CN110991347A - 一种设备状态监控方法及系统 - Google Patents
一种设备状态监控方法及系统 Download PDFInfo
- Publication number
- CN110991347A CN110991347A CN201911233029.3A CN201911233029A CN110991347A CN 110991347 A CN110991347 A CN 110991347A CN 201911233029 A CN201911233029 A CN 201911233029A CN 110991347 A CN110991347 A CN 110991347A
- Authority
- CN
- China
- Prior art keywords
- image information
- control cabinet
- electric control
- working condition
- mat
- 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 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 241000700584 Simplexvirus Species 0.000 claims description 52
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004378 air conditioning Methods 0.000 description 6
- 238000003909 pattern recognition Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 206010027336 Menstruation delayed Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种设备状态监控方法及系统，其特征在于包括以下步骤：1)在待监控电控柜的正对面架设视觉获取装置，并通过数据线将视觉获取装置与设置有状态识别模块的计算机终端相连；2)状态识别模块实时接视觉获取装置采集到的待监控电控柜指示灯的RGB图像信息，对接收到的RGB图像信息进行转换识别，得到待监控电控柜的指示灯状态信息，并判断出电控柜相应设备的运行状态。本发明可以广泛应用于电控柜指示灯状态的模式识别领域。
Description
技术领域
本发明涉及模式识别领域，尤其涉及一种基于电控柜指示灯模式识别的设备状态监控方法及系统。
背景技术
随着越来越多的楼宇电气系统采用电控柜进行控制，值班人员对于电控柜工作状态的监控十分重要。
传统监控方式为值班人员通过电控柜面板按钮或操作柄进行电气系统的启停操作后，再根据电控柜面板上相应指示灯的亮灭状态，判断电气系统是否正常动作。电气系统运行中，如遇故障终止，电控柜面板上相应指示灯也会自动变化状态，提示管理人员。因此，保持长时间的观察电控柜指示灯的状态是值班人员的一项重要工作，同时在指示灯变化时还需要将时间点及变化情况记下来，作为工作记录。对于值班人员来讲，这项工作比较乏味和繁重，特别是当设备状态发生一系列的频繁动作时，还容易出现漏记或错记情况，不利于事故的分析和责任的认定。
因此，需要对现有的电控柜监控方案进行自动化升级改造。目前比较常用的一种方案是在电控柜内加装传感器，这就需要电控柜生产厂家的配合实施，不但工作量大，而且由于存在潜在的技术风险以及保修责任，厂家一般都不会承接。
发明内容
针对上述问题，本发明的目的是提供一种设备状态监控方法及系统，基于电控柜上指示灯亮灭状态的自动采集及识别，对电控柜相应设备状态进行监控，有效提高监控效率和准确度。
为实现上述目的，本发明采取以下技术方案：
本发明的第一个方面，是提供一种设备状态监控方法，其包括以下步骤：1)在待监控电控柜的正对面架设视觉获取装置，并通过数据线将视觉获取装置与设置有状态识别模块的计算机终端相连；2)状态识别模块实时接视觉获取装置采集到的待监控电控柜指示灯的RGB图像信息，对接收到的RGB图像信息进行转换识别，得到待监控电控柜的指示灯状态信息，并判断出电控柜相应设备的运行状态。
进一步的，所述步骤2)中，状态识别模块实时接视觉获取装置采集到的待监控电控柜指示灯的RGB图像信息，对接收到的RGB图像信息进行转换识别，得到待监控电控柜的指示灯状态信息，并判断出电控柜相应设备的运行状态的方法，包括以下步骤：2.1)根据预设采样周期发送启动监控信号到视觉获取装置，视觉获取装置采集待监控电控柜面板上指示灯的RGB格式图像信息，并发送到计算机终端；2.2)将采集到的实时RGB格式图像信息转换为实时HSV格式图像信息；2.3)根据预设指示灯状态判断阈值对实时HSV格式图像信息进行识别处理，得到实时HSV格式图像信息的二值化图像信息；2.4)对实时HSV格式图像信息的二值化图像信息与预先存储的所有样本工况图像进行匹配度计算以及匹配度分析，得到当前运行工况，当出现异常运行工况时发出报警信息；2.5)将当前运行工况与上一采样周期记录的运行工况进行比较，当运行工况发生变化时，进行工况变更记录以及相关指标的统计，当运行工况不变时，不进行操作，并返回步骤2.1)，其中，相关指标包括：工况单次运行时间、工况累计运行时间和工况切换累计次数。
进一步的，所述步骤2.3)中，根据预设指示灯状态判断阈值对实时HSV格式图像信息进行识别处理，得到实时HSV格式图像信息的二值化图像信息的方法，包括以下步骤：2.3.1)将获得的实时HSV格式图像信息划分为由M*N个像素点矩阵所构成的矩形图像；2.3.2)遍历矩形图像内的所有像素点，根据预设指示灯状态判断阈值对各像素点进行二值化处理，得到二值化图像信息。
进一步的，所述步骤2.3.2)中，进行二值化处理的计算公式为：
其中：HSV(i,j)，H(i,j),S(i,j),V(i,j)分别表示在矩形图像中位置处于第i行第j列的像素的HSV值以及H，S，V分量的值；Hmax和Hmin分别为H分量的阈值上限和下限；Smin和Smax分别为S分量的阈值上限和下限；Vmin和Vmax分别为分别为V分量的阈值上限和下限。
进一步的，所述步骤2.4)中，对得到的二值化图像信息与样本工况图像进行匹配度计算以及匹配度分析，得到当前运行工况的方法，包括以下步骤：2.4.1)根据所有运行工况下电控柜指示灯状态的不同，采用步骤2.2)和步骤2.3)的方法得到不同工况的二值化图像信息作为样本工况图像，并建立样本工况图像库；2.4.2)设置当前样本工况图像的序号为1，计算当前样本工况图像与实时HSV格式图像信息的二值化图像信息的匹配度值Mat；2.4.3)重复步骤2.4.2)，直到采集的实时二值化图像信息与所有工况样本图像均进行对比后，比较各工况样本图像的匹配度值Mat，取匹配度值Mat最大的工况样本图像所对应的运行工况为备选工况；2.4.4)对备选工况的匹配度值Mat进行阈值条件分析，根据分析结果确定当前运行工况，当出现异常运行工况时发出报警信息。
进一步的，所述步骤2.4.2)中，当前样本工况图像与实时HSV格式图像信息的二值化图像信息的匹配度值的计算方法为：将当前样本工控图像的匹配度初始化值Matini设为0；以遍历的方法对当前样本工况图像和实时HSV格式图像信息的二值化图像中所有对应位置的像素点的HSV值进行逐一比较，相等则令Matini值加1，不相等则Matini值不变；所有像素点比较完成后，得到Matini值，再将Matini值除以总像素数M*N进行标幺化，得到与该样本工况图像的最终的匹配度值Mat。
进一步的，所述步骤2.4.4)中，对备选工况的Mat值进行阈值条件分析，根据分析结果确定当前运行工况，当出现异常运行工况时发出报警信息的方法为：如果Mat>Matmin，则认为备选工况有效，该备选工况即为当前运行工况，其中，Matmin为匹配下限；如果Mat<Matabo，则认为所有样本工况均不匹配，此时为异常工况，发送报警信息，其中Matabo为异常报警阈值。
进一步的，所述匹配下限Matmin的取值范围为0.8～0.9；所述异常报警阈值Matabo的取值范围为0.1～0.2。
本发明的另一个方面，是提供一种设备状态监控系统，其包括：视觉获取装置和计算机终端；所述视觉获取装置架设在待监控电控柜的正对面，用于获取待监控电控柜的实时图像信息，并通过数据线传输至所述计算机终端；所述计算机终端内设置有状态识别模块，所述状态识别模块用于根据得到的待监控电控柜的实时图像信息，对待监控电控柜的指示灯状态进行模式识别，进而判断出待监控电控柜相应设备的运行状态。
进一步的，所述状态识别模块包括流程控制子模块、图像识别子模块、历史统计子模块、异常报警子模块和样本工况图像库子模块；所述流程控制子模块用于根据预设采样周期控制视觉获取装置的启动和停止；所述图像识别子模块用于对获取的待监控电控柜的图像信息进行图像转换和识别，并将识别到的运行工况信息发送到所述历史统计子模块或异常报警子模块；所述历史统计子模块用于记录运行工况状态发生切换的时间和日志，以及查询统计在任一时期内的任一种运行状态的累计时间；所述异常报警子模块用于在识别出设备状态异常后，发出声光报警；所述样本工况图像库子模块用于记录和存储能够表征电控柜电气系统运行工况的的样本工况图像。
本发明由于采取以上技术方案，其具有以下优点：1、本发明基于模式识别技术，利用摄录装置及模式识别算法对电控柜上的指示灯状态进行监控，并对电控柜面板上的指示灯亮灭状态进行自动识别，达到自动监控电控柜电气系统运行状态的目标，使得值班人员不必长时间观察电控柜指示灯，降低了其工作强度。2、本发明在识别指示灯状态的算法中，设计了冗错机制和报警机制，提高了电控柜运行监控工作的可靠性。3、本发明设置有历史统计功能，替换了值班人员手工记录工作，实现全电子化记录，保证数据客观准确。因而，本发明可以广泛应用于设备状态识别领域。
附图说明
图1是本发明设备状态监控系统结构示意图；
图2是本发明状态识别软件的工作流程；
图3a是本发明实施例中电控柜面板示意图；
图3b是本发明实施例中系统实施示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明提供的一种设备状态监控系统，其包括：视觉获取装置和计算机终端。其中，视觉获取装置架设在待监控电控柜的正对面，用于获取待监控电控柜的实时图像信息，并通过数据线传输至计算机终端；计算机终端内设置有状态识别模块，该状态识别模块用于根据得到的待监控电控柜的实时图像信息，对待监控电控柜的指示灯状态进行模式识别，进而判断出待监控电控柜相应设备的运行状态。
进一步的，视觉获取装置采用摄录装置，获取的是待监控电控柜的RGB格式图像信息。
进一步的，状态识别模块包括流程控制子模块、图像识别子模块、历史统计子模块、异常报警子模块和样本工况图像库子模块。其中，流程控制子模块用于根据预设采样周期控制视觉获取装置的启动和停止；图像识别子模块用于对获取的待监控电控柜的图像信息进行图像转换和识别，并将识别到的运行工况信息发送到历史统计子模块或异常报警子模块；历史统计子模块用于记录运行工况状态发生切换的时间和日志，以及查询统计在某时期内的某种运行状态的累计时间；异常报警子模块用于在识别出设备状态异常后，发出声光报警；样本工况图像库子模块用于记录和存储能够表征电控柜面板的各运行工况的样本工况图像。
基于上述设备状态监控系统，本发明还提供一种设备状态监控方法，包括以下步骤：
1)在待监控电控柜的正对面架设视觉获取装置，并通过数据线将视觉获取装置与设置有状态识别模块的计算机终端相连；
2)计算机终端中的状态识别模块实时接收视觉获取装置采集到的待监控电控柜指示灯的RGB图像信息，对接收到的RGB图像信息进行转换识别，得到待监控电控柜的指示灯状态信息，并判断出电控柜相应设备的运行状态。
如图2所示，具体的，包括以下步骤：
2.1)流程控制子模块根据预设采样周期发送启动监控信号到视觉获取装置，视觉获取装置采集待监控电控柜面板上指示灯的RGB格式图像信息，并发送到计算机终端；
2.2)图像识别功能子模块将采集到的实时RGB格式图像信息转换为实时HSV格式图像信息；
2.3)根据预设指示灯状态判断阈值对实时HSV格式图像信息进行识别处理，得到实时HSV格式图像信息的二值化图像信息；
2.4)对得到的二值化图像信息与样本工况图像库子模块中预先存储的所有样本工况图像进行匹配度计算以及匹配度分析，得到当前运行工况；
2.5)将当前运行工况与上一采样周期记录的运行工况进行比较，当运行工况发生变化时，由历史统计功能子模块进行工况变更记录以及相关指标统计，当运行工况不变时，不进行操作，并返回步骤2.1)。其中，相关指标主要包括工况单次运行时间、工况累计运行时间、工况切换累计次数等。
上述步骤2.2)中，实时接收由摄录装置采集到的RGB格式图像，并将其转化为HSV格式的图像，转换方法为本领域技术人员公知常识，本发明在此不再赘述。转换的原因为：RGB是以基于红色(R)、绿色(G)、蓝色(B)三种基色形成的颜色空间，通过三种颜色通道的变化以及它们之间的相互叠加记录显示图像。HSV是以饱和度色度亮度表示的颜色空间，其中，H——Hue即色相；S——Saturation即饱和度，代表色彩的深浅度；V——Value即色调，纯度，色彩的亮度。常见颜色对应的HSV格式具体阈值范围如表1所示。将RGB格式图像转换为HSV格式图像，是由于HSV格式更加符合人眼对颜色的定义，即是什么颜色、多深以及亮度情况，更直观地表达图像色彩，在模式识别中更方便进行颜色之间的对比。
表1.HSV格式常见颜色阈值范围
上述步骤2.3)中，根据预设指示灯状态判断阈值对实时HSV格式图像信息进行识别处理，得到实时HSV图像信息的二值化图像信息的方法，包括以下步骤：
2.3.1)将获得的实时HSV格式图像信息划分为由M*N个像素点矩阵所构成的矩形图像。
2.3.2)遍历矩形图像内的所有像素点，根据预设指示灯状态判断阈值对各像素点进行二值化处理，即将符合阈值条件的像素点的像素值处理为纯黑色HSV(0,0,0)，其他不符合阈值条件的像素点的像素值处理为纯白色HSV(0,0,255)，这样可以得到带有清晰待识别指示灯图像单元的二值化图像。
其中：HSV(i,j)，H(i,j),S(i,j),V(i,j)分别表示在矩形图像中位置处于第i行第j列的像素的HSV值以及H，S，V分量的值；Hmax和Hmin分别为H分量的阈值上限和下限；Smin和Smax分别为S分量的阈值上限和下限；Vmin和Vmax分别为V分量的阈值上限和下限。
尤其指出：通过调整Vmin的值，即调整亮度判断阈值，可以有效区分同种颜色的明、暗两种状态，这是区分指示灯工作与否状态的重要依据。这是将RGB格式图像转化为HSV格式的图像的关键所在。例如：假设待识别的绿色指示灯运行状态下为亮绿色，则在HSV格式图像中，根据表1中的颜色阈值范围所对应的绿色数值相应范围，即H值为35～77，S值为43～255，V值为46～255，基于式(1)，同时可以把Vmin提高，例如Vmin＝200，即可滤除待分析图像中暗绿色单元，仅把亮绿色单元进行分割识别，最终形成只有白色和黑色单元的二值化图像。
上述步骤2.4)中，对得到的二值化图像信息与样本工况图像进行匹配度计算以及匹配度分析，得到当前运行工况的方法，包括以下步骤：
2.4.1)根据所有运行工况下电控柜指示灯状态的不同，采用步骤2.2)和步骤2.3)的方法得到不同工况的二值化图像信息作为样本工况图像，并建立样本工况图像库。
其中，样本工况图像库子模块中存储的样本工况图像均为采用步骤2.2)和步骤2.3)相同的方法，预先建立并存储各种工况下的二值化图像样本。这种图像具体表现为在白色矩形背景下，在某特征位置上有黑色圆形图像，黑色圆形图像即为表示某种工况运行状态下的提取出来的特征指示灯轮廓。需要说明的是：不同样本工况图像的主要差异在于出现黑色圆形图像的数量和位置不同，反映出所在位置指示灯的亮、灭状态，进而体现出所对应控制的设备运行情况。由于通常电控系统的指示灯数量有限，而指示灯的状态也只有亮、灭两种，所以样本工况图像的数量是有限集合。而且，各运行工况下的电控柜面板上不同位置指示灯的亮、灭分布是具有区别的，这也是人工操作时进行判断工况的前提条件，所以不同工况样本图像之间也必然存在一定区别，因此具有可识别性。
2.4.2)假设匹配度以Mat表示，将当前样本工控图像的匹配度初始化值Matini设为0，以遍历的方法对当前样本工况图像和采集的实时二值化图像中所有对应位置的像素点的HSV值进行逐一比较，相等则Matini值加1，不相等则Matini值不变。所有像素点比较完成后，得到Matini值，再将Matini值除以总像素数M*N进行标幺化，得到与该样本工况图像的最终的匹配度值Mat，该Mat值范围应该属于0到1的区间。
2.4.3)重复步骤2.4.2)，直到采集的实时二值化图像信息与所有工况样本图像均进行对比后，比较各工况样本图像的Mat值，取Mat值最大的工况样本图像所对应的运行工况为备选工况。
2.4.4)对备选工况的Mat值进行阈值条件分析，根据分析结果确定当前运行工况，当出现异常运行工况时发出报警信息。
具体的分析方法为：
如果Mat>Matmin，则认为备选工况有效，该备选工况即为当前运行工况，其中，Matmin为匹配下限，可优选为0.8～0.9；
如果Mat<Matabo，则认为所有样本工况均不匹配，此时为异常工况，由异常报警子模块发送报警信息，其中Matabo为异常报警阈值，可优选为0.1～0.2。
设置Matmin条件的原因在于:由于二值化处理后的图像中仅有两种像素值，理论上讲如果为同一工况的图片，匹配度Mat应当相当接近1。但是实际图像采集中，受光源照度及焦距摄动的影响，图像中指示灯边缘可能会出现部分模糊，经二值化处理后可能会引入少许误差。所以即使与同样工况样本图像进行匹配度对比，也不可能保证完全匹配，因此设定Matmin以增加判断的冗错性。
设置Matabo条件的原因在于：当不可预期情况发生时，采集到的实时图像与所有预存样本图像对比得到的匹配度Mat均异常低，这表明可能出现了摄录装置故障或控制柜异常，就需要通知人工查看。这一设计可以更大程度上保证电控柜系统的监控效果。
实施例一
如图3a所示，以某地下活动室的空调设备的电控柜的监控需求为例进行说明。该空调电控柜面板上有一个控制空调设备启停的旋钮开关；有两个指示灯，其中一个为绿色运行指示灯，一个为红色停止指示灯，分别表示空调设备的运行与停止；空调启动时，绿色运行指示灯点亮；空调关闭时，红色停止指示灯点亮。按物业管理要求，该空调系统在早、中、晚时段有顾客活动时运行。值班人员需要对空调电控柜操作及运行情况进行记录存档。但是由于控制柜位于设备间，空间狭小噪音严重，值班人员无法长期工作其中且保持良好工作状态，为此设计了本发明。
如图3b所示，为系统实施示意图，本实施例中摄录装置为一个摄像头，固定在电控柜的对面墙壁支架上，通过接口线连接到旁边一台计算机上。调整摄像头焦距使电控柜面板占据画面主体位置。计算机上运行状态识别模块，配置通讯端口后，电控柜实时图像可以正确传输到状态识别模块中。
首先，在值班人员的配合下，利用状态识别模块建立工况样本图像库，该系统的典型工况包括：(1)电控柜未上电：绿灯和红灯都是灭的；(2)电控柜上电，空调启动：绿灯亮，红灯灭；(3)电控柜上电，空调停止：绿灯灭，红灯亮。
然后，将本发明的系统投入在线监控使用，工作过程如下：
上午9：00，空调启动，电控柜面板上的绿色运行指示灯点亮，红色停止指示灯点灭；状态识别模块通过摄像头获取到绿色运行指示灯点亮的图像，图像识别功能模块识别出绿色的运行指示灯点亮了，进一步判断出此时空调设备处于运行状态，并记录当前系统时间；
上午12：00，空调关闭，电控柜面板上绿色运行指示灯熄灭，红色停止指示灯点亮，此时状态识别模块通过摄像头获取到红色停止指示灯点亮的图像，进一步判断空调设备已关闭，并记录此时系统时间；
在下午14：00到18：00以及晚上19：00到21：30的时间段，空调再次启动和关闭，状态识别模块均将相应时间以及设备状态记录，生成一天的工作日志文档。
由此可以看出，应用此发明后运行人员不必再长时间关注电控柜指示灯，而且一旦监控出现状态不明情况，还可以发出声光警报来通知值班员，降低了值班员日常工作强度。另外，由软件自动记录空调设备的日运行状态，该日即免去了六次手工记录的工作量，初步估计一年可免去超过两千次的手工记录工作，而且电子日志格式规范存档方便。
上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。
Claims (10)
1.一种设备状态监控方法，其特征在于包括以下步骤：
1)在待监控电控柜的正对面架设视觉获取装置，并通过数据线将视觉获取装置与设置有状态识别模块的计算机终端相连；
2)状态识别模块实时接视觉获取装置采集到的待监控电控柜指示灯的RGB图像信息，对接收到的RGB图像信息进行转换识别，得到待监控电控柜的指示灯状态信息，并判断出电控柜相应设备的运行状态。
2.如权利要求1所述的一种设备状态监控方法，其特征在于：所述步骤2)中，状态识别模块实时接视觉获取装置采集到的待监控电控柜指示灯的RGB图像信息，对接收到的RGB图像信息进行转换识别，得到待监控电控柜的指示灯状态信息，并判断出电控柜相应设备的运行状态的方法，包括以下步骤：
2.1)根据预设采样周期发送启动监控信号到视觉获取装置，视觉获取装置采集待监控电控柜面板上指示灯的RGB格式图像信息，并发送到计算机终端；
2.2)将采集到的实时RGB格式图像信息转换为实时HSV格式图像信息；
2.3)根据预设指示灯状态判断阈值对实时HSV格式图像信息进行识别处理，得到实时HSV格式图像信息的二值化图像信息；
2.4)对实时HSV格式图像信息的二值化图像信息与预先存储的所有样本工况图像进行匹配度计算以及匹配度分析，得到当前运行工况，当出现异常运行工况时发出报警信息；
2.5)将当前运行工况与上一采样周期记录的运行工况进行比较，当运行工况发生变化时，进行工况变更记录以及相关指标的统计，当运行工况不变时，不进行操作，并返回步骤2.1)，其中，相关指标包括：工况单次运行时间、工况累计运行时间和工况切换累计次数。
3.如权利要求2所述的一种设备状态监控方法，其特征在于：所述步骤2.3)中，根据预设指示灯状态判断阈值对实时HSV格式图像信息进行识别处理，得到实时HSV格式图像信息的二值化图像信息的方法，包括以下步骤：
2.3.1)将获得的实时HSV格式图像信息划分为由M*N个像素点矩阵所构成的矩形图像；
2.3.2)遍历矩形图像内的所有像素点，根据预设指示灯状态判断阈值对各像素点进行二值化处理，得到二值化图像信息。
4.如权利要求3所述的一种设备状态监控方法，其特征在于：所述步骤2.3.2)中，进行二值化处理的计算公式为：
其中：HSV(i,j)，H(i,j),S(i,j),V(i,j)分别表示在矩形图像中位置处于第i行第j列的像素的HSV值以及H，S，V分量的值；Hmax和Hmin分别为H分量的阈值上限和下限；Smin和Smax分别为S分量的阈值上限和下限；Vmin和Vmax分别为分别为V分量的阈值上限和下限。
5.如权利要求2所述的一种设备状态监控方法，其特征在于：所述步骤2.4)中，对得到的二值化图像信息与样本工况图像进行匹配度计算以及匹配度分析，得到当前运行工况的方法，包括以下步骤：
2.4.1)根据所有运行工况下电控柜指示灯状态的不同，采用步骤2.2)和步骤2.3)的方法得到不同工况的二值化图像信息作为样本工况图像，并建立样本工况图像库；
2.4.2)设置当前样本工况图像的序号为1，计算当前样本工况图像与实时HSV格式图像信息的二值化图像信息的匹配度值Mat；
2.4.3)重复步骤2.4.2)，直到采集的实时二值化图像信息与所有工况样本图像均进行对比后，比较各工况样本图像的匹配度值Mat，取匹配度值Mat最大的工况样本图像所对应的运行工况为备选工况；
2.4.4)对备选工况的匹配度值Mat进行阈值条件分析，根据分析结果确定当前运行工况，当出现异常运行工况时发出报警信息。
6.如权利要求5所述的一种设备状态监控方法，其特征在于：所述步骤2.4.2)中，当前样本工况图像与实时HSV格式图像信息的二值化图像信息的匹配度值的计算方法为：
将当前样本工控图像的匹配度初始化值Matini设为0；
以遍历的方法对当前样本工况图像和实时HSV格式图像信息的二值化图像中所有对应位置的像素点的HSV值进行逐一比较，相等则令Matini值加1，不相等则Matini值不变；
所有像素点比较完成后，得到Matini值，再将Matini值除以总像素数M*N进行标幺化，得到与该样本工况图像的最终的匹配度值Mat。
7.如权利要求5所述的一种设备状态监控方法，其特征在于：所述步骤2.4.4)中，对备选工况的Mat值进行阈值条件分析，根据分析结果确定当前运行工况，当出现异常运行工况时发出报警信息的方法为：
如果Mat>Matmin，则认为备选工况有效，该备选工况即为当前运行工况，其中，Matmin为匹配下限；
如果Mat<Matabo，则认为所有样本工况均不匹配，此时为异常工况，发送报警信息，其中Matabo为异常报警阈值。
8.如权利要求7所述的一种设备状态监控方法，其特征在于：所述匹配下限Matmin的取值范围为0.8～0.9；所述异常报警阈值Matabo的取值范围为0.1～0.2。
9.一种设备状态监控系统，其特征在于：其包括：
视觉获取装置和计算机终端；
所述视觉获取装置架设在待监控电控柜的正对面，用于获取待监控电控柜的实时图像信息，并通过数据线传输至所述计算机终端；
所述计算机终端内设置有状态识别模块，所述状态识别模块用于根据得到的待监控电控柜的实时图像信息，对待监控电控柜的指示灯状态进行模式识别，进而判断出待监控电控柜相应设备的运行状态。
10.如权利要求9所述的一种设备状态监控系统，其特征在于：所述状态识别模块包括流程控制子模块、图像识别子模块、历史统计子模块、异常报警子模块和样本工况图像库子模块；
所述流程控制子模块用于根据预设采样周期控制视觉获取装置的启动和停止；
所述图像识别子模块用于对获取的待监控电控柜的图像信息进行图像转换和识别，并将识别到的运行工况信息发送到所述历史统计子模块或异常报警子模块；
所述历史统计子模块用于记录运行工况状态发生切换的时间和日志，以及查询统计在任一时期内的任一种运行状态的累计时间；
所述异常报警子模块用于在识别出设备状态异常后，发出声光报警；
所述样本工况图像库子模块用于记录和存储能够表征电控柜电气系统运行工况的的样本工况图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911233029.3A CN110991347A (zh) | 2019-12-05 | 2019-12-05 | 一种设备状态监控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911233029.3A CN110991347A (zh) | 2019-12-05 | 2019-12-05 | 一种设备状态监控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110991347A true CN110991347A (zh) | 2020-04-10 |
Family
ID=70090335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911233029.3A Pending CN110991347A (zh) | 2019-12-05 | 2019-12-05 | 一种设备状态监控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110991347A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111753708A (zh) * | 2020-06-19 | 2020-10-09 | 珠海格力电器股份有限公司 | 自动判定指示灯状态的方法、存储介质、系统及电子设备 |
| CN112180922A (zh) * | 2020-09-24 | 2021-01-05 | 南京苏美达智能技术有限公司 | 一种基于光学的自行走设备识别方法和自行走设备 |
| CN112926483A (zh) * | 2021-03-11 | 2021-06-08 | 中国工商银行股份有限公司 | 标准机柜状态指示灯识别监测方法、装置和系统 |
| CN113587975A (zh) * | 2020-04-30 | 2021-11-02 | 伊姆西Ip控股有限责任公司 | 用于管理应用环境的方法、设备和计算机程序产品 |
| CN113627362A (zh) * | 2021-08-13 | 2021-11-09 | 深圳市道通科技股份有限公司 | 指示信号识别方法、装置、设备以及计算机存储介质 |
| CN113923401A (zh) * | 2021-08-16 | 2022-01-11 | 杜鹢 | 图像分析运维实现方法及图像分析运维系统 |
| CN114820676A (zh) * | 2022-05-30 | 2022-07-29 | 深圳市科荣软件股份有限公司 | 一种设备运行状态识别方法及装置 |
| CN115762085A (zh) * | 2022-11-16 | 2023-03-07 | 云南电网有限责任公司德宏供电局 | 一种计算机视觉报警系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108319898A (zh) * | 2018-01-02 | 2018-07-24 | 中国神华能源股份有限公司 | 采煤机工况异常的报警方法、介质和电子设备 |
| CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
-
2019
- 2019-12-05 CN CN201911233029.3A patent/CN110991347A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108319898A (zh) * | 2018-01-02 | 2018-07-24 | 中国神华能源股份有限公司 | 采煤机工况异常的报警方法、介质和电子设备 |
| CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张春琳;唐道临;孙成;: "基于模式识别技术的油井工况诊断", 现代计算机(专业版) * |
| 张永合;程健;: "一种面向设备系统指示灯的状态识别方法", 计算机仿真 * |
| 韦建成;余剑冰;杨伟群;: "作业安全管控系统中人员目标识别算法研究", 广西电力 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113587975A (zh) * | 2020-04-30 | 2021-11-02 | 伊姆西Ip控股有限责任公司 | 用于管理应用环境的方法、设备和计算机程序产品 |
| CN111753708A (zh) * | 2020-06-19 | 2020-10-09 | 珠海格力电器股份有限公司 | 自动判定指示灯状态的方法、存储介质、系统及电子设备 |
| CN112180922A (zh) * | 2020-09-24 | 2021-01-05 | 南京苏美达智能技术有限公司 | 一种基于光学的自行走设备识别方法和自行走设备 |
| CN112926483A (zh) * | 2021-03-11 | 2021-06-08 | 中国工商银行股份有限公司 | 标准机柜状态指示灯识别监测方法、装置和系统 |
| CN113627362A (zh) * | 2021-08-13 | 2021-11-09 | 深圳市道通科技股份有限公司 | 指示信号识别方法、装置、设备以及计算机存储介质 |
| CN113923401A (zh) * | 2021-08-16 | 2022-01-11 | 杜鹢 | 图像分析运维实现方法及图像分析运维系统 |
| CN114820676A (zh) * | 2022-05-30 | 2022-07-29 | 深圳市科荣软件股份有限公司 | 一种设备运行状态识别方法及装置 |
| CN115762085A (zh) * | 2022-11-16 | 2023-03-07 | 云南电网有限责任公司德宏供电局 | 一种计算机视觉报警系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110991347A (zh) | 一种设备状态监控方法及系统 | |
| CN107590499B (zh) | 一种基于视频的设备led指示灯状态监测方法及系统 | |
| CN109271844A (zh) | 基于OpenCV的电气柜电气符号识别方法 | |
| CN112564291A (zh) | 一种电力设备压板状态监测系统及监测方法 | |
| CN110348380A (zh) | 一种可视化接地刀闸状态视频识别系统及方法 | |
| CN110895249A (zh) | 电缆接头识别系统及方法 | |
| CN112730406A (zh) | 产品测试方法、系统及可读存储介质 | |
| CN104637425A (zh) | 流水线式led显示单元均匀性检测方法、系统及装置 | |
| CN115876086A (zh) | 一种高密度连接器的检测方法及检测系统 | |
| CN109828891B (zh) | 一种故障指示灯识别方法 | |
| CN113496661A (zh) | Led显示控制系统检测方法、装置及系统 | |
| CN113031386B (zh) | 双滤光镜切换器的异常检测方法、装置、设备和介质 | |
| CN116087217B (zh) | 基于机器视觉的工业流水线动态质量检测模块及方法 | |
| CN116935766A (zh) | 一种led屏幕异常检测和数据分析方法 | |
| CN116321617A (zh) | 基于人工智能的智慧教室灯光控制系统 | |
| CN116052041A (zh) | 基于深度网络的指示灯状态识别方法 | |
| CN104091402A (zh) | 一种24v电源柜多状态报警变色灯识辨系统及识辨方法 | |
| CN113807244A (zh) | 一种基于深度学习的机柜布置图绘制方法 | |
| CN115657509A (zh) | 一种生产场所无人值守远程移动监控控制系统 | |
| CN111923042B (zh) | 机柜栅格的虚化处理方法及系统、巡检机器人 | |
| CN114596255A (zh) | 基于5g+mec的产品检测系统和方法 | |
| CN113762185A (zh) | 一种基于计算机视觉实现电力设备状态获取的智能系统 | |
| CN113746202A (zh) | 一种电力监控系统 | |
| CN108985144B (zh) | 一种高效低成本图像火灾自动识别方法及装置 | |
| CN112215106A (zh) | 一种用于变电站无人巡检系统的仪表颜色状态识别方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |