CN116363397A - 设备故障排查方法、装置及巡检系统 - Google Patents

设备故障排查方法、装置及巡检系统 Download PDF

Info

Publication number
CN116363397A
CN116363397A CN202211667511.XA CN202211667511A CN116363397A CN 116363397 A CN116363397 A CN 116363397A CN 202211667511 A CN202211667511 A CN 202211667511A CN 116363397 A CN116363397 A CN 116363397A
Authority
CN
China
Prior art keywords
target
target object
state information
image
determining
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
Application number
CN202211667511.XA
Other languages
English (en)
Inventor
肖玉梅
陈智
冯波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Jiaokong Zhiwei Technology Development Co ltd
Original Assignee
Guangxi Jiaokong Zhiwei Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi Jiaokong Zhiwei Technology Development Co ltd filed Critical Guangxi Jiaokong Zhiwei Technology Development Co ltd
Priority to CN202211667511.XA priority Critical patent/CN116363397A/zh
Publication of CN116363397A publication Critical patent/CN116363397A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/20—Checking timed patrols, e.g. of watchman
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/02—Recognising information on displays, dials, clocks

Abstract

本发明提供一种设备故障排查方法、装置及巡检系统，涉及轨道交通技术领域，所述方法包括：获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；基于所述目标图像，确定所述目标对象的状态信息；基于所述目标对象的状态信息，判断所述目标设备是否存在故障。本发明通过采集包括目标设备上的仪表和/或信号灯的图像，并基于该图像确定目标设备上的仪表和/或信号灯的状态信息，进一步基于仪表和/或信号灯的状态信息判断目标设备是否存在故障，可以实现对机房各设备进行快速准确地故障排查。

Description

设备故障排查方法、装置及巡检系统
技术领域
本发明涉及轨道交通技术领域，尤其涉及一种设备故障排查方法、装置及巡检系统。
背景技术
当前城市轨道大量建设，同时也建设了配套的各种系统，这些系统都由相应的机房进行统一管理。
智能巡检无人值守平台基于物联网、人工智能、可视化和大数据等先进技术，为地铁公司提供对调度机房、通信机房和信号机房中的列车自动监控系统(Automatic TrainSupervision，ATS)、车载控制器(Vehicle on-board Controller，VOBC)和分布式控制系统(Distributed Control System，DCS)等机柜设备灯位、直流电源、蓄电池等动力设备的实时监控，以及对环境和安防等其他系统进行统一监控管理，推动地铁运维管理向自动化、综合化、集中化和智能化的方向发展。
但是，随着设备的增加、专业复杂性和多样性，现有的设备故障排查方法还是主要依靠人工排查，其排查效率低、工作量大且消耗人力，难以实现对故障点的快速准确定位。因此，如何对轨道交通中各机房的设备进行快速准确地故障排查，成为业界亟需解决的问题。
发明内容
针对现有技术存在的问题，本发明提供一种设备故障排查方法、装置及巡检系统。
第一方面，本发明提供一种设备故障排查方法，包括：
获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
基于所述目标图像，确定所述目标对象的状态信息；
基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
可选地，根据本发明提供的一种设备故障排查方法，所述基于所述目标图像，确定所述目标对象的状态信息，包括：
将所述目标图像与模板图像进行模板匹配，获得匹配结果；
基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息。
可选地，根据本发明提供的一种设备故障排查方法，所述基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息，包括：
在确定所述匹配结果表征所述目标图像中包含的目标对象是仪表，且所述仪表的类型为数字仪表的情况下，基于数字仪表图像的差分二值图对比方法，对所述目标对象进行识别，确定所述目标对象的状态信息。
可选地，根据本发明提供的一种设备故障排查方法，所述基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息，包括：
在确定所述匹配结果表征所述目标图像中包含的目标对象是仪表，且所述仪表的类型为指针仪表的情况下，确定所述目标对象对应的量程，并基于hough变换算法，确定所述目标对象对应的指针与零点的偏转角；
基于所述量程和所述偏转角，确定所述目标对象的状态信息。
可选地，根据本发明提供的一种设备故障排查方法，所述基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息，包括：
在确定所述匹配结果表征所述目标图像中包含的目标对象是信号灯的情况下，将所述目标图像输入信号灯识别模型，获取所述信号灯识别模型输出的信号灯状态信息；
确定所述信号灯状态信息为所述目标对象的状态信息。
可选地，根据本发明提供的一种设备故障排查方法，所述将所述目标图像与模板图像进行模板匹配，获得匹配结果，包括：
基于OpenCV中的matchTemplate函数，将所述目标图像与模板图像进行模板匹配，获得匹配结果。
第二方面，本发明还提供一种设备故障排查装置，包括：
获取模块，用于获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
确定模块，用于基于所述目标图像，确定所述目标对象的状态信息；
判断模块，用于基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
第三方面，本发明还提供一种电子设备，包括巡检机器人和服务器，所述巡检机器人与所述服务器通信连接，所述服务器用于执行如第一方面所述设备故障排查方法。
第四方面，本发明还提供一种电子设备，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，所述处理器执行所述程序时实现如第一方面所述设备故障排查方法。
第五方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述设备故障排查方法。
第六方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面所述设备故障排查方法。
本发明提供的设备故障排查方法、装置及巡检系统，通过采集包括目标设备上的仪表和/或信号灯的图像，并基于该图像确定目标设备上的仪表和/或信号灯的状态信息，进一步基于仪表和/或信号灯的状态信息判断目标设备是否存在故障，可以实现对机房各设备进行快速准确地故障排查。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的设备故障排查方法的流程示意图；
图2是本发明提供的信号灯状态识别的流程示意图；
图3是本发明提供的设备故障排查装置的结构示意图；
图4是本发明提供的巡检系统的结构示意图；
图5是本发明提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了便于更加清晰地理解本发明各实施例，首先对一些相关的背景知识进行如下介绍。
虽然现有的智能巡检无人值守平台基于物联网、人工智能、可视化和大数据等先进技术，为地铁公司提供对调度机房、通信机房和信号机房中的ATS、VOBC和DCS等机柜设备灯位、直流电源、蓄电池等动力设备的实时监控，以及对环境和安防等其他系统进行统一监控管理，推动地铁运维管理向自动化、综合化、集中化和智能化的方向发展。但是，复杂的管理子系统和传统枯燥的管理界面，特别是信息孤立及抽象展现外还存在以下缺陷：
(1)现有的系统是基于数据中心真实物理环境数据建立的二维平面模型，效果直接但不逼真；
(2)用户定位到数据中心某关键机房，以查看到某机柜的故障点，但实际到现场排查时不能做到快速准确定位；
(3)用户直接点击相应的被监控设备，不能实时查看到对应设备的当前运行参数、工作状态和告警状态等信息。
为了克服上述缺陷，本发明提供一种设备故障排查方法、装置及巡检系统。下面结合附图对本发明提供的设备故障排查方法、装置及巡检系统进行示例性的介绍。
图1是本发明提供的设备故障排查方法的流程示意图，如图1所示，该方法包括：
步骤100，获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
步骤110，基于所述目标图像，确定所述目标对象的状态信息；
步骤120，基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
具体地，为了克服现有的基于人工进行设备故障排查效率低、工作量大且消耗人力，难以实现对故障点的快速准确定位的缺陷，本发
明通过采集包括目标设备上的仪表和/或信号灯的图像，并基于该图5像确定目标设备上的仪表和/或信号灯的状态信息，进一步基于仪表
和/或信号灯的状态信息判断目标设备是否存在故障，可以实现对机房各设备进行快速准确地故障排查。
可选地，可以采集要进行故障排查的目标设备的目标图像，且采集的目标图像中包含目标设备上的仪表和/或信号灯。
0可以理解的是，目标设备上的仪表用于显示目标设备的运行参数，
信号灯用于通过不同的显示颜色、不同的闪烁状态或亮灭状态指示目标设备的运行状态或网络状态等。
可选地，可以基于采集的目标图像，确定目标设备上的仪表和/
或信号灯的状态信息。
5可以理解的是，仪表的状态信息可以包括仪表上显示的具体参数
或数字，信号灯的状态信息可以包括信号灯的显示颜色、闪烁或亮灭状态等。
可选地，在确定目标设备上的仪表和/或信号灯的状态信息之后，
可以基于目标设备上的仪表和/或信号灯的状态信息，判断目标设备0是否存在故障。
例如，假设目标设备正常工作情况下的温度范围应该是20-40度，但是在确定目标设备上的温度仪表显示的温度是50度时，则可以确定目标设备存在故障。
例如，假设信号灯显示红色表征目标设备上的跳闸回路异常，则5在确定目标设备上的信号灯显示的颜色为红色时，就可以确定目标设
备存在故障。
本发明提供的设备故障排查方法，通过采集包括目标设备上的仪表和/或信号灯的图像，并基于该图像确定目标设备上的仪表和/或信号灯的状态信息，进一步基于仪表和/或信号灯的状态信息判断目标设备是否存在故障，可以实现对机房各设备进行快速准确地故障排查。
可选地，所述基于所述目标图像，确定所述目标对象的状态信息，5包括：
将所述目标图像与模板图像进行模板匹配，获得匹配结果；
基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息。
0具体地，在本发明实施例中，在获取到目标图像之后，可以将目
标图像与模板图像进行模板匹配获取匹配结果，进一步基于匹配结果确定对目标图像中的目标对象进行识别的目标识别方法，进而基于目标识别方法对目标图像中的目标对象进行识别，从而确定目标对象的状态信息。
5可选地，在本发明实施例中，可以根据不同需求选择不同角度、不同亮度的图片作为模板图像，不同的模板图像中可以包括不同的仪表和/信号灯，同一种仪表和/信号灯可以用多个模板图像匹配。
可以理解的是，在本发明实施例中，通过将目标图像与模板图像
进行模板匹配，可以确定出目标图像包括地目标对象是仪表还是信号0灯，并可以确定出是哪种类型的仪表，进而可以有针对性地对目标图
像中的目标对象进行识别，确定目标对象的状态信息。
可选地，可以将已知的模板图像与采集的目标图像进行模板匹配，在进行模板匹配时，将目标图像每个像素点一一与模板图像比较，并
为每个像素点计算一个相似度值，记录其与模板图像比较后的相似程5度，选出最接近模板图像的像素点，并选中模板图像对应模式，进入
下一步识别。
本发明提供的设备故障排查方法，通过将目标图像与模板图像进行模板匹配获取匹配结果，进一步基于匹配结果确定对目标图像中的目标对象进行识别的目标识别方法，进而基于目标识别方法对目标图像中的目标对象进行识别，从而确定目标对象的状态信息，实现了有针对性地对目标对象进行识别，提高目标对象的状态信息的识别准确性。
可选地，所述基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息，包括：
在确定所述匹配结果表征所述目标图像中包含的目标对象是仪表，且所述仪表的类型为数字仪表的情况下，基于数字仪表图像的差分二值图对比方法，对所述目标对象进行识别，确定所述目标对象的状态信息。
具体地，在本发明实施例中，在将目标图像与模板图像进行模板匹配获得匹配结果之后，在确定匹配结果表征目标图像中包含的目标对象是仪表，且该仪表的类型为数字仪表的情况下，则基于数字仪表图像的差分二值图对比方法，对目标对象进行识别，从而确定目标对象的状态信息。
可选地，在本发明实施例中，可以对目标图像先进行预处理，包含图像滤波、图像倾斜校正、阈值操作、轮廓检测和获取感兴趣区域ROI(Region of Interest)操作，所述获取ROI操作，即是根据模板匹配的模板选择的最优区域，选取ROI区域作为识别的研究对象，进一步进行图像二值化和数字特征提取，实现读数识别，从而可以确定目标对象的状态信息。
本发明提供的设备故障排查方法，通过基于数字仪表图像的差分二值图对比方法对数字仪表进行识别，实现了有针对性地对目标对象进行识别，提高目标对象的状态信息的识别准确性。
可选地，所述基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息，包括：
在确定所述匹配结果表征所述目标图像中包含的目标对象是仪表，且所述仪表的类型为指针仪表的情况下，确定所述目标对象对应的量程，并基于hough变换算法，确定所述目标对象对应的指针与零点的偏转角；
基于所述量程和所述偏转角，确定所述目标对象的状态信息。
具体地，在本发明实施例中，在将目标图像与模板图像进行模板匹配获得匹配结果之后，在确定匹配结果表征目标图像中包含的目标对象是仪表，且该仪表的类型为指针仪表的情况下，则对目标对象对应的量程进行识别，并基于hough变换算法，确定目标对象对应的指针与零点的偏转角，进而基于量程和偏转角，确定目标对象的状态信息。
可选地，可以应用深度学习的Faster-RCNN算法从目标图像中迅速定位指针仪表区域，并且去除图像的干扰信息，进而找表盘中心圆的圆心，根据连通域提取指针并细化，对刻度线和表盘数字进行分割，利用基于深度学习的卷积神经网络LeNet-5识别表盘刻度值，结合刻度线的处理和刻度值的确定，计算出分度值。
可选地，在本发明实施例中，还可以使用openCV进行指针仪表数值读取。
本发明提供的设备故障排查方法，通过基于hough变换算法对数字仪表进行识别，实现了有针对性地对目标对象进行识别，提高目标对象的状态信息的识别准确性。
可选地，所述基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息，包括：
在确定所述匹配结果表征所述目标图像中包含的目标对象是信号灯的情况下，将所述目标图像输入信号灯识别模型，获取所述信号灯识别模型输出的信号灯状态信息；
确定所述信号灯状态信息为所述目标对象的状态信息。
具体地，在本发明实施例中，在将目标图像与模板图像进行模板匹配获得匹配结果之后，在确定匹配结果表征目标图像中包含的目标对象是信号灯的情况下，可以将目标图像输入信号灯识别模型，获取信号灯识别模型输出的信号灯状态信息，进而确定信号灯状态信息即为目标对象的状态信息。
可选地，在本发明实施例中，信号灯识别模型可以对信号灯常亮、常灭、闪烁和颜色变化等状态进行识别。可以理解的是，信号灯一般红绿颜色的变化标志关键状态的变化，因此本发明实施例将信号灯状态初步分为亮、灭、快闪、慢闪、红和绿等几大类。
图2是本发明提供的信号灯状态识别的流程示意图，如图2所示，该方法包括：首先获取目标图像，进而将获取的目标图像与导入的模板图像进行匹配，在导入的模板图像为指示灯图像，且目标图像与导入的该模板图像匹配的情况下，进入灯位计算流程，依次对目标图像中的信号灯颜色和亮灭进行识别，获得识别结果进行存储并显示，该识别结果即为目标图像中对应的目标设备上的信号灯的状态信息。
本发明提供的设备故障排查方法，通过基于信号灯识别模型对信号灯进行识别，实现了有针对性地对目标对象进行识别，提高目标对象的状态信息的识别准确性。
可选地，所述将所述目标图像与模板图像进行模板匹配，获得匹配结果，包括：
基于OpenCV中的matchTemplate函数，将所述目标图像与模板图像进行模板匹配，获得匹配结果。
具体地，在本发明实施例中，可以基于OpenCV中的matchTemplate函数，对目标图像和模板图像进行模板匹配，获得匹配结果。
可选地，利用OpenCV提供的imgproc函数库中的matchtemplate函数，将目标图像与模板图像进行匹配，对于目标图像中的每一个像素点对应一个值，表明其与模板图像的相似度，相似度最高的点用数组matchpoint[]保存，分别用matchtemplate函数六种匹配模式匹配，将数组matchpoint[]中六个数值比较，三个以上点相同，确定是同一类仪表，进而进入下一步识别模式。
可选地，所述方法还包括：
在确定所述目标设备存在故障的情况下，启动声光报警器进行报警。
具体地，在本发明实施例中，在基于目标对象的状态信息确定目标设备存在故障的情况下，可以启动声光报警器进行报警，以及时提醒设备维修人员对相应设备进行维修。
本发明提供的设备故障排查方法，通过采集包括目标设备上的仪表和/或信号灯的图像，并基于该图像确定目标设备上的仪表和/或信号灯的状态信息，进一步基于仪表和/或信号灯的状态信息判断目标设备是否存在故障，可以实现对机房各设备进行快速准确地故障排查。
下面对本发明提供的设备故障排查装置进行描述，下文描述的设备故障排查装置与上文描述的设备故障排查方法可相互对应参照。
图3是本发明提供的设备故障排查装置的结构示意图，如图3所示，该装置包括：获取模块310、确定模块320和判断模块330；其中：
获取模块310用于获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
确定模块320用于基于所述目标图像，确定所述目标对象的状态信息；
判断模块330用于基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
本发明提供的设备故障排查装置，通过采集包括目标设备上的仪表和/或信号灯的图像，并基于该图像确定目标设备上的仪表和/或信号灯的状态信息，进一步基于仪表和/或信号灯的状态信息判断目标设备是否存在故障，可以实现对机房各设备进行快速准确地故障排查。
在此需要说明的是，本发明实施例提供的上述设备故障排查装置，能够实现上述设备故障排查方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
本发明还提供一种巡检系统，所述巡检系统包括巡检机器人和服务器，所述巡检机器人与所述服务器通信连接，所述服务器用于执行上述各方法所提供的设备故障排查方法，该方法包括：
获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
基于所述目标图像，确定所述目标对象的状态信息；
基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
可选地，在本发明实施例中，可以在列车线路布置一台机器人，机器人可根据控制系统指令，沿轨道前后精确运动。轨道在支承机器人重量的同时，集成供电接口，兼顾功能和可靠性；机器人上安装各类型传感器，实现预定检测目标。机器人在列车线路两相邻站点之间运行，获取两个站点之间的数据。
图4是本发明提供的巡检系统的结构示意图，如图4所示，为了实现整个列车线路的巡检控制和巡检数据处理，采用分层式巡检平台方案，其中第一层用于对整个线路的机器人巡检作业进行规划，将巡检作业的关键数据和结果存储在数据库，并完成数据的一些综合处理；第二层包括各站点服务器，用于接收线路巡检控制服务器的指令，并将本站点数据反馈至第一层服务器；第三层包括各站点的巡检机器人，可按站点服务器的指令进行巡检作业，并负责传感器数据的采集，数据的实时处理，以及数据处理结果的上传。
可选地，本发明实施例提供的巡检系统，可以对列车线路各站点的各系统机房进行巡检，将各系统设备的指针表、数字表、电流端子、空开、信号灯、温度和设备缺陷等进行判断分析和报警，实现实时全天候巡检。同时具有实时限界检测功能，实现车辆限界的24小时实时巡检，及时上报故障到控制中心。
可选地，本发明实施例提供的巡检系统，可以是集机电一体化技术、多传感器融合技术、电磁兼容技术、导航及行为规划技术、机器人视觉技术、安防技术和稳定的无线传输技术于一体的复杂系统。其采用完全自主或遥控方式，代替巡检人员对设备进行巡检，并对仪表进行图像分析和判断，及时发现设备存在的故障问题，可以为无人值班机房、室外设备巡检的推广应用提供新的检测手段。
可选地，本发明实施例提供的巡检系统还可以通过对收集的数据信息进行分析和学习，对设备运行状态的趋势进行分析，提前预测检修周期。
可选地，在本发明实施例中，巡检机器人可以包括智能机器人巡测系统和室外道岔监测摄像头，实现室内外全方位巡测。在各个机房内建设一个后台服务器，可对现场进行实时监控，方便运维人员到现场查看记录及运行情况。现场客户端对现场设备的管理可根据不同人员设置不同权限，方便客户端管理。站控系统通过搭建局域网，实现数据传输。监测主机作为无人机房环境采集系统的核心，通过巡检机器人自身的摄像头及机房内固定式摄像头将提前设置的监测采集点以巡检任务形式下发到巡检机器人，巡检机器人定时到采集点采集点位图像，通过对图像的处理从而获取仪表和/或信号灯的实际状态，减少人工巡检的次数，降低冗余的工作强度。
可选地，本发明实施例提供的巡检系统可以根据用户要求定义区域快捷方式，巡检机器人及摄像头在巡检过程中，通过拍摄的图片快速识别设备状态，用户可通过点击相应的快捷按钮快速移动定位到相应区域的视角模型当中，例如快速定位到数据中心某关键房间、机房整体外观和信号子系统机柜等。
可选地，本发明实施例提供的巡检系统还可以应用三维展示、基于位置服务(Location Based Service，LBS)定位技术、智能机器人和智能告警分析等多种技术应用打破常规监控与巡检方式的局限性，实现动力环境监控、能耗监控、资产监控、设备实时运行状态监控、智能机器人巡检、人员实时定位、智能安防、智能告警、手机APP移动巡检等功能。在无人值守或少人值守的情况下，不仅减少人力资源的使用和保障维护人员的安全，也确保了各设备安全稳定运行，增强安全生产保障能力，进一步提高运检精益管理水平，赋能基于数据驱动的智能机房运维管理发展与效能提升。
可选地，本发明实施例提供的巡检系统可以提供各机房设备的三维场景，用户可以直接点击相应的被监控设备，即可实时查看对应设备当前的运行参数、工作状态和告警状态等信息。
本发明提供的巡检系统，通过巡检机器人采集包括目标设备上的仪表和/或信号灯的图像，并将采集的图像传输给服务器，通过服务器基于该图像确定目标设备上的仪表和/或信号灯的状态信息，进一步基于仪表和/或信号灯的状态信息判断目标设备是否存在故障，可以实现对机房各设备进行快速准确地故障排查。
图5是本发明提供的电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行上述各方法所提供的设备故障排查方法，该方法包括：
获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
基于所述目标图像，确定所述目标对象的状态信息；
基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的设备故障排查方法，该方法包括：
获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
基于所述目标图像，确定所述目标对象的状态信息；
基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的设备故障排查方法，该方法包括：
获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
基于所述目标图像，确定所述目标对象的状态信息；
基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种设备故障排查方法，其特征在于，包括：
获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
基于所述目标图像，确定所述目标对象的状态信息；
基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
2.根据权利要求1所述的设备故障排查方法，其特征在于，所述基于所述目标图像，确定所述目标对象的状态信息，包括：
将所述目标图像与模板图像进行模板匹配，获得匹配结果；
基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息。
3.根据权利要求2所述的设备故障排查方法，其特征在于，所述基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息，包括：
在确定所述匹配结果表征所述目标图像中包含的目标对象是仪表，且所述仪表的类型为数字仪表的情况下，基于数字仪表图像的差分二值图对比方法，对所述目标对象进行识别，确定所述目标对象的状态信息。
4.根据权利要求2所述的设备故障排查方法，其特征在于，所述基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息，包括：
在确定所述匹配结果表征所述目标图像中包含的目标对象是仪表，且所述仪表的类型为指针仪表的情况下，确定所述目标对象对应的量程，并基于hough变换算法，确定所述目标对象对应的指针与零点的偏转角；
基于所述量程和所述偏转角，确定所述目标对象的状态信息。
5.根据权利要求2所述的设备故障排查方法，其特征在于，所述基于所述匹配结果确定与所述目标对象相对应的目标识别方法，并基于所述目标识别方法对所述目标对象进行识别，确定所述目标对象的状态信息，包括：
在确定所述匹配结果表征所述目标图像中包含的目标对象是信号灯的情况下，将所述目标图像输入信号灯识别模型，获取所述信号灯识别模型输出的信号灯状态信息；
确定所述信号灯状态信息为所述目标对象的状态信息。
6.根据权利要求2所述的设备故障排查方法，其特征在于，所述将所述目标图像与模板图像进行模板匹配，获得匹配结果，包括：
基于OpenCV中的matchTemplate函数，将所述目标图像与模板图像进行模板匹配，获得匹配结果。
7.一种设备故障排查装置，其特征在于，包括：
获取模块，用于获取包含目标对象的目标图像，所述目标对象包括与所述目标图像相对应的目标设备上的仪表和/或信号灯；
确定模块，用于基于所述目标图像，确定所述目标对象的状态信息；
判断模块，用于基于所述目标对象的状态信息，判断所述目标设备是否存在故障。
8.一种巡检系统，包括巡检机器人和服务器，所述巡检机器人与所述服务器通信连接，其特征在于，所述服务器用于执行如权利要求1至6任一项所述设备故障排查方法。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述设备故障排查方法。
10.一种非暂态计算机可读存储介质，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至6任一项所述设备故障排查方法。
CN202211667511.XA 2022-12-23 2022-12-23 设备故障排查方法、装置及巡检系统 Pending CN116363397A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211667511.XA CN116363397A (zh) 2022-12-23 2022-12-23 设备故障排查方法、装置及巡检系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211667511.XA CN116363397A (zh) 2022-12-23 2022-12-23 设备故障排查方法、装置及巡检系统

Publications (1)

Publication Number Publication Date
CN116363397A true CN116363397A (zh) 2023-06-30

Family

ID=86930079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211667511.XA Pending CN116363397A (zh) 2022-12-23 2022-12-23 设备故障排查方法、装置及巡检系统

Country Status (1)

Country Link
CN (1) CN116363397A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117409178A (zh) * 2023-12-15 2024-01-16 山东智慧燃气物联网技术有限公司 一种基于图像采集处理的厂站智慧安防方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117409178A (zh) * 2023-12-15 2024-01-16 山东智慧燃气物联网技术有限公司 一种基于图像采集处理的厂站智慧安防方法及装置

Similar Documents

Publication Publication Date Title
CN111611855B (zh) 一种变电站三维可视化机器人智能巡检系统
CN110850723B (zh) 一种基于变电站巡检机器人系统的故障诊断及定位方法
CN111931565B (zh) 一种基于光伏电站uav的自主巡检与热斑识别方法及系统
CN109242439B (zh) 基于变电站设备相关联数据的特征提取识别方法
CN109325520B (zh) 一种石油泄漏的检查方法、装置及系统
CN110865917A (zh) 基于ar技术的电力机房巡检作业方法、系统及应用
CN112115927B (zh) 一种基于深度学习的机房设备智能识别方法及系统
CN109638959B (zh) 基于ar和深度学习的电力设备遥信功能调试方法及系统
CN111753712A (zh) 电力生产人员安全监测方法、系统以及设备
CN112698618A (zh) 一种基于机器视觉技术的服务器告警识别系统
CN112100039B (zh) 一种设备故障报警方法及系统
CN112272236A (zh) 一种基于bim的巡检系统及方法
CN110910440A (zh) 一种基于电力影像数据的输电线路长度确定方法和系统
CN116258980A (zh) 一种基于视觉的无人机分布式光伏电站巡检方法
CN116363397A (zh) 设备故障排查方法、装置及巡检系统
CN115939996A (zh) 一种电力巡检机器人的自动巡检系统
CN113065540A (zh) 一种基于机巡图像的输电线路元件失效识别方法及系统
CN116993681A (zh) 一种变电站巡检缺陷检测方法及系统
CN110987936A (zh) 一种面向无人机的大坝表面裂缝智能识别测量装置
CN113776783A (zh) 一种基于巡检机器人的机房服务器故障灯检测方法
CN114025148A (zh) 一种监测方法和监测系统
CN113920610A (zh) 基于ar技术的电力设备巡检方法及系统
CN114742241A (zh) 一种运用mr眼镜诊断设备故障的巡检平台
CN112801432A (zh) 一种风机组叶片智能巡检系统及风机组叶片巡检方法
CN114615344B (zh) 一种电力仪表智能规约转换方法与装置

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