CN112929613B - 一种基于图像识别进行设备运维的巡检方法及系统 - Google Patents

Abstract

本发明公开了一种基于图像识别进行设备运维巡检方法及系统，其中，所述方法应用于一设备运维巡检系统管理平台，所述方法包括：通过车载图像采集装置获得第一设备的第一图像信息；对所述第一图像信息进行统计，获得统计分析报表；根据所述统计分析报表，获得巡检项目内容信息和巡检情况信息；构建巡检决策模型；将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果；根据所述第一巡检决策结果，对所述第一设备进行隐患排查和维护。解决了现有技术中对设备异常的发现、描述与处置水平参差不齐，不能很好地发挥巡检终端的效率的技术问题。

Description

一种基于图像识别进行设备运维的巡检方法及系统

技术领域

本发明涉及公共交通线路调度领域，尤其涉及一种基于图像识别进行设备运维巡检方法及系统。

背景技术

随着公交行业信息技术的发展，车载设备专业化、自动化水平逐步提高，自动化逐渐代替了传统的人工作业方式，智能巡检和人工决策成为当前主流。智能巡检经过早期的信息化展示、人工分析，已逐步迈向智能化分析辅助人工决策的阶段，凭借大量的数据分析与深度学习，能帮助巡检人员做出更加及时、准确、系统的判断，其中图像识别技术就是一种数据分析的有效手段。图像识别技术是人工智能的一个重要领域。

目前，车机设备是调度通信核心业务汇聚所在，日常巡视检查是掌握设备运行情况，及时发现设备缺陷，消除事故隐患，保证安全可靠运行的重要措施。现有巡检方法都是车载终端和维护人员上车通过GPS进行位置定位，并记录巡视发现的问题，最终上传到后台服务器进行反馈、缺陷数据分析等。

本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

巡视人员对设备异常的发现、描述与处置水平参差不齐，不能很好地发挥巡检终端的效率。

发明内容

本申请实施例通过提供一种基于图像识别进行设备运维巡检方法及系统，解决了现有技术中巡视人员对设备异常的发现、描述与处置水平参差不齐，不能很好地发挥巡检终端的效率的技术问题。实现了利用图像识别结合数据分析技术，辅助并提高维护巡视人员发现、描述与处置设备异常问题的水平的技术目的。

鉴于上述问题，本申请实施例提供一种基于图像识别进行设备运维巡检方法及系统。

第一方面，本申请提供了一种基于图像识别进行设备运维巡检方法，其中，所述方法应用于一设备运维巡检系统管理平台，所述设备运维巡检系统管理平台与车载图像采集装置通讯连接，所述方法包括：通过所述车载图像采集装置获得第一设备的第一图像信息；对所述第一图像信息进行统计，获得统计分析报表；根据所述统计分析报表，获得巡检项目内容信息和巡检情况信息；构建巡检决策模型；将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果；根据所述第一巡检决策结果，对所述第一设备进行隐患排查和维护。

另一方面，本申请还提供了一种基于图像识别进行设备运维巡检系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于通过所述车载图像采集装置获得第一设备的第一图像信息；第二获得单元，所述第二获得单元用于对所述第一图像信息进行统计，获得统计分析报表；第三获得单元，所述第三获得单元用于根据所述统计分析报表，获得巡检项目内容信息和巡检情况信息；第四获得单元，所述第四获得单元用于构建巡检决策模型；第一输入单元，所述第一输入单元用于将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果；第一执行单元，所述第一执行单元用于根据所述第一巡检决策结果，对所述第一设备进行隐患排查和维护。

另一方面，本申请实施例还提供了一种基于图像识别进行设备运维巡检系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。

本发明提供的基于图像识别进行设备运维巡检方法及系统，与现有技术相比较具有以下优点：

由于采用了通过采集第一设备的第一图像信息，并根据所述第一图像信息进行统计，获得统计分析报表，基于所述统计分析报表获得巡检项目内容信息和巡检情况信息，将所述信息输入巡检决策模型，获得巡检决策结果对所述第一设备进行隐患排查和维护，达到利用图像识别结合数据分析技术，提高维护巡视人员发现、分析设备异常问题的水平的技术效果。

附图说明

图1为本申请实施例一种基于图像识别进行设备运维巡检方法的流程示意图；

图2为本申请实施例一种基于图像识别进行设备运维巡检系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一输入单元15，第一执行单元16，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提供一种基于图像识别进行设备运维巡检方法及系统，解决了现有技术中巡视人员对设备异常的发现、描述与处置水平参差不齐，不能很好地发挥巡检终端的效率的技术问题。实现了利用图像识别结合数据分析技术，辅助并提高维护巡视人员发现、描述与处置设备异常问题的水平的技术目的。

以下将参考附图详细的描述本申请的示例实施例，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

目前，车机设备是调度通信核心业务汇聚所在，日常巡视检查是掌握设备运行情况，及时发现设备缺陷，消除事故隐患，保证安全可靠运行的重要措施。目前，都是车载终端和维护人员上车通过GPS进行位置定位，并记录巡视发现的问题，最终上传到后台服务器进行反馈、缺陷数据分析等。但现有技术中还存在着巡视人员对设备异常的发现、描述与处置水平参差不齐，不能很好地发挥巡检终端的效率的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供了一种基于图像识别进行设备运维巡检方法，其中，所述方法应用于一设备运维巡检系统管理平台，所述设备运维巡检系统管理平台与车载图像采集装置通讯连接，所述方法包括：通过所述车载图像采集装置获得第一设备的第一图像信息；对所述第一图像信息进行统计，获得统计分析报表；根据所述统计分析报表，获得巡检项目内容信息和巡检情况信息；构建巡检决策模型；将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果；根据所述第一巡检决策结果，对所述第一设备进行隐患排查和维护。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于图像识别进行设备运维巡检方法，其中，所述方法应用于一设备运维巡检系统管理平台，所述设备运维巡检系统管理平台与车载图像采集装置通讯连接，所述方法包括：

步骤S100：通过所述车载图像采集装置获得第一设备的第一图像信息；

具体而言，所述设备运维巡检系统管理平台依托应用层主要包括日常任务模块、智能实时查询模块；数据层采集存入系统数据库，主要存储资料、巡检数据、特征数据与辅助资料等；算法层对巡检图像进行算法分析与特征比对，并返回给应用层进行处理。由所述车载图像采集装置对车机设备进行图像信息采集，包括图片信息和视频信息，并将采集的所述第一图像信息通过内网传输至所述设备运维巡检系统管理平台，由平台对图像信息进行进一步的分析处理。

步骤S200：对所述第一图像信息进行统计，获得统计分析报表；

具体而言，所述第一图像信息的统计包括所述第一设备图像的信息统计，还包括巡检人员对于所述第一设备的检查与评估的项目及结果，举例而言，所述巡检评估项目包括但不限于报警灯检查、刹车油检查、正时皮带检查、车灯检查、冷却液检查、发动机检查等，对所述包括第一设备的图像信息及其他评估信息进行统计，获得所述第一设备的统计分析报表。

步骤S300：根据所述统计分析报表，获得巡检项目内容信息和巡检情况信息；

具体而言，根据所述统计分析报表的相关内容，对所述报表内容进行整理，将所述报表中的异常数据进行排除后，获得所述关于第一设备的巡检项目内容信息和巡检情况信息。

步骤S400：构建巡检决策模型；

具体而言，所述巡检决策模型基于神经网络构建而成，所述模型具备不断进行学习和调整的能力，在构建所述巡检决策模型时，以神经网络模型为基础框架，基于大量监督数据对所述巡检决策模型进行训练，以获得决策更加准确的巡检决策模型，为后续准确进行隐患的排查和维护奠定了基础。

步骤S500：将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果；

步骤S600：根据所述第一巡检决策结果，对所述第一设备进行隐患排查和维护。

具体而言，根据所述巡检决策模型的输出结果，对所述第一设备完成隐患排查与维护。进一步来说，通过提取第一设备相关巡检情况信息和巡检项目内容信息中可疑目标，对可疑目标进行进一步的判定，并将可疑信息对巡检人员进行展示，以辅助巡检人员进行所述第一设备的隐患排查和维护，进而达到利用图像识别结合数据分析技术，提高维护巡视人员发现、分析设备异常问题的水平的技术效果。

进一步而言，本申请实施例步骤S200还包括：

步骤S210：对所述第一图像信息进行置信度分析，获得所述第一图像信息的置信度信息；

步骤S220：获得预定置信度阈值；

步骤S230：判断所述第一图像信息的置信度信息是否大于所述预定置信度阈值；

步骤S240：如果所述第一图像信息的置信度信息大于所述预定置信度阈值，对所述第一图像信息进行统计，获得统计分析报表。

具体而言，所述置信度是反映了采集数据的样本是否在预定对于样本要求范围区间内的值，即它反映了采集的样本的可靠度、可信度。根据处理图像、分析图像的需求，设定一预定置信度阈值，对所述第一图像进行置信度的评估，获得所述第一图像的置信度信息。举例而言，当所述置信度的评判标准包括图像亮度时，则设定一亮度规定阈值，当所述采集的图像的亮度不能满足所述阈值需求时，则表明所述第一图像的置信度信息不能满足所述预定置信度阈值，需要重新进行图像采集。当所述第一图像信息的置信度信息大于所述预定置信度阈值时，则表明所述图像样本可作为进一步评判所述设备的图像，则继续对所述第一图像进行信息统计。通过图像置信度的检测，保证了采集图像的信息的有效性，为后续进行图像的进一步处理，辅助准确分析设备异常夯实了基础。

进一步而言，所述将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果，本申请实施例步骤S500还包括：

步骤S501：根据所述第一图像信息，获得第二图像信息，其中，所述第二图像信息为所述第一图像信息中所述第一设备正常运行的样本图像信息；

步骤S502：将所述第一图像信息和所述第二图像信息进行对比，获得第一百分比相似度；

步骤S503：获得预定相似度阈值；

步骤S504：判断所述第一百分比相似度是否在所述预定相似度阈值之内；

步骤S505：如果所述第一百分比相似度在所述预定相似度阈值之内，获得第一结果，所述第一结果表示所述第一设备运行正常，停止对所述第一设备进行巡检。

具体而言，通过所述第一图像信息，通过巡检系统管理平台快速对所述第一图像对应的标准图像信息进行查找，匹配第二图像，其中，所述第二图像为设备正常运行的样本图片，通过车载终端设备程序自动将拍摄的第一图像信息与第二图像信息进行比较，计算出所述第一图像与所述第二图像的百分比相似程度，基于大量的实验数据获得一预定相似度阈值，判断所述第一百分比相似度是否在所述预定相似度阈值之内，当所述第一百分比相似度在所述预定相似度阈值之内时，表明所述第一图像与所述第二图像的差异度很小，则提示设备正常，结束该设备对应巡检项目的巡视。通过第一图像与标图像的匹配及对比，进一步对设备的差异性进行比对，来实现设备是否故障的准确分析。

进一步而言，本申请实施例步骤S504还包括：

步骤S5041：如果所述第一百分比相似度不在所述预定相似度阈值之内，获得第二结果，所述第二结果表示所述第一设备运行异常；

步骤S5042：获得所述第一设备的第一属性信息、第二属性信息和第三属性信息；

步骤S5043：根据所述第一属性信息，获得第三图像信息，所述第三图像信息包括所述第一设备的第一属性信息；

步骤S5044：根据所述第二属性信息，获得第四图像信息，所述第四图像信息包括所述第一设备的第二属性信息；

步骤S5045：根据所述第三属性信息，获得第五图像信息，所述第五图像信息包括所述第一设备的第三属性信息；

步骤S5046：将所述第一图像信息和所述第三图像信息进行对比，获得第二百分比相似度；

步骤S5047：将所述第一图像信息和所述第四图像信息进行对比，获得第三百分比相似度；

步骤S5048：将所述第一图像信息和所述第五图像信息进行对比，获得第四百分比相似度；

步骤S5049：根据所述第二百分比相似度、所述第三百分比相似度和所述第四百分比相似度，获得第二结果；

步骤S5050：根据所述第二结果，对所述第一巡检区域进行隐患排查和维护。

具体而言，当所述第一图像与所述第二图像的百分比相似度不在所述预定相似度阈值范围内时，此时，则表明所述第一设备存在异常，需进一步对所述第一设备进行详细的判断，即根据所述第一设备的各种故障类型的图像进一步对所述第一图像进行比对和分析，来进一步判定所述第一设备的详细故障情况。根据所述第一设备，获得与所述第一设备相同设备类型、厂商、车机型号下的故障对应样本图，即所述第三图像信息、第四图像信息和第五图像信息，将所述第一图像信息和所述第三图像信息进行对比，获得第二百分比相似度；将所述第一图像信息和所述第四图像信息进行对比，获得第三百分比相似度；将所述第一图像信息和所述第五图像信息进行对比，获得第四百分比相似度；将所述第二百分比相似度、所述第三百分比相似度和所述第四百分比相似度对相关巡检人员进行展示，获得第二结果，通过图像分析的增加，有助于提高巡视规范性和巡检人员发现处置问题的能力，降低传统巡视过程中未有效发现或处置设备缺陷而带来的安全风险和经济损失，同时减少巡视工作对经验丰富的高级技术人员，乃至设备厂商技术支持的依赖，在一定程度上节约了设备维护成本。

进一步而言，本申请实施例步骤S5050还包括：

步骤S5051：对所述第二百分比相似度、所述第三百分比相似度和所述第四百分比相似度进行顺序排列，获得第一相似度序列；

步骤S5052：根据所述第一相似度序列，获得所述第二结果；

步骤S5053：根据所述第二结果，对所述第一巡检区域进行隐患排查和维护。

具体而言，根据所述图像样本图的相关对比原则，对所述第一图像与不同故障样本的对应部分进行对比，根据相关关键信息判定原则进行故障样本与第一图像的相似度判断，举例而言，可根据故障部位的不同按照形变或关键位置像素值进行相似度判断，给出相似度判断结果，将所述第二百分比相似度、所述第三百分比相似度和所述第四百分比相似度按照相似度大小进行顺序排列，即相似度高的排在对相关工作人员展示界面的前方，根据所述相似度排列结果，获得第二结果，基于所述第二结果对所诉第一设备进行评估。

进一步而言，本申请实施例步骤S500还包括：

步骤S506：将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，所述巡检决策模型通过多组训练数据训练获得，其中，所述多组数据中的每组数据均包括所述巡检项目内容信息、巡检情况信息和用于标识第一巡检决策结果的标识信息；

步骤S507：获得所述巡检决策模型的输出信息，所述输出信息包括所述第一巡检决策结果。

具体而言，所述巡检决策模型为机器学习中的神经网络模型，它是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述巡检项目内容信息和巡检情况信息输入神经网络模型，则获得第一决策结果。

更进一步而言，所述训练的过程还包括监督学习的过程，每一组监督数据均包括所述巡检项目内容信息、巡检情况信息和用于标识第一巡检决策结果的标识信息，将所述巡检项目内容信息和巡检情况信息输入到神经网络模型中，根据用于标识第一巡检决策结果的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确的第一巡检决策结果，为提高维护巡视人员发现、分析设备异常问题的水平夯实了基础，通过数据分析报表，实现管理经验和数据积累，作为巡检作业指导辅助决策依据。突发事故随传随报，最短时间内得到事故现场的准确位置及情况。提高指挥效率，便于快速部署。将通信、调度指挥、执行监督融为一体，实现公交线路高效、智能的运维管理。为重大活动和市民行提供坚实保障。

进一步而言，本申请实施例步骤S230还包括：

步骤S231：如果所述第一图像信息的置信度信息小于等于所述预定置信度阈值，获得第一采集指令；

步骤S232：根据所述第一采集指令，重新对所述第一设备进行图像采集。

具体而言，当对所述第一设备的采集图像的置信度小于等于所述预定置信度阈值时，表明所述采集的图像存在一定的问题，则此时所采集的图像不能作为评判诉所述第一设备的样本图像，此时需获得第一采集指令，调整上述不符合样本采集置信度部分的采集参数，重新对所述第一设备进行图像采集，以保证后续对于所述第一设备的准确的分析。

综上所述，本申请实施例所提供的一种基于图像识别进行设备运维巡检方法具有如下技术效果：

1、由于采用了通过采集第一设备的第一图像信息，并根据所述第一图像信息进行统计，获得统计分析报表，基于所述统计分析报表获得巡检项目内容信息和巡检情况信息，将所述信息输入巡检决策模型，获得巡检决策结果对所述第一设备进行隐患排查和维护，达到利用图像识别结合数据分析技术，提高维护巡视人员发现、分析设备异常问题的水平的技术效果。

2、由于采用了通过图像置信度的检测的方式，保证了采集图像的信息的有效性，为后续进行图像的进一步处理，辅助准确分析设备异常夯实了基础。

实施例二

基于与前述实施例中一种基于图像识别进行设备运维巡检方法同样发明构思，本发明还提供了一种基于图像识别进行设备运维巡检系统，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于通过所述车载图像采集装置获得第一设备的第一图像信息；

第二获得单元12，所述第二获得单元12用于对所述第一图像信息进行统计，获得统计分析报表；

第三获得单元13，所述第三获得单元13用于根据所述统计分析报表，获得巡检项目内容信息和巡检情况信息；

第四获得单元14，所述第四获得单元14用于构建巡检决策模型；

第一输入单元15，所述第一输入单元15用于将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果；

第一执行单元16，所述第一执行单元16用于根据所述第一巡检决策结果，对所述第一设备进行隐患排查和维护。

进一步的，所述系统还包括：

第五获得单元，所述第五获得单元用于对所述第一图像信息进行置信度分析，获得所述第一图像信息的置信度信息；

第六获得单元，所述第六获得单元用于获得预定置信度阈值；

第一判断单元，所述第一判断单元用于判断所述第一图像信息的置信度信息是否大于所述预定置信度阈值；

第七获得单元，所述第七获得单元用于如果所述第一图像信息的置信度信息大于所述预定置信度阈值，对所述第一图像信息进行统计，获得统计分析报表。

进一步的，所述系统还包括：

第八获得单元，所述第八获得单元用于根据所述第一图像信息，获得第二图像信息，其中，所述第二图像信息为所述第一图像信息中所述第一设备正常运行的样本图像信息；

第九获得单元，所述第九获得单元用于将所述第一图像信息和所述第二图像信息进行对比，获得第一百分比相似度；

第十获得单元，所述第十获得单元用于获得预定相似度阈值；

第二判断单元，所述第二判断单元用于判断所述第一百分比相似度是否在所述预定相似度阈值之内；

第十一获得单元，所述第十一获得单元用于如果所述第一百分比相似度在所述预定相似度阈值之内，获得第一结果，所述第一结果表示所述第一设备运行正常，停止对所述第一设备进行巡检。

进一步的，所述系统还包括：

第十二获得单元，所述第十二获得单元用于如果所述第一百分比相似度不在所述预定相似度阈值之内，获得第二结果，所述第二结果表示所述第一设备运行异常；

第十三获得单元，所述第十三获得单元用于获得所述第一设备的第一属性信息、第二属性信息和第三属性信息；

第十四获得单元，所述第十四获得单元用于根据所述第一属性信息，获得第三图像信息，所述第三图像信息包括所述第一设备的第一属性信息；

第十五获得单元，所述第十五获得单元用于根据所述第二属性信息，获得第四图像信息，所述第四图像信息包括所述第一设备的第二属性信息；

第十六获得单元，所述第十六获得单元用于根据所述第三属性信息，获得第五图像信息，所述第五图像信息包括所述第一设备的第三属性信息；

第十七获得单元，所述第十七获得单元用于将所述第一图像信息和所述第三图像信息进行对比，获得第二百分比相似度；

第十八获得单元，所述第十八获得单元用于将所述第一图像信息和所述第四图像信息进行对比，获得第三百分比相似度；

第十九获得单元，所述第十九获得单元用于将所述第一图像信息和所述第五图像信息进行对比，获得第四百分比相似度；

第二十获得单元，所述第二十获得单元用于根据所述第二百分比相似度、所述第三百分比相似度和所述第四百分比相似度，获得第二结果；

第二执行单元，所述第二执行单元用于根据所述第二结果，对所述第一巡检区域进行隐患排查和维护。

进一步的，所述系统还包括：

第二十一获得单元，所述第二十一获得单元用于对所述第二百分比相似度、所述第三百分比相似度和所述第四百分比相似度进行顺序排列，获得第一相似度序列；

第二十二获得单元，所述第二十二获得单元用于根据所述第一相似度序列，获得所述第二结果；

第三执行单元，所述第三执行单元用于根据所述第二结果，对所述第一巡检区域进行隐患排查和维护。

进一步的，所述系统还包括：

第二输入单元，所述第二输入单元用于将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，所述巡检决策模型通过多组训练数据训练获得，其中，所述多组数据中的每组数据均包括所述巡检项目内容信息、巡检情况信息和用于标识第一巡检决策结果的标识信息；

第二十三获得单元，所述第二十三获得单元用于获得所述巡检决策模型的输出信息，所述输出信息包括所述第一巡检决策结果。

进一步的，所述系统还包括：

第二十四获得单元，所述第二十四获得单元用于如果所述第一图像信息的置信度信息小于等于所述预定置信度阈值，获得第一采集指令；

第四执行单元，所述第四执行单元用于根据所述第一采集指令，重新对所述第一设备进行图像采集。

前述图1实施例一中的一种基于图像识别进行设备运维巡检方法和具体实例同样适用于本实施例的一种基于图像识别进行设备运维巡检系统，通过前述对一种基于图像识别进行设备运维巡检方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于图像识别进行设备运维巡检系统，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于图像识别进行设备运维巡检方法的发明构思，本发明还提供一种基于图像识别进行设备运维巡检系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于图像识别进行设备运维巡检方法的任一方法的步骤。

其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本申请提供了一种基于图像识别进行设备运维巡检方法，其中，所述方法应用于一设备运维巡检系统管理平台，所述设备运维巡检系统管理平台与车载图像采集装置通讯连接，所述方法包括：通过所述车载图像采集装置获得第一设备的第一图像信息；对所述第一图像信息进行统计，获得统计分析报表；根据所述统计分析报表，获得巡检项目内容信息和巡检情况信息；构建巡检决策模型；将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果；根据所述第一巡检决策结果，对所述第一设备进行隐患排查和维护。解决了现有技术中巡视人员对设备异常的发现、描述与处置水平参差不齐，不能很好地发挥巡检终端的效率的技术问题。实现了利用图像识别结合数据分析技术，辅助并提高维护巡视人员发现、描述与处置设备异常问题的水平的技术目的。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (2)

1.一种基于图像识别进行设备运维巡检方法，其中，所述方法应用于一设备运维巡检系统管理平台，所述设备运维巡检系统管理平台与车载图像采集装置通讯连接，所述车载图像采集装置对车机设备进行图像信息采集，包括图片信息和视频信息，并将采集的所述第一图像信息通过内网传输至所述设备运维巡检系统管理平台，由平台对图像信息进行进一步的分析处理；所述方法包括：

通过所述车载图像采集装置获得第一设备的第一图像信息；

对所述第一图像信息进行统计，获得统计分析报表；

根据所述统计分析报表，获得巡检项目内容信息和巡检情况信息；

构建巡检决策模型；

将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果；

根据所述第一巡检决策结果，对所述第一设备进行隐患排查和维护；

所述对所述第一图像信息进行统计，获得统计分析报表之前，包括：

对所述第一图像信息进行置信度分析，获得所述第一图像信息的置信度信息；

获得预定置信度阈值；

判断所述第一图像信息的置信度信息是否大于所述预定置信度阈值；

如果所述第一图像信息的置信度信息大于所述预定置信度阈值，对所述第一图像信息进行统计，获得统计分析报表；

所述将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果，包括：

将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，所述巡检决策模型通过多组训练数据训练获得，其中，所述多组数据中的每组数据均包括所述巡检项目内容信息、巡检情况信息和用于标识第一巡检决策结果的标识信息；

获得所述巡检决策模型的输出信息，所述输出信息包括所述第一巡检决策结果；

所述将所述巡检项目内容信息和巡检情况信息作为输入信息，输入所述巡检决策模型，获得第一巡检决策结果，包括：

根据所述第一图像信息，获得第二图像信息，其中，所述第二图像信息为所述第一图像信息中所述第一设备正常运行的样本图像信息；

将所述第一图像信息和所述第二图像信息进行对比，获得第一百分比相似度；

获得预定相似度阈值；

判断所述第一百分比相似度是否在所述预定相似度阈值之内；

如果所述第一百分比相似度在所述预定相似度阈值之内，获得第一结果，所述第一结果表示所述第一设备运行正常，停止对所述第一设备进行巡检；

如果所述第一百分比相似度不在所述预定相似度阈值之内，获得第二结果，所述第二结果表示所述第一设备运行异常；

获得所述第一设备的第一属性信息、第二属性信息和第三属性信息；

根据所述第一属性信息，获得第三图像信息，所述第三图像信息包括所述第一设备的第一属性信息；

根据所述第二属性信息，获得第四图像信息，所述第四图像信息包括所述第一设备的第二属性信息；

根据所述第三属性信息，获得第五图像信息，所述第五图像信息包括所述第一设备的第三属性信息；

将所述第一图像信息和所述第三图像信息进行对比，获得第二百分比相似度；

将所述第一图像信息和所述第四图像信息进行对比，获得第三百分比相似度；

将所述第一图像信息和所述第五图像信息进行对比，获得第四百分比相似度；

根据所述第二百分比相似度、所述第三百分比相似度和所述第四百分比相似度，获得第二结果；

根据所述第二结果，对所述第一巡检区域进行隐患排查和维护；

所述根据所述第二结果，对所述第一巡检区域进行隐患排查和维护，包括：

对所述第二百分比相似度、所述第三百分比相似度和所述第四百分比相似度进行顺序排列，获得第一相似度序列；

根据所述第一相似度序列，获得所述第二结果；

根据所述第二结果，对所述第一巡检区域进行隐患排查和维护；

所述判断所述第一图像信息的置信度信息是否大于所述预定置信度阈值之后，包括：

如果所述第一图像信息的置信度信息小于等于所述预定置信度阈值，获得第一采集指令；

根据所述第一采集指令，重新对所述第一设备进行图像采集。

2.一种基于图像识别进行设备运维巡检系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1任一项所述方法的步骤。

Images