为了更完整地理解本公开及其优势,现在将参考结合附图的以下描述,其中:
图1示意性示出了根据本公开实施例的适于故障监测方法和装置的系统架构;
图2示意性示出了根据本公开实施例的故障监测系统的示意图;
图3示意性示出了根据本公开实施例的故障监测方法的流程图;
图4示意性示出了根据本公开实施例的针对一种图像分区确定其中的指示灯状态的流程图;
图5示意性示出了根据本公开实施例的针对另一种图像分区确定其中的指示灯状态的流程图;
图6示意性示出了根据本公开实施例的针对又一种图像分区确定其中的指示灯状态的流程图;
图7示意性示出了根据本公开实施例的故障监测装置的框图;以及
图8示意性示出了根据本公开实施例的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
本公开的实施例提供了一种故障监测方法以及能够应用该方法的故障监测装置和故障监测系统。该方法包括获取目标图像,目标图像为针对多个服务器的指示灯进行拍摄而得到的图像。将目标图像划分为多个图像分区,其中,多个图像分区中的每个图像分区内的指示灯以彼此不同的方式指示对应服务器的状态。针对每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态。基于指示灯的状态监控对应服务器是否出现故障。
图1示意性示出了根据本公开实施例的适于故障监测方法和装置的系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,该系统架构100包括:CCD(Charge-coupled Device,电荷耦合元件)图像采集装置101、多通道视频采集装置(例如工控机102)、故障监控装置(例如服务器103)和客户端104。
其中,在该系统架构100中,可以利用工业CCD图像采集装置101针对固定区域内的多个服务器采集图像。应该理解,所采集的图像能够包含的服务器的数量具体可以由CCD图像采集装置101的配置决定。
可选的,在本公开实施例中,在一个系统架构中可以设置一个或多个CCD图像采集装置101。其中,不同的CCD图像采集装置101负责针对不同固定区域内的服务器采集图像。应该理解,对于一个系统架构设置有多个CCD图像采集装置101的情况,可以在该系统架构中设置一个多通道视频采集装置(例如工控机102),用于汇集、处理、存储这些CCD图像采集装置101所采集的图像。
此外,在该系统架构100中,服务器103可以用于定时读取工控机102中存储的图像进行处理和识别。应该理解,为了便于服务器103处理图像,对于任何一个CCD图像采集装置101而言,可以预先采集一幅标准图像,并上传给服务器103,然后由客户端104从服务器103读取该标准图像,并对图像进行分区处理。完成图像分区后,客户端104可以将分区后的图像上传给服务器103,从而作为后续图像分析的参照图像。
图2示意性示出了根据本公开实施例的故障监测系统的示意图。
如图2所示,该故障监测系统200例如可以包括至少一个CCD图像采集装置201(图中作为示例仅示出了一个)、多通道视频采集装置202和故障监控装置203。此外,可选的,该故障监测系统200例如还可以包括客户端204。
具体地,至少一个CCD图像采集装置201例如可以用于针对多个服务器的指示灯进行拍摄以采集图像。更具体地,每个CCD图像采集装置例如可以单独负责一个固定区域的图像采集工作。
多通道视频采集装置202例如可以同时与多个CCD图像采集装置201连接,用于汇集、处理、存储这些CCD图像采集装置201采集的图像。
故障监控装置203与多通道视频采集装置202连接。需要说明的是,故障监控装置203实现的功能以及执行的相关操作将在下述方法实施例中详细阐述,在此不再赘述。
客户端204与图1中所示的客户端104功能相同,在此不再赘述。
由于一个CCD图像采集装置可以同时针对一个区域内的多个服务器采集图像,而多个CCD图像采集装置又可以分别针对不同区域内的服务器采集图像。因此通过本公开实施例,不需要逐个检测服务器是否故障,因而检测速度比较快。
图3示意性示出了根据本公开实施例的故障监测方法的流程图。
如图3所示,该方法包括操作S310~S340。
在操作S310,获取目标图像,该目标图像为针对多个服务器的指示灯进行拍摄而得到的图像。
在本公开实施例中,针对一个数据中心,可以设置一个或者多个CCD图像采集装置。并且,可以为每个CCD图像采集装置分配一个固定的图像采集区域。例如一个CCD图像采集装置负责采集一个机柜中所有服务器的前面板的全局图像。此外,一定数量的CCD图像采集装置(例如6个)可以同时接入同一个多通道视频采集装置,从而将所采集的存储在这个多通道视频采集装置。这样,服务器即故障监控装置可以定期从多通道视频采集装置读取图像,以便对数据中心中的服务器进行故障监控。
接下来,在操作S320,将目标图像划分为多个图像分区,其中,多个图像分区中的每个图像分区内的指示灯以彼此不同的方式指示对应服务器的状态。
在本公开实施例中,为了便于进行图像分区,可以控制每个CCD图像采集装置预先采集一张图像作为标准图像。具体地,用户可以根据实际需要(例如将指示方式不同的指示灯划分到不同的图像分区中),通过客户端将该标准图像分成几个图像分区,并将分区后的标准图像上传给服务器作为参考。
具体地,服务器可以参照分区后的标准图像,将目标图像划分为多个图像分区。例如,对于服务器正常时指示灯长亮,服务器故障时指示灯熄灭的一类指示灯,可以划分到一个图像分区(如图像分区1)中。例如,对于服务器正常时指示灯发绿光,服务器故障时指示灯发其他颜色光的一类指示灯,可以划分到另一个图像分区(如图像分区2)中。例如,对于服务器正常时指示灯闪烁,服务器故障时指示灯熄灭的一类指示灯,可以划分到又一个图像分区(如图像分区3)中。
然后,在操作S330,针对每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态。
例如,由于图像分区1的指示灯只涉及亮、灭两种状态,因此可以先将图像分区1转换成灰度图,再进行图像分析,以便判断指示灯的状态。
例如,由于图像分区2的指示灯的发光颜色是变化的,因此可以通过RGB(RedGreen Blue,红绿蓝)分析来判断指示灯的状态。
例如,由于图像分区3的指示灯正常情况下是动态变化的,因此需要通过分析多帧图像来判断指示灯的状态。
再然后,在操作S340,基于指示灯的状态监控对应服务器是否出现故障。
例如,对于图像分区1中的指示灯而言,如果通过图像分析发现指示灯处于点亮状态,则确定该指示灯所指示的服务器当前是正常的,否则如果通过图像分析发现指示灯处于熄灭状态,则确定该指示灯所指示的服务器当前已出现故障。
例如,对于图像分区2中的指示灯而言,如果通过图像分析发现指示灯发绿光,则确定该指示灯所指示的服务器当前是正常的,否则如果通过图像分析发现指示灯发其他颜色的光,则确定该指示灯所指示的服务器当前已出现故障。
例如,对于图像分区3中的指示灯而言,如果通过对连续多帧图像分析发现指示灯处于闪烁状态,则确定该指示灯所指示的服务器当前是正常的,否则如果通过对连续多帧图像分析发现指示灯处于熄灭状态,则确定该指示灯所指示的服务器当前已出现故障。
通过本公开实施例,采用图像分区的方式,对全局图像中存在的复杂情况进行区分,从而实现对以不同指示方式指示服务器状态的指示灯进行分类分析,因而能够提高识别准确率。
进一步,作为一种可选的实施例,该方法例如还可以包括:如果至少一个服务器中出现故障的服务器,则针对故障的服务器展示报警信息。
具体地,例如可以通过监控管理客户端(如图1中的客户端104)读取和显示后台服务器(如图1中的服务器103)输出的图像信息,并将图像信息按照如图1中的CCD图像采集装置101所采集的图像区域进行顺序标记。其中,对于后台服务器通过识别确定图像中存在指示灯异常的,例如可以在相应的标记区域内显示报警信息,以便提示维护人员到所示区域维护故障设备。
应该理解,在本公开实施例中,后台服务器对各图像分区完成图像分析和识别后,例如可以将识别结果进行存储。监控管理客户端向后台服务器发起数据读取请求并通过WEB页面显示报警结果,运维人员即可在监控管理客户端发现机柜中服务器面板区域存在的异常报警。
进一步,作为一种可选的实施例,上述操作获取目标图像例如可以包括:通过CCD图像采集装置获取目标图像。
由于现有的视频图像识别技术,识别类型单一,无法满足一定区域内多种复杂情况的一次性识别,识别效率低。而本公开实施例通过采用对全局图像进行分区识别,解决了现有技术中需要通过摄像头移动和定点拍摄相结合才能实现的串行、单一的图像识别问题。具体地,本公开实施例以工业CCD传感器采集图像为基础,对全局图像中指示灯进行分区,对不同分区中服务器指示灯的状态,采用多种识别方法分别识别全局图像中的多个故障点,提高了图像识别的效率和监控时效性。
此外,通过本公开实施例,在服务器品牌型号众多,且每个品牌的故障指示灯位置均不同的情况下,甚至在同一品牌不同型号、同一型号不同年代的产品指示灯位置都不同的情况下,无需逐一录入每个品牌每种型号的服务器的每代产品的故障指示灯面板模型供机器人进行识别和比对,仅需按照服务器故障指示灯的状态进行区分。极大简化了机器的识别难度,消除了运维人员录入模型的复杂过程,同时无需关注新型服务器的适配问题。
例如,传统巡检机器人需要利用摄像头逐台服务器拍摄视频图像并与预先设置的模型库图像进行比对或学习,进而识别服务器故障指示灯是否异常。每台服务器的识别和摄像头移动过程平均需要10秒以上,以标准42U机柜中安装10台4U服务器计算,巡检一个机柜需要耗时100秒。而本公开实施例即使使用单个CCD传感器采集图像,其覆盖范围也可以包含两个标准42U机柜,单次识别过程耗时少于1秒,巡检效率提高200倍以上。
作为一种可选的实施例,上述多个服务器例如可以包括至少一个第一服务器,每个第一服务器的指示灯例如可以包括至少一个第一指示灯,所有的第一指示灯在目标图像中都位于上述多个图像分区中的第一图像分区内。
在本公开实施例中,例如可以将一张图像上所有的第一类指示灯划分到第一图像分区内。其中,第一类指示灯具体为服务器正常时显示为长亮状态,服务器故障时显示为熄灭状态的指示灯。
对应地,如图4所示,操作S330即针对每个图像分区各自采取对应的图像处理方式以确定每个图像分区内指示灯的状态例如可以包括操作S331A~S332A。
在操作S331A,对第一图像分区进行二值化图像转换。
在本公开实施例中,对于服务器正常时指示灯为常亮状态,服务器故障时指示灯为熄灭状态的情况,例如可以使用二值化算法将对应的图像分区转换为灰度图,以便于机器学习及处理。应该理解,此处所使用的二值化算法包括但不限于灰度平均值法、百分比阈值法、迭代最佳阈值法、一维最大熵法等。具体地可以参考图像实际效果采用灰度平均值法、百分比阈值法、迭代最佳阈值法等。试验表明在本实施例中采用一维最大熵法可以实现最佳转换效果。
接下来,在操作S332A,对转换后的第一图像分区进行连通域分析,以确定第一指示灯的状态。
具体地,通过连通域分析,找到分区图像中指示灯所在的位置,进而通过机器学习,判断服务器故障指示灯状态。例如,如果连通域内的像素值为“0”,则表示指示灯是点亮的,如果连通域内的像素值为“1”,则表示指示灯是熄灭的。应该理解,该方法由于只关心连通域以及连通域内的像素值,并不关心指示灯的形状,因而同样适用于异形指示灯的识别。
可选地,如果指示灯指示相关服务器正常,则后台服务器(如图1中的服务器103)例如可以输出第一图像分区正常的相关信息,如果指示灯指示相关服务器异常,则后台服务器例如可以第一图像分区异常的相关信息。
通过本公开实施例,采用将彩色图像在特定模式下转换为二值化图像的方式,因而可以通过相关算法消除图像采集过程中出现的环境光线过暗、过曝或反光等复杂光线情况的影响,降低机器识别误差,提高识别准确率。此外,通过本公开实施例实际分析的是灰度图中的相关连通域,并不考虑指示灯的形状,因而该方法同样适应于异形指示灯等复杂情况。
作为另一种可选的实施例,上述多个服务器例如可以包括至少一个第二服务器,每个第二服务器的指示灯例如可以包括至少一个第二指示灯,每个第二指示灯在目标图像中位于上述多个图像分区中的第二图像分区内。
在本公开实施例中,例如可以将一张图像上所有的第二类指示灯划分到第二图像分区内。其中,第二类指示灯具体为服务器正常时显示为特定颜色(如绿色),服务器故障时显示为其他颜色(如黄色、红色等)的指示灯。
对应地,如图5所示,操作S330即针对每个图像分区各自采取对应的图像处理方式以确定每个图像分区内指示灯的状态例如可以包括操作S331B~S334B。
在操作S331B,对第二图像分区进行连通域分析,以确定与第二指示灯对应的连通域。
在本公开实施例中,通过连通域分析,可以确定第二图像分区中各指示灯所在的位置。
接下来,在操作S332B,针对连通域读取RGB值。
即,在确定各指示灯的位置后,读取各指示灯的RGB值。
然后,在操作S333B,确定RGB值与预定颜色的RGB值的偏离度。
再然后,在操作S334B,确定偏离度是否大于预设阈值,以确定第二指示灯的状态。
例如,假设预定颜色的RGB值为绿色对应的RGB值,将各指示灯的实际RGB值与绿色对应的RGB值比较。如果实际RGB值不偏离绿色对应的RGB值,或者虽偏离但偏离度并未超出预设阈值,则认为指示灯所指示的服务器状态正常。如果实际RGB值偏离绿色对应的RGB值,且偏离度已超出预设阈值,则认为指示灯所指示的服务器状态异常,输出报警信息。
需要说明的是,在本公开实施例中,针对第二图像分区以服务器正常时指示灯长亮且发绿光为例,首先对图像分区进行连通域分析,确定指示灯在该图像分区中的具体位置。然后对指示灯所在位置的图像区域进行RGB值分析,判断该位置处RGB值是否属于绿色范围。如是,则通过后台服务器输出第二图像分区正常的相关信息。如否,则通过后台服务器输出第二图像分区异常的相关信息。
作为另一种可选的实施例,上述多个服务器例如可以包括至少一个第三服务器,每个第三服务器的指示灯例如可以包括至少第三指示灯,每个第三指示灯在目标图像中位于上述多个图像分区中的第三图像分区内。
在本公开实施例中,例如可以将一张图像上所有的第三类指示灯划分到第三图像分区内。其中,第三类指示灯具体为服务器正常时显示为闪烁状态,服务器故障时显示为熄灭状态的指示灯。
对应地,如图6所示,操作S330即针对每个图像分区各自采取对应的图像处理方式以确定每个图像分区内指示灯的状态例如可以包括操作S331C~S336C。
在操作S331C,对第三图像分区进行二值化图像转换。
在本公开实施例中,操作S331C与上述实施例中操作S331A类似,在此不再赘述。
在操作S332C,对转换后的第三图像分区进行连通域分析,以确定第三指示灯对应的第一像素值。
在本公开实施例中,操作S332C与上述实施例中操作S332A类似,在此不再赘述。
在操作S333C,采集以目标图像为参照的连续前M帧图像和连续后N帧图像,其中,M≥1,且N≥1,其中,M、N为整数。
由于本公开实施例是针对第三类指示灯进行处理的,并且第三类指示灯具体为服务器正常时显示为闪烁状态,服务器故障时显示为熄灭状态的指示灯。因此,需要对连续多帧图像进行分析,以确定指示灯的当前状态。
在操作S334C,针对连续前M帧图像,确定第三指示灯对应的第二像素值。
在操作S335C,针对连续后N帧图像,确定第三指示灯对应的第三像素值。
应该理解,对每一帧图像而言,确定各指示灯对应的像素值的方法与上述实施例中提及的像素值确定方法类似,在此不再赘述。
在操作S336C,基于第一像素值、第二像素值和第三像素值进行逻辑与运算,以确定第三指示灯的状态。
在本公开实施例中,第三图像分区中包含服务器正常时指示灯闪烁,服务器异常时指示灯熄灭的情况。该情况通常出现在服务器硬盘、板卡运行指示灯、服务器整机状态灯、系统健康灯中。该情况下,需要获取一定时间间隔的多帧图像(如本实施例中设置时间间隔为0.5秒,获取10帧图像),对多帧图像中的每帧进行二值化转换,之后进行连通域分析。在确定指示灯在分区图像中的位置后,对指示灯所在位置的像素值进行逻辑与运算,由运算结果判断指示灯状态是否正常。如正常,则通过后台服务器输出第三图像分区正常的相关信息。如异常,则通过后台服务器输出第三图像分区异常的相关信息。
应该理解,在本公开实施例中,如果逻辑与结算结果为“0”,则表明指示灯当前是闪烁的。如果逻辑与结算结果为“1”,则表明指示灯当前是熄灭的。
图7示意性示出了根据本公开实施例的故障监测装置的框图。
如图7所示,该故障监测装置700例如可以包括获取模块701、第一图像处理模块702、第二图像处理模块703和监控模块704。该处理装置可以执行上面参考方法实施例部分描述的方法,在此不再赘述。
具体地,获取模块701,用于获取目标图像,目标图像为针对多个服务器的指示灯进行拍摄而得到的图像。
第一图像处理模块702,用于将目标图像划分为多个图像分区,其中,多个图像分区中的每个图像分区内的指示灯以彼此不同的方式指示对应服务器的状态。
第二图像处理模块703,用于针对每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态。
监控模块704,用于基于指示灯的状态监控对应服务器是否出现故障。
需要说明的是,装置部分(包括系统部分)的实施例方式与方法部分的实施例方式对应类似,并且所达到的技术效果也对应类似,在此不再赘述。
根据本公开的实施例的模块中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获取模块701、第一图像处理模块702、第二图像处理模块703和监控模块704中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块701、第一图像处理模块702、第二图像处理模块703和监控模块704中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块701、第一图像处理模块702、第二图像处理模块703和监控模块704中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图8示意性示出了根据本公开实施例的电子设备的框图。图8示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800包括处理器810、计算机可读存储介质820。该电子设备800可以执行根据本公开实施例的方法。
具体地,处理器810例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器810还可以包括用于缓存用途的板载存储器。处理器810可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质820,例如可以是非易失性的计算机可读存储介质,具体示例包括但不限于:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;等等。
计算机可读存储介质820可以包括计算机程序821,该计算机程序821可以包括代码/计算机可执行指令,其在由处理器810执行时使得处理器810执行根据本公开实施例的方法或其任何变形。
计算机程序821可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序821中的代码可以包括一个或多个程序模块,例如包括821A、模块821B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器810执行时,使得处理器810可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例,获取模块701、第一图像处理模块702、第二图像处理模块703和监控模块704中的至少一个可以实现为参考图8描述的计算机程序模块,其在被处理器810执行时,可以实现上面描述的相应操作。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时电可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,尽管已经参照本公开的特定示例性实施例示出并描述了本公开,但是本领域技术人员应该理解,在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下,可以对本公开进行形式和细节上的多种改变。因此,本公开的范围不应该限于上述实施例,而是应该不仅由所附权利要求来进行确定,还由所附权利要求的等同物来进行限定。
Claims (10)
1.一种故障监控方法,包括:
获取目标图像,所述目标图像为针对多个服务器的指示灯进行拍摄而得到的图像;
将所述目标图像划分为多个图像分区,其中,所述多个图像分区中的每个图像分区内的指示灯以彼此不同的方式指示对应服务器的状态;
针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态;以及
基于所述指示灯的状态监控对应服务器是否出现故障。
2.根据权利要求1所述的方法,其中,
所述多个服务器包括第一服务器,所述第一服务器的指示灯包括第一指示灯,所述第一指示灯在所述目标图像中位于所述多个图像分区中的第一图像分区内;
所述针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态,包括:
对所述第一图像分区进行二值化图像转换;以及
对转换后的第一图像分区进行连通域分析,以确定所述第一指示灯的状态。
3.根据权利要求1所述的方法,其中,
所述多个服务器包括第二服务器,所述第二服务器的指示灯包括第二指示灯,所述第二指示灯在所述目标图像中位于所述多个图像分区中的第二图像分区内;
所述针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态,包括:
对所述第二图像分区进行连通域分析,以确定与所述第二指示灯对应的连通域;
针对所述连通域读取RGB值;
确定所述RGB值与预定颜色的RGB值的偏离度;以及
确定所述偏离度是否大于预设阈值,以确定所述第二指示灯的状态。
4.根据权利要求1所述的方法,其中,
所述多个服务器包括第三服务器,所述第三服务器的指示灯包括第三指示灯,所述第三指示灯在所述目标图像中位于所述多个图像分区中的第三图像分区内;
所述针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态,包括:
对所述第三图像分区进行二值化图像转换;
对转换后的第三图像分区进行连通域分析,以确定所述第三指示灯对应的第一像素值;
采集以所述目标图像为参照的连续前M帧图像和连续后N帧图像,其中,M≥1,且N≥1;
针对所述连续前M帧图像,确定所述第三指示灯对应的第二像素值;
针对所述连续后N帧图像,确定所述第三指示灯对应的第三像素值;以及
基于所述第一像素值、所述第二像素值和所述第三像素值进行逻辑与运算,以确定所述第三指示灯的状态。
5.根据权利要求1至4中任一项所述的方法,其中,所述方法还包括:
如果所述至少一个服务器中出现故障的服务器,则针对所述故障的服务器展示报警信息。
6.根据权利要求1所述的方法,其中,所述获取目标图像,包括:
通过CCD图像采集装置获取所述目标图像。
7.一种故障监控装置,包括:
获取模块,用于获取目标图像,所述目标图像为针对多个服务器的指示灯进行拍摄而得到的图像;
第一图像处理模块,用于将所述目标图像划分为多个图像分区,其中,所述多个图像分区中的每个图像分区内的指示灯以彼此不同的方式指示对应服务器的状态;
第二图像处理模块,用于针对所述每个图像分区各自采取对应的图像处理方式,以确定每个图像分区内指示灯的状态;以及
监控模块,用于基于所述指示灯的状态监控对应服务器是否出现故障。
8.一种故障监测系统,包括:
至少一个CCD图像采集装置,用于针对多个服务器的指示灯进行拍摄以采集图像;
多通道视频采集装置,与所述至少一个CCD图像采集装置连接;以及
权利要求7所述的故障监控装置,与所述多通道视频采集装置连接。
9.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至6中任一项所述的方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639513.XA CN110309033B (zh) | 2019-07-15 | 2019-07-15 | 故障监控方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910639513.XA CN110309033B (zh) | 2019-07-15 | 2019-07-15 | 故障监控方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110309033A true CN110309033A (zh) | 2019-10-08 |
CN110309033B CN110309033B (zh) | 2022-12-09 |
Family
ID=68081379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910639513.XA Active CN110309033B (zh) | 2019-07-15 | 2019-07-15 | 故障监控方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309033B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795307A (zh) * | 2019-10-18 | 2020-02-14 | 国网浙江宁波市奉化区供电有限公司 | 开关柜的部件状态监测方法 |
CN111045889A (zh) * | 2019-11-30 | 2020-04-21 | 北京浪潮数据技术有限公司 | 封闭网络设备状态监测系统、方法、装置及可读存储介质 |
CN111815912A (zh) * | 2020-06-17 | 2020-10-23 | 珠海格力电器股份有限公司 | 一种设备状态检测方法、系统、装置及可读存储介质 |
CN111832534A (zh) * | 2020-07-24 | 2020-10-27 | 中国工商银行股份有限公司 | 设备的检测方法和装置 |
CN111860217A (zh) * | 2020-06-30 | 2020-10-30 | 深圳优地科技有限公司 | 故障检测的方法、装置、电子设备及存储介质 |
CN112073682A (zh) * | 2020-08-05 | 2020-12-11 | 国网福建省电力有限公司 | 一种故障设备监测方法、装置、设备和计算机存储介质 |
CN112270284A (zh) * | 2020-11-06 | 2021-01-26 | 南京斌之志网络科技有限公司 | 照明设施监控方法、系统和电子设备 |
CN112615430A (zh) * | 2020-12-07 | 2021-04-06 | 交控科技股份有限公司 | 轨道交通信号机房内电源屏监控系统及方法 |
CN114813060A (zh) * | 2022-05-30 | 2022-07-29 | 苏州浪潮智能科技有限公司 | 一种服务器指示灯诊断装置 |
CN115311627A (zh) * | 2022-10-12 | 2022-11-08 | 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 |
CN117596758A (zh) * | 2024-01-19 | 2024-02-23 | 新立讯科技股份有限公司 | 新能源智慧工厂ba自控系统的故障诊断方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977908A (zh) * | 2015-05-04 | 2015-10-14 | 清华大学 | 工业现场指示灯状态的视频监测方法 |
US20150363652A1 (en) * | 2014-06-16 | 2015-12-17 | Thinkware Corporation | Electronic apparatus, control method of electronic apparatus and computer readable recording medium |
CN107735800A (zh) * | 2016-02-04 | 2018-02-23 | 华为技术有限公司 | 一种图像处理方法以及相关装置 |
-
2019
- 2019-07-15 CN CN201910639513.XA patent/CN110309033B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150363652A1 (en) * | 2014-06-16 | 2015-12-17 | Thinkware Corporation | Electronic apparatus, control method of electronic apparatus and computer readable recording medium |
CN104977908A (zh) * | 2015-05-04 | 2015-10-14 | 清华大学 | 工业现场指示灯状态的视频监测方法 |
CN107735800A (zh) * | 2016-02-04 | 2018-02-23 | 华为技术有限公司 | 一种图像处理方法以及相关装置 |
Non-Patent Citations (1)
Title |
---|
李彦超: "关于机房一体化自动监控系统的分析与研究", 《农银学刊》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795307A (zh) * | 2019-10-18 | 2020-02-14 | 国网浙江宁波市奉化区供电有限公司 | 开关柜的部件状态监测方法 |
CN111045889A (zh) * | 2019-11-30 | 2020-04-21 | 北京浪潮数据技术有限公司 | 封闭网络设备状态监测系统、方法、装置及可读存储介质 |
CN111815912A (zh) * | 2020-06-17 | 2020-10-23 | 珠海格力电器股份有限公司 | 一种设备状态检测方法、系统、装置及可读存储介质 |
CN111860217A (zh) * | 2020-06-30 | 2020-10-30 | 深圳优地科技有限公司 | 故障检测的方法、装置、电子设备及存储介质 |
CN111832534A (zh) * | 2020-07-24 | 2020-10-27 | 中国工商银行股份有限公司 | 设备的检测方法和装置 |
CN112073682A (zh) * | 2020-08-05 | 2020-12-11 | 国网福建省电力有限公司 | 一种故障设备监测方法、装置、设备和计算机存储介质 |
CN112270284A (zh) * | 2020-11-06 | 2021-01-26 | 南京斌之志网络科技有限公司 | 照明设施监控方法、系统和电子设备 |
CN112270284B (zh) * | 2020-11-06 | 2021-12-03 | 奥斯福集团有限公司 | 照明设施监控方法、系统和电子设备 |
CN112615430A (zh) * | 2020-12-07 | 2021-04-06 | 交控科技股份有限公司 | 轨道交通信号机房内电源屏监控系统及方法 |
CN114813060A (zh) * | 2022-05-30 | 2022-07-29 | 苏州浪潮智能科技有限公司 | 一种服务器指示灯诊断装置 |
CN114813060B (zh) * | 2022-05-30 | 2024-02-02 | 苏州浪潮智能科技有限公司 | 一种服务器指示灯诊断装置 |
CN115311627A (zh) * | 2022-10-12 | 2022-11-08 | 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 |
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 |
CN117596758A (zh) * | 2024-01-19 | 2024-02-23 | 新立讯科技股份有限公司 | 新能源智慧工厂ba自控系统的故障诊断方法及系统 |
CN117596758B (zh) * | 2024-01-19 | 2024-04-05 | 新立讯科技股份有限公司 | 新能源智慧工厂ba自控系统的故障诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110309033B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309033A (zh) | 故障监控方法、装置和系统 | |
CN107590499B (zh) | 一种基于视频的设备led指示灯状态监测方法及系统 | |
RU2009100847A (ru) | Идентификационная метка, устройство, способ для идентификации и синхронизации видеоданных | |
CA3030226A1 (en) | System and method for combined automatic and manual inspection | |
CN110399831B (zh) | 一种巡检方法及装置 | |
CN104185786A (zh) | 缆绳检查装置 | |
KR101941585B1 (ko) | 인공지능 기반의 검사를 위한 임베디드 시스템, 제어 방법 및 이를 포함하는 검사 시스템 | |
CN110533654A (zh) | 零部件的异常检测方法及装置 | |
JP2015228184A (ja) | 監視プログラム、監視システムおよび監視方法 | |
CN110490854A (zh) | 对象状态检测方法、对象状态检测装置和电子设备 | |
CN113129591A (zh) | 一种基于深度学习目标检测的交通信号灯故障检测方法 | |
CN105974616A (zh) | 液晶屏幕缺陷的检测方法及系统 | |
JP2018169827A (ja) | 運転監視システム | |
CN108364306B (zh) | 一种高速周期运动的视觉实时检测方法 | |
US20210334590A1 (en) | Automated image curation for machine learning deployments | |
CN112862821A (zh) | 基于图像处理的漏水检测方法、装置、计算设备和介质 | |
WO2018179360A1 (ja) | 画像処理装置、画像処理方法、および記録媒体 | |
Alippi et al. | Detecting external disturbances on the camera lens in wireless multimedia sensor networks | |
CN103293167A (zh) | 泡沫镍中铜颗粒自动检测方法及系统 | |
CN113487166A (zh) | 一种基于卷积神经网络的化纤飘丝质量检测方法及系统 | |
CN110751055B (zh) | 一种智能制造系统 | |
CN103425958A (zh) | 一种视频中不动物检测的方法 | |
WO2021243724A1 (zh) | 图像处理方法、电子设备、行车记录仪及服务器 | |
JPH09264856A (ja) | 物品外観検査装置 | |
WO2020158630A1 (ja) | 検出装置、学習器、コンピュータプログラム、検出方法及び学習器の生成方法 |
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 |