CN112860854A - 售货机的线上监控及故障修复系统及方法 - Google Patents
售货机的线上监控及故障修复系统及方法 Download PDFInfo
- Publication number
- CN112860854A CN112860854A CN202110128934.3A CN202110128934A CN112860854A CN 112860854 A CN112860854 A CN 112860854A CN 202110128934 A CN202110128934 A CN 202110128934A CN 112860854 A CN112860854 A CN 112860854A
- Authority
- CN
- China
- Prior art keywords
- log
- video
- foreground
- vending machine
- codes
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F9/00—Details other than those peculiar to special kinds or types of apparatus
- G07F9/006—Details of the software used for the vending machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)
Abstract
本发明涉及设备监控技术领域,特别涉及售货机的线上监控及故障修复系统及方法,日志系统、视频系统和升级系统分别通过网络连接于前台系统,日志系统和升级系统分别连接于视屏系统,前台系统用于展示实时画面和日志内容,登陆后可检测设备是否在线,并且可打包代码,选择热修复,日志系统用于处理日志,将日志内容传至前台系统,视频系统用于处理视频流,将视频推送至前台系统进行展示,升级系统用于加密热修复代码,并推送代码到设备,设备APP完成代码修复。与现有技术相比,本发明的售货机的线上监控及故障修复系统及方法大大的减少了线下人员的投入,为公司运营节省了成本,不再需要维持线下庞大的运维。
Description
【技术领域】
本发明涉及设备监控技术领域,特别涉及售货机的线上监控及故障修复系统及方法。
【背景技术】
智能售货机,目前在大规模的发展中,但是对于解决售货机的软件问题普遍较弱,售货机出货失败、黑屏、响应时间长等技术问题,需要人为线下去干预,排除问题,然后进行修复。
现有技术的解决方法,售货机排查问题存在以下不足:
1、解决问题耗时长,需要大量人工介入的处理,需要人员去到机器面前解决,在途时间不可控;
2、线下的机器数量多,难以定位问题,无法热修复BUG;
3、日志无法实时查看,无法智能的预警发生的错误。
【发明内容】
为了克服上述问题,本发明提出一种可有效解决上述问题的售货机的线上监控及故障修复系统及方法。
本发明解决上述技术问题提供的一种技术方案是:提供一种售货机的线上监控及故障修复系统及方法,包括前台系统、日志系统、视频系统和升级系统,所述前台系统通过网络远程连接于各个机器或设备,所述机器或设备均为售货机;所述售货机内包括日志系统、视频系统和升级系统,所述日志系统、视频系统和升级系统分别通过网络连接于前台系统,所述日志系统和升级系统分别连接于视屏系统;所述前台系统用于展示实时画面和日志内容,登陆后可检测设备是否在线,并且可打包代码,选择热修复;所述日志系统用于处理日志,将日志内容传至前台系统;所述视频系统用于处理视频流,将视频推送至前台系统进行展示;所述升级系统用于加密热修复代码,并推送代码到设备,设备APP完成代码修复。
优选地,所述视频流用于实时分析和监控机器的界面状态,通过rtmp协议流式传输视频流。
优选地,所述日志系统处理日志和视频系统处理视频流均采用四层神经网络进行深度学习。
优选地,所述热修复通过二进制数据格式,通过4G网络进行数据传输,native层直接进行字节码替换。
优选地,所述售货机的线上监控及故障修复方法,采用本发明的售货机的线上监控及故障修复系统,包括如下步骤;
步骤S1,技术人员在线排查问题;
步骤S2,发现问题后,技术人员在线解决问题。
优选地,所述步骤S1包括如下步骤:
步骤S11,技术人员在前台系统输入设备的唯一ID;
步骤S12,前台系统开始检测设备的在线状态;
步骤S13,日志系统开始上传设备的日志,视频系统通过rtmp流传输视频流到服务器;
步骤S14,设备日志和视频流数据经过四层神经网络深度学习处理后回传到前台系统,并分配修复任务给具体技术人员;
步骤S15,前台系统展示视频画面并展示日志信息;
步骤S16,技术人员根据视频画面和日志信息开始线上排查问题。
优选地,所述步骤S2包括如下步骤:
步骤S21,发现问题后,技术人员在本地开发和调试问题,测试通过代码;
步骤S22,在前台系统上传热修复部分的代码;
步骤S23,代码传输给升级系统,升级系统对代码进行加密;
步骤S24,升级系统将代码推送到设备APP上,解密代码,进行代码修复;
步骤S25,修复完成,将结果展示在前台系统。
优选地,所述步骤S14中四层神经网络深度学习包括如下步骤:
步骤S141,视频数据和日志数据导入四层神经网络进行线性回归;
步骤S142,RCNN和LSTM进行逻辑语句生成,对逻辑内容进行判别,然后标注错误的地方,对修复任务进行分配;
步骤S143,LSTM和CNN对日志进行分类处理,提供日志搜索;
步骤S144,对图像信息进行回归,对显示错误的画面进行分类;
步骤S145,CNN观察决策结合增强学习进行错误等级划分。
与现有技术相比,本发明的售货机的线上监控及故障修复系统及方法解决了线下技术问题的排查和升级,大大的减少了线下人员的投入,为公司运营节省了成本,不再需要维持线下庞大的运维;能够快速定位问题,极大解放线下人员繁琐的操作,能通过深度学习的方式,分析日志问题,从而帮助开发人员和线下人员快速定位问题,并主动预警,从原来的被动发现,变成主动发现,即时解决问题,降低故障率,并具备自动分单功能,能将修复任务分配到最近最少的维修人员手上。
【附图说明】
图1为本发明售货机的线上监控及故障修复系统及方法的线上排查问题流程图;
图2为本发明售货机的线上监控及故障修复系统及方法的线上解决问题流程图;
图3为本发明售货机的线上监控及故障修复系统及方法的深度学习处理流程图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅限于指定视图上的相对位置,而非绝对位置。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
请参阅图1至图3,本发明的售货机的线上监控及故障修复系统,包括前台系统、日志系统、视频系统和升级系统,所述前台系统通过网络远程连接于各个机器或设备,所述机器或设备均为售货机。所述售货机内包括日志系统、视频系统和升级系统,所述日志系统、视频系统和升级系统分别通过网络连接于前台系统,所述日志系统和升级系统分别连接于视屏系统。所述前台系统用于展示实时画面和日志内容,登陆后可检测设备是否在线,并且可打包代码,选择热修复。所述日志系统用于处理日志,将日志内容传至前台系统。所述视频系统用于处理视频流,将视频推送至前台系统进行展示。所述升级系统用于加密热修复代码,并推送代码到设备,设备APP完成代码修复。
所述视频流用于实时分析和监控机器的界面状态,通过rtmp协议流式传输视频流。
所述日志系统处理日志和视频系统处理视频流均采用四层神经网络进行深度学习。所述四层神经网络为多层前馈网络,其中每层节点都接收来自先前层的输入。每层节点的输出是下一层的输入。每一节点接受输入后会对它们进行加权的线性组合。在输出之前,用一个非线性函数对结果进行修改在隐藏层,使用非线性函数(如sigmoid)对其进行修改权重最初取随机值,然后根据观察到的数据进行更新。因此,根据神经网络产生的预测中存在随机性因素。基于此,通常选取不同的随机起始点进行多次训练,并对得到的结果进行平均。
所述热修复通过二进制数据格式,通过4G网络进行数据传输,native层直接进行字节码替换,可参考阿里Dexposed方案。
本发明的售货机的线上监控及故障修复方法,采用本发明的售货机的线上监控及故障修复系统,包括如下步骤:
步骤S1,技术人员在线排查问题。
所述步骤S1包括如下步骤:
步骤S11,技术人员在前台系统输入设备的唯一ID;
步骤S12,前台系统开始检测设备的在线状态;
步骤S13,日志系统开始上传设备的日志,视频系统通过rtmp流传输视频流到服务器;
步骤S14,设备日志和视频流数据经过四层神经网络深度学习处理后回传到前台系统,并分配修复任务给具体技术人员;
步骤S15,前台系统展示视频画面并展示日志信息;
步骤S16,技术人员根据视频画面和日志信息开始线上排查问题。
步骤S2,发现问题后,技术人员在线解决问题。
所述步骤S2包括如下步骤:
步骤S21,发现问题后,技术人员在本地开发和调试问题,测试通过代码;
步骤S22,在前台系统上传热修复部分的代码;
步骤S23,代码传输给升级系统,升级系统对代码进行加密;
步骤S24,升级系统将代码推送到设备APP上,解密代码,进行代码修复;
步骤S25,修复完成,将结果展示在前台系统。
所述步骤S14中四层神经网络深度学习包括如下步骤:
步骤S141,视频数据和日志数据导入四层神经网络进行线性回归;
步骤S142,RCNN和LSTM进行逻辑语句生成,对逻辑内容进行判别,然后标注错误的地方,对修复任务进行分配;
步骤S143,LSTM和CNN对日志进行分类处理,提供日志搜索;
步骤S144,对图像信息进行回归,对显示错误的画面进行分类;
步骤S145,CNN观察决策结合增强学习进行错误等级划分。
与现有技术相比,本发明的售货机的线上监控及故障修复系统及方法解决了线下技术问题的排查和升级,大大的减少了线下人员的投入,为公司运营节省了成本,不再需要维持线下庞大的运维;能够快速定位问题,极大解放线下人员繁琐的操作,能通过深度学习的方式,分析日志问题,从而帮助开发人员和线下人员快速定位问题,并主动预警,从原来的被动发现,变成主动发现,即时解决问题,降低故障率,并具备自动分单功能,能将修复任务分配到最近最少的维修人员手上。
以上所述仅为本发明的较佳实施例,并非因此限制本发明的专利范围,凡是在本发明的构思之内所作的任何修改,等同替换和改进等均应包含在本发明的专利保护范围内。
Claims (8)
1.售货机的线上监控及故障修复系统,其特征在于,包括前台系统、日志系统、视频系统和升级系统,所述前台系统通过网络远程连接于各个机器或设备,所述机器或设备均为售货机;
所述售货机内包括日志系统、视频系统和升级系统,所述日志系统、视频系统和升级系统分别通过网络连接于前台系统,所述日志系统和升级系统分别连接于视屏系统;
所述前台系统用于展示实时画面和日志内容,登陆后可检测设备是否在线,并且可打包代码,选择热修复;
所述日志系统用于处理日志,将日志内容传至前台系统;
所述视频系统用于处理视频流,将视频推送至前台系统进行展示;
所述升级系统用于加密热修复代码,并推送代码到设备,设备APP完成代码修复。
2.如权利要求1所述的售货机的线上监控及故障修复系统,其特征在于,所述视频流用于实时分析和监控机器的界面状态,通过rtmp协议流式传输视频流。
3.如权利要求1所述的售货机的线上监控及故障修复系统,其特征在于,所述日志系统处理日志和视频系统处理视频流均采用四层神经网络进行深度学习。
4.如权利要求1所述的售货机的线上监控及故障修复系统,其特征在于,所述热修复通过二进制数据格式,通过4G网络进行数据传输,native层直接进行字节码替换。
5.售货机的线上监控及故障修复方法,其特征在于,采用本发明的售货机的线上监控及故障修复系统,包括如下步骤;
步骤S1,技术人员在线排查问题;
步骤S2,发现问题后,技术人员在线解决问题。
6.如权利要求5所述的售货机的线上监控及故障修复方法,其特征在于,所述步骤S1包括如下步骤:
步骤S11,技术人员在前台系统输入设备的唯一ID;
步骤S12,前台系统开始检测设备的在线状态;
步骤S13,日志系统开始上传设备的日志,视频系统通过rtmp流传输视频流到服务器;
步骤S14,设备日志和视频流数据经过四层神经网络深度学习处理后回传到前台系统,并分配修复任务给具体技术人员;
步骤S15,前台系统展示视频画面并展示日志信息;
步骤S16,技术人员根据视频画面和日志信息开始线上排查问题。
7.如权利要求5所述的售货机的线上监控及故障修复方法,其特征在于,所述步骤S2包括如下步骤:
步骤S21,发现问题后,技术人员在本地开发和调试问题,测试通过代码;
步骤S22,在前台系统上传热修复部分的代码;
步骤S23,代码传输给升级系统,升级系统对代码进行加密;
步骤S24,升级系统将代码推送到设备APP上,解密代码,进行代码修复;
步骤S25,修复完成,将结果展示在前台系统。
8.如权利要求6所述的售货机的线上监控及故障修复方法,其特征在于,所述步骤S14中四层神经网络深度学习包括如下步骤:
步骤S141,视频数据和日志数据导入四层神经网络进行线性回归;
步骤S142,RCNN和LSTM进行逻辑语句生成,对逻辑内容进行判别,然后标注错误的地方,对修复任务进行分配;
步骤S143,LSTM和CNN对日志进行分类处理,提供日志搜索;
步骤S144,对图像信息进行回归,对显示错误的画面进行分类;
步骤S145,CNN观察决策结合增强学习进行错误等级划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110128934.3A CN112860854A (zh) | 2021-01-29 | 2021-01-29 | 售货机的线上监控及故障修复系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110128934.3A CN112860854A (zh) | 2021-01-29 | 2021-01-29 | 售货机的线上监控及故障修复系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112860854A true CN112860854A (zh) | 2021-05-28 |
Family
ID=75987010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110128934.3A Pending CN112860854A (zh) | 2021-01-29 | 2021-01-29 | 售货机的线上监控及故障修复系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112860854A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294689A (zh) * | 2022-08-02 | 2022-11-04 | 广东便捷神科技股份有限公司 | 一种基于售货机自检的出货故障判定系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020161476A1 (en) * | 2001-04-05 | 2002-10-31 | David Panofsky | System for vending and dispensing digital files |
CN108667666A (zh) * | 2018-05-20 | 2018-10-16 | 北京工业大学 | 一种基于可视化技术的智能运维方法及其系统 |
CN108829424A (zh) * | 2018-07-17 | 2018-11-16 | 武汉金运激光股份有限公司 | 一种远程部署更新的方法及设备 |
CN109034264A (zh) * | 2018-08-15 | 2018-12-18 | 云南大学 | 交通事故严重性预测csp-cnn模型及其建模方法 |
CN109448231A (zh) * | 2018-11-28 | 2019-03-08 | 虫极科技(北京)有限公司 | 一种故障信息的上报、处理方法及系统 |
CN111354124A (zh) * | 2020-03-11 | 2020-06-30 | 北京创联云睿科技有限公司 | 一种智能物联网售货系统及服务设备、售货机 |
CN111399481A (zh) * | 2020-03-30 | 2020-07-10 | 东风汽车集团有限公司 | 一种自动驾驶场景信息收集及远程升级方法及系统 |
-
2021
- 2021-01-29 CN CN202110128934.3A patent/CN112860854A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020161476A1 (en) * | 2001-04-05 | 2002-10-31 | David Panofsky | System for vending and dispensing digital files |
CN108667666A (zh) * | 2018-05-20 | 2018-10-16 | 北京工业大学 | 一种基于可视化技术的智能运维方法及其系统 |
CN108829424A (zh) * | 2018-07-17 | 2018-11-16 | 武汉金运激光股份有限公司 | 一种远程部署更新的方法及设备 |
CN109034264A (zh) * | 2018-08-15 | 2018-12-18 | 云南大学 | 交通事故严重性预测csp-cnn模型及其建模方法 |
CN109448231A (zh) * | 2018-11-28 | 2019-03-08 | 虫极科技(北京)有限公司 | 一种故障信息的上报、处理方法及系统 |
CN111354124A (zh) * | 2020-03-11 | 2020-06-30 | 北京创联云睿科技有限公司 | 一种智能物联网售货系统及服务设备、售货机 |
CN111399481A (zh) * | 2020-03-30 | 2020-07-10 | 东风汽车集团有限公司 | 一种自动驾驶场景信息收集及远程升级方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294689A (zh) * | 2022-08-02 | 2022-11-04 | 广东便捷神科技股份有限公司 | 一种基于售货机自检的出货故障判定系统 |
CN115294689B (zh) * | 2022-08-02 | 2023-07-07 | 广东便捷神科技股份有限公司 | 一种基于售货机自检的出货故障判定系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6966159B2 (ja) | プロセス制御ネットワークのルールビルダー | |
RU2682018C2 (ru) | Идентификация вариантов выявления неисправностей для устранения отказов сети | |
CN101567807B (zh) | 基于知识的故障恢复支持系统 | |
US9665090B2 (en) | Systems and methods for rule-based control system reliability | |
US11704189B1 (en) | System and method for autonomous data center operation and healing | |
JP2022028619A (ja) | 製造システムにおける故障の根本原因分析用の故障拡張システムモデルを構築するためのシステム及び方法 | |
CN106934507A (zh) | 一种针对油田石化领域的新型巡检系统和方法 | |
JP2012076626A (ja) | 電子連動装置の試験用シミュレータ及び電子連動装置のシミュレーション方法 | |
US10990090B2 (en) | Apparatus and method for automatic detection and classification of industrial alarms | |
CN112860854A (zh) | 售货机的线上监控及故障修复系统及方法 | |
CN110291505A (zh) | 减少应用的恢复时间 | |
CN109392192A (zh) | 用于快速通信的scada系统的装置连接的方法以及系统 | |
US11520323B2 (en) | 360° assistance for QCS scanner with mixed reality and machine learning technology | |
CN104346233B (zh) | 一种用于计算机系统的故障恢复方法及装置 | |
JP2007257581A (ja) | 故障解析装置 | |
TW202113737A (zh) | 機台病灶分析系統及具有機台病灶分析功能之穿戴式電子裝置 | |
KR102283874B1 (ko) | 자동폐색제어장치 자동 시험기 및 그 시험 방법 | |
US20220035359A1 (en) | System and method for determining manufacturing plant topology and fault propagation information | |
JP2017173882A (ja) | プラント運転監視制御システムおよびプラント運転監視制御方法 | |
JP2022504664A (ja) | 繊維機械におけるエラーを低減するための方法 | |
JP7334554B2 (ja) | 機器管理システム及び機器管理方法 | |
KR102549857B1 (ko) | 머신비전 판정 모델 서비스 플랫폼 시스템 | |
TWI732163B (zh) | 應用於分散式軟體儲存系統之部署與效能檢測之系統及其方法 | |
JPH11345003A (ja) | プラント制御システム | |
KR102541576B1 (ko) | 머신비전 판정 모델의 서빙 시스템 |
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 |