CN111612879A - 设备检测方法、装置、设备及可读存储介质 - Google Patents
设备检测方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN111612879A CN111612879A CN202010441591.1A CN202010441591A CN111612879A CN 111612879 A CN111612879 A CN 111612879A CN 202010441591 A CN202010441591 A CN 202010441591A CN 111612879 A CN111612879 A CN 111612879A
- Authority
- CN
- China
- Prior art keywords
- monitoring point
- state information
- model
- sensor
- target equipment
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 238
- 238000009877 rendering Methods 0.000 claims description 56
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 27
- 230000000694 effects Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 22
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种设备检测方法、装置、设备及可读存储介质，本申请在目标设备处各监控点设置有传感器，传感器采集目标设备的声音数据，基于该声音数据可以确定目标设备的各监控点状态信息，也即能够高效、及时的检测目标设备在各监控点的状态信息。进一步，可以基于目标设备的各监控点状态信息，对目标设备模型和传感器模型进行渲染，使得渲染后的传感器模型能够表示对应监控点状态信息，进而显示渲染后的目标设备模型和传感器模型，从而能够便于用户在终端界面上直接看到目标设备的各监控点状态信息，实时了解目标设备在各监控点的状态，在某一监控点出现异常时，可以及时发现异常，并且能够及时定位异常所在的监控点。
Description
技术领域
本申请涉及工业检测技术领域，更具体的说，是涉及一种设备检测方法、装置、设备及可读存储介质。
背景技术
设备检测主要是为了检测设备的运行状态，如检测设备是否正常运行或出现异常。以工业设备为例，若工业设备出现异常，需要及时进行决策和维护，从而提高工业企业的设备维护效率，减少生产线异常停工损失。
在现有技术中，一般由经验丰富的设备运维人员对工业设备进行巡检，以确定工业设备是否出现异常。但是，由于物联网中的工业设备众多，且不同工业设备的运行情况各种各样，人工巡检不仅效率低，还存在异常发现不够及时的问题。
发明内容
鉴于上述问题，提出了本申请以便提供一种设备检测方法、装置、设备及可读存储介质，以解决现有人工巡检效率低、异常发现不及时的问题。具体方案如下：
一种设备检测方法，包括：
获取目标设备的各监控点状态信息，所述各监控点状态信息为基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定；
基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染，以使渲染后的传感器模型能够表示对应监控点状态信息；
显示渲染后的所述目标设备模型及所述传感器模型。
优选地，所述获取目标设备的各监控点状态信息，包括：
获取服务器发送的目标设备的各监控点状态信息，所述各监控点状态信息为，所述服务器基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定的；
或，
获取设置于所述目标设备处各监控点的传感器所采集的声音数据，并基于所述声音数据确定所述目标设备的各监控点状态信息。
优选地，所述基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染，包括：
获取预先配置的目标设备模型及传感器模型；
针对每一监控点：
若所述监控点对应的状态信息表示设备正常，则按照第一渲染方式对所述监控点对应的传感器模型进行渲染；
若所述监控点对应的状态信息表示设备异常，则按照第二渲染方式对所述监控点对应的传感器模型进行渲染；所述第一渲染方式不同于所述第二渲染方式。
优选地，所述第一渲染方式为，渲染为第一颜色，所述第二渲染方式为，渲染为第二颜色，所述第一颜色不同于所述第二颜色。
优选地，所述显示渲染后的所述目标设备模型及所述传感器模型，包括：
获取预先存储的各监控点的传感器相对于所述目标设备的方位信息；
按照所述方位信息，将渲染后的各所述传感器模型及所述目标设备模型展示在界面上。
优选地，所述各监控点状态信息包括：各监控点风险值，所述风险值表征设备异常的风险大小；该方法还包括：
将指定监控点的风险值在时间上对齐；
绘制并显示所述指定监控点的风险值随时间变化的风险值图表，所述风险值图表中，对于风险值未超过设定风险阈值时刻的风险值图形表示，渲染为第一效果，对于风险值超过设定风险阈值时刻的风险值图形表示，渲染为第二效果，所述第一效果不同于第二效果。
优选地，所述风险值图表中还包括表示所述风险阈值的报警线。
优选地，所述指定监控点为各监控点中预先选定的监控点，或，
所述指定监控点为，响应用户对显示的目标传感器模型的触发操作，将所述目标传感器模型对应的传感器所在的监控点作为指定监控点。
优选地，还包括：
获取各监控点的传感器所采集的声音数据；
对指定监控点的传感器所采集的声音数据进行解析，并根据解析结果绘制并显示音频特征图表，所述音频特征图表能够表示音频特征随时间的变化情况。
优选地，所述对指定监控点的传感器所采集的声音数据进行解析，并根据解析结果绘制音频特征图表，包括：
对指定监控点的传感器所采集的最近设定时长的声音数据进行解析，并根据解析结果绘制并显示音频特征图表；
或，
响应用户对所述风险值图表中目标时间段的风险值图形表示的触发操作，对指定监控点的传感器在所述目标时间段所采集的声音数据进行解析，并根据解析结果绘制并显示音频特征图表。
优选地，所述音频特征图表包括以下至少一项：
音频播放条、音频波形图、音频语谱图、音频瀑布图。
一种设备检测装置，包括：
状态信息获取单元，用于获取目标设备的各监控点状态信息，所述各监控点状态信息为基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定；
模型渲染单元，用于基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染，以使渲染后的传感器模型能够表示对应监控点状态信息；
模型显示单元，用于显示渲染后的所述目标设备模型及所述传感器模型。
一种检测设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如上所述的设备检测方法的各个步骤。
一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的设备检测方法的各个步骤。
借由上述技术方案，本申请的设备检测方法，在目标设备处各监控点设置有传感器，传感器采集目标设备的声音数据，基于该声音数据可以确定目标设备的各监控点状态信息，也即能够高效、及时的检测目标设备在各监控点的状态信息。进一步，本申请还配置有目标设备模型和传感器模型，分别与目标设备和各监控点的传感器对应，在此基础上，可以基于目标设备的各监控点状态信息，对目标设备模型和传感器模型进行渲染，使得渲染后的传感器模型能够表示对应监控点状态信息，进而显示渲染后的目标设备模型和传感器模型，从而能够便于用户在终端界面上直接看到目标设备的各监控点状态信息，实时了解目标设备在各监控点的状态，在某一监控点出现异常时，可以及时发现异常，并且能够及时定位异常所在的监控点，也即定位目标设备出现异常的位置，辅助用户快速判断设备异常原因，减少异常持续时间造成的损失。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本申请实施例提供的设备检测方法的一流程示意图；
图2示例了一种显示界面示意图；
图3示例了另一种显示界面示意图；
图4示例了又一种显示界面示意图；
图5为本申请实施例提供的一种设备检测装置结构示意图；
图6为本申请实施例提供的检测设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请提供了一种设备检测方案，方案至少包含设置于目标设备各监控点的传感器，以及向用户进行展示的终端。终端可以直接与传感器进行数据通信，基于传感器采集的声音数据确定目标设备的各监控点状态信息，并基于此渲染并显示模型。此外，方案还可以增加服务器，则传感器与服务器进行数据通信，由服务器基于采集的声音数据确定目标设备的各监控点状态信息，并将该信息下发给终端，由终端进行模型渲染及显示的工作。
其中，终端可以是具备数据处理及显示能力的设备。一般性的，该终端可以是手机、电脑、IPAD等。
接下来，从终端的角度对本申请的设备检测方法进行介绍，结合图1所述，本申请的设备检测方法可以包括如下步骤：
步骤S100、获取目标设备的各监控点状态信息。
具体的，为了实现对目标设备的检测，可以预先在目标设备处设置至少一个监控点，监控点设置传感器，用于对目标设备采集声音数据。
其中，监控点的个数，以及与目标设备的设置方位可以根据需要而设定，不同方位的监控点处的传感器，用于采集目标设备在对应方位所传出的声音数据。传感器可以采用麦克风，或麦克风矩阵等具备收音能力的传感器。
可以理解的是，设备运行过程一般都会产生声音，并且，设备正常运行和出现异常时所产出的声音一般都会不同。以变压器为例，正常运行时会产生一定频率的“嗡嗡”声。而当变压器套管表面材料脱落或裂痕后，遇到潮湿天气会发生表面放电现象，当出现这种异常时，变压器会发出“噼里啪啦”的放电声。
因此，通过采集目标设备在各监控点的声音数据，可以基于声音数据分析确定目标设备的各监控点状态信息。其中，状态信息可以是正常、异常。进一步，还可以对异常情况按照异常类型进行细分。
可选的，当终端直接与传感器进行数据通信时，则可以由终端获取各监控点的传感器所采集的声音数据，并基于声音数据确定目标设备的各监控点状态信息。
此外，当终端与服务器进行数据通信时，则可以由服务器取各监控点的传感器所采集的声音数据，并基于声音数据确定目标设备的各监控点状态信息。进一步，服务器将各监控点状态信息发送给终端。
本申请中，可以预先训练设备检测模型，即使用目标设备正常运行时所采集的声音数据，以及目标设备异常运行时所采集的声音数据，训练设备检测模型。则在实际检测时，可以将采集的各监控点的声音数据输入训练好的设备检测模型，由设备检测模型输出对应监控点状态信息。状态信息可以是正常或异常，还可以是异常风险值，表征设备异常的风险大小。
对于训练好的设备检测模型，可以存储在终端，由终端基于设备检测模型确定各监控点状态信息。此外，还可以存储在服务器，由服务器基于设备检测模型确定各监控点状态信息，并发送给终端。
步骤S110、基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染。
具体的，本申请可以预先配置与目标设备对应的目标设备模型，以及与每一监控点的传感器对应的传感器模型。其中，目标设备模型可以是对目标设备进行三维扫描所生成的目标设备模型，能够更加形象、真实的还原目标设备的具体构造。
通过结合目标设备的各监控点状态信息对目标设备模型和传感器模型进行渲染，使渲染后的传感器模型能够表示对应监控点状态信息。也即，渲染后的传感器模型能够从视觉角度表达对应监控点状态信息，用户通过渲染后的传感器模型即可了解目标设备在对应监控点的状态信息。
步骤S120、显示渲染后的所述目标设备模型及所述传感器模型。
具体的，在终端的显示界面上对渲染后的目标设备模型和传感器模型进行显示，供用户观看及操作。
本申请实施例提供的设备检测方法，在目标设备处各监控点设置有传感器，传感器采集目标设备的声音数据，基于该声音数据可以确定目标设备的各监控点状态信息，也即能够高效、及时的检测目标设备在各监控点的状态信息。进一步，本申请还配置有目标设备模型和传感器模型，分别与目标设备和各监控点的传感器对应，在此基础上，可以基于目标设备的各监控点状态信息，对目标设备模型和传感器模型进行渲染，使得渲染后的传感器模型能够表示对应监控点状态信息，进而显示渲染后的目标设备模型和传感器模型，从而能够便于用户在终端界面上直接看到目标设备的各监控点状态信息，实时了解目标设备在各监控点的状态，在某一监控点出现异常时，可以及时发现异常，并且能够及时定位异常所在的监控点，也即定位目标设备出现异常的位置，辅助用户快速判断设备异常原因，减少异常持续时间造成的损失。
可以理解的是，终端设备执行上述步骤S100-S120的过程，可以是响应于用户当前时刻进入设备模型显示界面的操作。则，步骤S100获取的目标设备的各监控点状态信息，是目标设备当前时刻的各监控点状态信息。
参考图2，其示例了一种目标设备模型及传感器模型渲染后显示效果示意图。
其中，在设备3D图显示界面上，显示有渲染后的目标设备模型10，以及渲染后的传感器模型20。
并且，可以通过不同的渲染效果，来表征目标设备的不同状态信息，如图2中，以黑色表征监控点异常，以白色表征监控点正常。
基于此，可以方便用户快速的判断目标设备在各监控点的状态信息。
接下来的一个实施例中，对上述步骤S110，基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染的过程进行介绍。
本实施例中，可以预先配置与目标设备对应的目标设备模型，以及与各监控点的传感器对应的传感器模型。配置的目标设备模型和传感器模型可以存储在终端本地，或者存储在服务器中。
终端可以获取预先配置的目标设备模型及传感器模型，并对目标设备模型进行渲染。同时，针对每一监控点：
若所述监控点对应的状态信息表示设备正常，则可以按照第一渲染方式对所述监控点对应的传感器模型进行渲染。
若所述监控点对应的状态信息表示设备异常，则可以按照第二渲染方式对所述监控点对应的传感器模型进行渲染。
其中，第一渲染方式不同于第二渲染方式。
可选的，第一渲染方式可以是，渲染为第一颜色；第二渲染方式可以是，渲染为第二颜色，第一颜色不同于第二颜色。
如附图2中示例的，第一颜色为白色，第二颜色为黑色。当然，还可以设置第一颜色和第二颜色为其它颜色。
当然，第一渲染方式还可以是将传感器模型渲染为第一形状，对应的第二渲染方式可以是将传感器模型渲染为第二形状，第一形状不同于第二形状。
进一步的，对上述步骤S120，显示渲染后的所述目标设备模型及所述传感器模型的过程进行说明。
本实施例中，在预先配置目标设备模型及传感器模型时，同时可以记录各监控点的传感器相对于目标设备的方位信息。
在此基础上，在显示渲染后模型时，可以先获取预先存储的各监控点的传感器相对于目标设备的方位信息。进一步，按照所述方位信息，将渲染后的各所述传感器模型及所述目标设备模型展示在界面上。
按照本申请实施例的方案最终显示的渲染后的目标设备模型及传感器模型，能够通过各监控点的传感器模型直观体现目标设备在对应监控点的状态信息。同时，在确定某一监控点出现异常时，还可以根据该监控点与目标设备的方位信息，定位异常发生位置，辅助用户快速判断设备异常原因，减少异常持续时间造成的损失。
在上述实施例的基础上，本申请实施例介绍了另一种设备检测方法。在前述各实施例的基础上，本实施例中进一步丰富了终端最终显示的信息。
其中，对各监控点状态信息，其可以包括监控点风险值，风险值表征设备异常的风险大小。例如预先设定风险阈值X，若监控点风险值超过X，则认为异常，否则，认为正常。
在此基础上，本实施例中可以在终端上进一步增加显示风险值图表，以供用户观看。
具体的，以指定监控点的风险值图表的显示过程为例进行说明：
终端对于获取的指定监控点的风险值，将其在时间上对齐。也即，获取历史一段时间内，各时间点的指定监控点的风险值。
进一步，绘制并显示指定监控点的风险值图表，该风险值图表中，以风险值图形的形式，表示了风险值随时间的变化情况。
风险值图表中，对于风险值未超过设定风险阈值时刻的风险值图形表示，渲染为第一效果，对于风险值超过设定风险阈值时刻的风险值图形表示，渲染为第二效果，第一效果不同于第二效果。
通过显示设备风险值图表，可以向用户展示目标设备在历史时间内各时间点的状态信息，并且在出现异常时，可以向用户展示异常发生和结束的时间。
其中，风险值图形可以是柱状图或其它图形形式。
参照图3，其示例的即是以柱状图的形式展示的设备风险值图表，其中，对于风险值超过设定风险阈值时刻的柱状图，渲染为黑色，对于风险值未超过设定风险阈值时刻的柱状图，渲染为白色。
进一步通过图3可知，本实施例中还可以在风险值图表中增加表示风险阈值的报警线。
上述以指定监控点的风险值图表的显示过程为例进行了说明。对于指定监控点，其可以是各监控点中预先选定的监控点。
一种示例的性的场景下，当用户刚进入显示界面时，可以将预先选定的监控点作为默认监控点，显示该默认监控点的风险值图表。如图3中，默认监控点选定为A，则用户刚进入显示界面时，会显示监控点A的风险值图表。
进一步的，指定监控点还可以是，响应用户对显示的目标传感器模型的触发操作，将所述目标传感器模型对应的传感器所在的监控点作为指定监控点。
也即，当用户进入显示界面之后，若想要查看某一监控点的风险值图表，则可以对设备3D图中对应监控点的目标传感器模型进行触发操作，如点击、双击等，则本申请可以响应用户的触发操作，将目标传感器模型对应的传感器所在的监控点作为指定监控点，进而刷新显示指定监控点的风险值图表。
进一步的，本申请实施例可以将显示的指定监控点的风险值图表，与指定监控点的传感器模型之间建立关联关系，该关联关系可以提示用户当前显示的风险值图表具体所对应的指定监控点。
以图3为例，其通过在风险值图表与指定监控点的传感器模型之间标识箭头，来建立关联关系。
可以理解的是，本申请实施例中风险值图表与设备3D图之间构成了父子层级关系，用户可以由表及里的查看各维度数据，更容易理解不同维度数据之间的联系。
在上述实施例的基础上，本申请实施例介绍了又一种设备检测方法。在前述各实施例的基础上，本实施例中更进一步的丰富了终端最终显示的信息。
对于传感器采集的声音数据，其声音数据特征能够帮助用户快速判断异常类型、异常严重程度等，辅助用户快速做出维护决策。
为此，本实施例中可以在终端上进一步增加显示音频特征图表，以供用户观看，该音频特征图表能够表示音频特征随时间的变化情况。
为了实现该目的，本实施例中需要终端进一步获取各监控点的传感器所采集的声音数据。具体的，可以是终端直接接收各监控点的传感器发送的声音数据。除此之外，还可以是终端接收服务器转发的各监控点的传感器采集的声音数据。
仍以指定监控点的音频特征图表的显示过程为例进行说明：
终端可以对指定监控点的传感器所采集的声音数据进行解析，并根据解析结果绘制并显示音频特征图表，所述音频特征图表能够表示音频特征随时间的变化情况。
其中，音频特征图表可以包括以下至少一项：
音频播放条、音频波形图、音频语谱图、音频瀑布图。
其中，音频播放条：
终端通过解析声音数据，展示音频播放条，能够指示音频播放进度。
音频波形图：
音频波形图表示了音频幅值与时间的关系。
终端可以解析声音数据，进行采样，采样大小可以是length/width，其中length为声音数据长度，width为波形图画布宽度，然后获取波峰波谷值(波峰波谷值：单位像素的声音数据，取其最大值为波峰，最小值为波谷)，最后用户单色的折线绘制波形图，并将幅值范围限制在[-1,1]。
音频语谱图：
音频语谱图表示了音频的频率、能量与时间的关系。
终端可以解析声音数据，通过对声音数据进行傅里叶变换，获取频域特征值。同时获取振幅值后，将频域特征值和振幅值限制在0-255之间(渐变色值范围是0-255)，然后将频域特征值和振幅值组成数组，让时间、频率、能量三组数据一一对应，最后用渐变色进行像素点绘制。
音频瀑布图：
音频瀑布图表示了音频的频率、能量与时间的关系。
终端可以解析声音数据，通过对声音数据进行傅里叶变换，获取频域特征值。同时获取振幅值后，将频域特征值和振幅值限制在0-255之间(渐变色值范围是0-255)，然后将频域特征值和振幅值组成数组，让时间、频率、能量三组数据一一对应，利用echarts和dcharts-gl绘制3D曲面图。
一种可选的方式下，终端可以对指定监控点的传感器所采集的最近设定时长的声音数据进行解析，并根据解析结果绘制并显示音频特征图表。
示例的性的场景下，参照图4所示，当用户刚进入显示界面时，可以将预先选定的监控点作为默认监控点，显示该默认监控点的风险值图表。同时，可以默认选定风险值图表中最后一个柱状图对应的时间段，对指定监控点的传感器在该时间段采集的声音数据进行解析，并根据解析结果绘制显示该时间段对应的音频特征图表。
另一种可选的方式下，终端可以响应用户对风险值图表中目标时间段的风险值图形表示的触发操作，对指定监控点的传感器在所述目标时间段所采集的声音数据进行解析，并根据解析结果绘制并显示音频特征图表。
也即，当用户进入显示界面之后，若想要查看某一时间段的音频特征图表，则可以对风险值图表中目标时间段的风险值图形表示进行触发操作，如点击、双击等，以图4示例的情况为例，用户可以对风险值图表中任一柱状图进行触发，表征用户想要查看所触发柱状图对应的时间段的音频特征图。则本申请可以响应用户的触发操作，将用户所触发的风险值图形对应的时间段作为目标时间段，进而对指定监控点的传感器在所述目标时间段所采集的声音数据进行解析，并根据解析结果刷新显示指定监控点的目标时间段的音频特征图表。
进一步的，本申请实施例可以将显示的指定监控点的目标时间段的音频特征图表，与风险值图表中时间轴上的目标时间段之间建立关联关系，该关联关系可以提示用户当前显示的音频特征图表具体所对应的目标时间段。
以图4为例，其通过在风险值图表的时间轴与音频特征图表之间标识箭头，来建立关联关系。
可以理解的是，本申请实施例中音频特征图表、风险值图表和设备3D图之间分别构成父子层级关系，用户可以由表及里的查看各维度数据，更容易理解不同维度数据之间的联系。
使用本申请提供的设备检测方法，能够向用户展示更加全面的数据，帮助用户了解设备发生异常的时间、方位，以及异常在声学上的特征表现，从而辅助快速做出维护决策。
举例说明如下：
目标设备为变压器，用户在设备3D图中发现变压器正北方向(高压套管附近)发生了异常，然后用户在风险值图表中发现异常开始时间是早上6点，从音频中还可以听到“噼噼啪啪”的放电声，同时在音频语谱图中发现音频在高频区间能量较强。由此用户可以判断异常大概率是高压套管表面材料脱落或裂痕，然后早上遇上雾、露等潮湿天气发生的表面放电现象。需要及时更换高压套管。
下面对本申请实施例提供的设备检测装置进行描述，下文描述的设备检测装置与上文描述的设备检测方法可相互对应参照。
参见图5，图5为本申请实施例公开的一种设备检测装置结构示意图。
如图5所示，该装置可以包括：
状态信息获取单元51，用于获取目标设备的各监控点状态信息，所述各监控点状态信息为基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定；
模型渲染单元52，用于基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染，以使渲染后的传感器模型能够表示对应监控点状态信息；
模型显示单元53，用于显示渲染后的所述目标设备模型及所述传感器模型。
本申请实施例提供的设备检测装置，能够获取目标设备的各监控点状态信息，并基于此对配置的目标设备模型及传感器模型进行渲染，以使渲染后的传感器模型能够表示对应监控点状态信息，最终显示渲染后的所述目标设备模型及所述传感器模型。本申请的设备检测装置能够高效、及时的检测目标设备在各监控点的状态信息，并通过界面向用户展示，从而能够便于用户在终端界面上直接看到目标设备的各监控点状态信息，实时了解目标设备在各监控点的状态，在某一监控点出现异常时，可以及时发现异常，并且能够及时定位异常所在的监控点，也即定位目标设备出现异常的位置，辅助用户快速判断设备异常原因，减少异常持续时间造成的损失。
可选的，上述状态信息获取单元可以包括：
第一状态信息获取子单元，用于获取服务器发送的目标设备的各监控点状态信息，所述各监控点状态信息为，所述服务器基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定的；
或，
第二状态信息获取子单元，用于获取设置于所述目标设备处各监控点的传感器所采集的声音数据，并基于所述声音数据确定所述目标设备的各监控点状态信息。
可选的，上述模型渲染单元可以包括：
模型获取单元，用于获取预先配置的目标设备模型及传感器模型；
模型处理单元，用于针对每一监控点：
若所述监控点对应的状态信息表示设备正常，则按照第一渲染方式对所述监控点对应的传感器模型进行渲染；
若所述监控点对应的状态信息表示设备异常，则按照第二渲染方式对所述监控点对应的传感器模型进行渲染；所述第一渲染方式不同于所述第二渲染方式。
其中，上述第一渲染方式可以是，渲染为第一颜色，第二渲染方式可以是，渲染为第二颜色，所述第一颜色不同于所述第二颜色。
可选的，上述模型显示单元可以包括：
方位信息获取单元，用于获取预先存储的各监控点的传感器相对于所述目标设备的方位信息；
方位信息使用单元，用于按照所述方位信息，将渲染后的各所述传感器模型及所述目标设备模型展示在界面上。
可选的，各监控点状态信息可以包括：各监控点风险值，所述风险值表征设备异常的风险大小。在此基础上，本申请的装置还可以包括：
风险值图表处理单元，用于将指定监控点的风险值在时间上对齐；绘制并显示所述指定监控点的风险值随时间变化的风险值图表，所述风险值图表中，对于风险值未超过设定风险阈值时刻的风险值图形表示，渲染为第一效果，对于风险值超过设定风险阈值时刻的风险值图形表示，渲染为第二效果，所述第一效果不同于第二效果。
可选的，所述风险值图表中还可以包括表示所述风险阈值的报警线。
可选的，上述指定监控点可以是各监控点中预先选定的监控点，或，
指定监控点可以是，响应用户对显示的目标传感器模型的触发操作，将所述目标传感器模型对应的传感器所在的监控点作为指定监控点。
本申请的装置还可以包括：
音频特征图表处理单元，用于获取各监控点的传感器所采集的声音数据；对指定监控点的传感器所采集的声音数据进行解析，并根据解析结果绘制并显示音频特征图表，所述音频特征图表能够表示音频特征随时间的变化情况。
可选的，上述音频特征图表处理单元对指定监控点的传感器所采集的声音数据进行解析，并根据解析结果绘制音频特征图表的过程，可以包括：
对指定监控点的传感器所采集的最近设定时长的声音数据进行解析，并根据解析结果绘制并显示音频特征图表；
或，
响应用户对所述风险值图表中目标时间段的风险值图形表示的触发操作，对指定监控点的传感器在所述目标时间段所采集的声音数据进行解析，并根据解析结果绘制并显示音频特征图表。
可选的，上述音频特征图表可以包括以下至少一项：
音频播放条、音频波形图、音频语谱图、音频瀑布图。
本申请实施例提供的设备检测装置可应用于检测设备，如终端：手机、电脑等。可选的，图6示出了检测设备的硬件结构框图，参照图6，检测设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC
(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
获取目标设备的各监控点状态信息，所述各监控点状态信息为基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定；
基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染，以使渲染后的传感器模型能够表示对应监控点状态信息；
显示渲染后的所述目标设备模型及所述传感器模型。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
获取目标设备的各监控点状态信息，所述各监控点状态信息为基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定；
基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染，以使渲染后的传感器模型能够表示对应监控点状态信息；
显示渲染后的所述目标设备模型及所述传感器模型。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
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他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种设备检测方法，其特征在于，包括：
获取目标设备的各监控点状态信息，所述各监控点状态信息为基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定；
基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染，以使渲染后的传感器模型能够表示对应监控点状态信息；
显示渲染后的所述目标设备模型及所述传感器模型。
2.根据权利要求1所述的方法，其特征在于，所述获取目标设备的各监控点状态信息，包括：
获取服务器发送的目标设备的各监控点状态信息，所述各监控点状态信息为，所述服务器基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定的；
或，
获取设置于所述目标设备处各监控点的传感器所采集的声音数据，并基于所述声音数据确定所述目标设备的各监控点状态信息。
3.根据权利要求1所述的方法，其特征在于，所述基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染，包括：
获取预先配置的目标设备模型及传感器模型；
针对每一监控点：
若所述监控点对应的状态信息表示设备正常，则按照第一渲染方式对所述监控点对应的传感器模型进行渲染；
若所述监控点对应的状态信息表示设备异常，则按照第二渲染方式对所述监控点对应的传感器模型进行渲染；所述第一渲染方式不同于所述第二渲染方式。
4.根据权利要求3所述的方法，其特征在于，所述第一渲染方式为，渲染为第一颜色，所述第二渲染方式为，渲染为第二颜色，所述第一颜色不同于所述第二颜色。
5.根据权利要求1所述的方法，其特征在于，所述显示渲染后的所述目标设备模型及所述传感器模型，包括：
获取预先存储的各监控点的传感器相对于所述目标设备的方位信息；
按照所述方位信息，将渲染后的各所述传感器模型及所述目标设备模型展示在界面上。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述各监控点状态信息包括：各监控点风险值，所述风险值表征设备异常的风险大小；该方法还包括：
将指定监控点的风险值在时间上对齐；
绘制并显示所述指定监控点的风险值随时间变化的风险值图表，所述风险值图表中，对于风险值未超过设定风险阈值时刻的风险值图形表示，渲染为第一效果，对于风险值超过设定风险阈值时刻的风险值图形表示，渲染为第二效果，所述第一效果不同于第二效果。
7.根据权利要求6所述的方法，其特征在于，所述风险值图表中还包括表示所述风险阈值的报警线。
8.根据权利要求6所述的方法，其特征在于，所述指定监控点为各监控点中预先选定的监控点，或，
所述指定监控点为，响应用户对显示的目标传感器模型的触发操作，将所述目标传感器模型对应的传感器所在的监控点作为指定监控点。
9.根据权利要求6所述的方法，其特征在于，还包括：
获取各监控点的传感器所采集的声音数据；
对指定监控点的传感器所采集的声音数据进行解析，并根据解析结果绘制并显示音频特征图表，所述音频特征图表能够表示音频特征随时间的变化情况。
10.根据权利要求9所述的方法，其特征在于，所述对指定监控点的传感器所采集的声音数据进行解析，并根据解析结果绘制音频特征图表，包括：
对指定监控点的传感器所采集的最近设定时长的声音数据进行解析，并根据解析结果绘制并显示音频特征图表；
或，
响应用户对所述风险值图表中目标时间段的风险值图形表示的触发操作，对指定监控点的传感器在所述目标时间段所采集的声音数据进行解析，并根据解析结果绘制并显示音频特征图表。
11.根据权利要求9所述的方法，其特征在于，所述音频特征图表包括以下至少一项：
音频播放条、音频波形图、音频语谱图、音频瀑布图。
12.一种设备检测装置，其特征在于，包括：
状态信息获取单元，用于获取目标设备的各监控点状态信息，所述各监控点状态信息为基于设置于所述目标设备处各监控点的传感器所采集的声音数据所确定；
模型渲染单元，用于基于所述目标设备的各监控点状态信息，对配置的目标设备模型及传感器模型进行渲染，以使渲染后的传感器模型能够表示对应监控点状态信息；
模型显示单元，用于显示渲染后的所述目标设备模型及所述传感器模型。
13.一种检测设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1～11中任一项所述的设备检测方法的各个步骤。
14.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1～11中任一项所述的设备检测方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010441591.1A CN111612879A (zh) | 2020-05-22 | 2020-05-22 | 设备检测方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010441591.1A CN111612879A (zh) | 2020-05-22 | 2020-05-22 | 设备检测方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111612879A true CN111612879A (zh) | 2020-09-01 |
Family
ID=72199535
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010441591.1A Pending CN111612879A (zh) | 2020-05-22 | 2020-05-22 | 设备检测方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111612879A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112182537A (zh) * | 2020-09-28 | 2021-01-05 | 深圳前海微众银行股份有限公司 | 监控方法、装置、服务器、系统以及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102799619A (zh) * | 2012-06-19 | 2012-11-28 | 北京航空航天大学 | 一种基于产品三维模型的故障模式可视化方法 |
| CN104698090A (zh) * | 2015-03-17 | 2015-06-10 | 芜湖凯博实业股份有限公司 | 一种冷却塔故障诊断方法 |
| WO2016186791A1 (en) * | 2015-05-20 | 2016-11-24 | Google Inc. | Systems and methods for testing smart home devices |
| CN106596123A (zh) * | 2016-11-22 | 2017-04-26 | 东软集团股份有限公司 | 设备故障诊断的方法、装置及系统 |
| CN108764502A (zh) * | 2018-06-15 | 2018-11-06 | 北京明略软件系统有限公司 | 一种列车零部件故障定位方法和服务器 |
| CN108827632A (zh) * | 2018-03-30 | 2018-11-16 | 刘文飞 | 一种通信机房设备健康状态的检测分析方法 |
-
2020
- 2020-05-22 CN CN202010441591.1A patent/CN111612879A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102799619A (zh) * | 2012-06-19 | 2012-11-28 | 北京航空航天大学 | 一种基于产品三维模型的故障模式可视化方法 |
| CN104698090A (zh) * | 2015-03-17 | 2015-06-10 | 芜湖凯博实业股份有限公司 | 一种冷却塔故障诊断方法 |
| WO2016186791A1 (en) * | 2015-05-20 | 2016-11-24 | Google Inc. | Systems and methods for testing smart home devices |
| CN106596123A (zh) * | 2016-11-22 | 2017-04-26 | 东软集团股份有限公司 | 设备故障诊断的方法、装置及系统 |
| CN108827632A (zh) * | 2018-03-30 | 2018-11-16 | 刘文飞 | 一种通信机房设备健康状态的检测分析方法 |
| CN108764502A (zh) * | 2018-06-15 | 2018-11-06 | 北京明略软件系统有限公司 | 一种列车零部件故障定位方法和服务器 |
Non-Patent Citations (1)
| Title |
|---|
| 曹文明;王耀南;: "基于音频识别的无人值守变电站设备在线监测" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112182537A (zh) * | 2020-09-28 | 2021-01-05 | 深圳前海微众银行股份有限公司 | 监控方法、装置、服务器、系统以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009303B (zh) | 基于语音识别的搜索方法、装置、电子设备和存储介质 | |
| CN111736050A (zh) | 局部放电故障监测和评估装置及方法 | |
| JP2013534310A5 (zh) | ||
| CN114282689B (zh) | 一种普适焊接起弧实时智能检测方法及系统 | |
| CN110727572A (zh) | 埋点数据处理方法、装置、设备及存储介质 | |
| JP2019121162A (ja) | 監視装置、監視方法および監視プログラム | |
| JP2019067197A (ja) | 故障予兆検知手法 | |
| CN113838480B (zh) | 一种洗衣机异音检测方法、装置及电子设备 | |
| CN104951400A (zh) | 对产品进行测试的方法和装置 | |
| JP2019160067A (ja) | 情報処理装置、情報処理方法およびプログラム | |
| JP2005533997A (ja) | Ｉｒカメラ検査の方法および装置 | |
| CN111612879A (zh) | 设备检测方法、装置、设备及可读存储介质 | |
| CN106921518A (zh) | 监控视图展示方法及装置 | |
| CN111739557A (zh) | 设备故障定位方法、装置、设备及存储介质 | |
| CN113467877A (zh) | 一种数据显示系统及方法 | |
| JP2007292700A (ja) | 静止誘導機器の部分放電位置特定方法 | |
| JP4171752B2 (ja) | 落雷電界量算出装置及び方法、プログラム、コンピュータ読み取り可能な記録媒体 | |
| CN108062689B (zh) | 一种监控行业信息的方法、装置、设备及可读存储介质 | |
| CN111124109A (zh) | 一种交互方式的选择方法、智能终端、设备及存储介质 | |
| CN106500831B (zh) | 振动传感器的检测方法和装置 | |
| KR20230164817A (ko) | 산업설비 불량검사용 진단기기 및 진단시스템 | |
| JP2020024529A (ja) | 作業管理システム | |
| CN110987448B (zh) | 发动机进气状态监测方法、装置及设备 | |
| CN111291239B (zh) | 机组测试方法、装置、设备和存储介质 | |
| CN113420686A (zh) | 一种输电线路巡检方法、装置及系统 |
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: 20200901 |