CN107966914A - 显示图像的方法、装置和*** - Google Patents

Abstract

本发明公开了一种显示图像的方法、装置和***。其中，该方法包括：获取设备的控制面板上的待显示区域的显示图像，使用预设模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，发送显示图像以及控制面板的显示状态至用户终端，其中，由安装在设备上的图像采集装置采集显示图像，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签，在用户终端上显示显示图像以及显示状态。本发明解决了现有技术中无法对设备的控制面板的显示状态进行监控的技术问题。

Description

显示图像的方法、装置和***

技术领域

本发明涉及人工智能领域，具体而言，涉及一种显示图像的方法、装置和***。

背景技术

随着科学技术的快速发展，图像识别技术广泛应用到了家电控制领域，例如，通过图像识别技术来获取房间内用户的位置信息、人脸信息、预设区域内人体的数量、预设区域的场景信息以及用户的动作信息等，在获取到上述图像数据之后，相应设备的控制器对上述图像数据进行收集、解析和传送，以使控制器根据上述所采集到的图像数据控制相应的设备完成操作。

在现有技术中，对家用电器进行远程控制主要是通过无线通信(例如，WIFI)的方式将家用电器与用户所持有的用户终端进行无线连接，以使用户可远程控制家用电器，并接收到家用电器所反馈的控制结果。然而，目前用户终端收到的反馈结果主要是针对控制面板的动作数据收集和识别，例如，用户终端接收到空调器所反馈的温度信息，但无法对控制面板的显示状态进行监控，以确定控制面板的显示状态是否异常，或者其他用户是否正常操作设备。

针对上述现有技术中无法对设备的控制面板的显示状态进行监控的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种显示图像的方法、装置和***，以至少解决现有技术中无法对设备的控制面板的显示状态进行监控的技术问题。

根据本发明实施例的一个方面，提供了一种显示图像的方法，包括：获取设备的控制面板上的待显示区域的显示图像，其中，由安装在设备上的图像采集装置采集显示图像；使用预设模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，其中，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签；发送显示图像以及控制面板的显示状态至用户终端，其中，在用户终端上显示显示图像以及显示状态。

根据本发明实施例的另一方面，还提供了一种显示图像的装置，包括：获取模块，用于获取设备的控制面板上的待显示区域的显示图像，其中，由安装在设备上的图像采集装置采集显示图像；确定模块，用于使用预设模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，其中，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签；发送模块，用于发送显示图像以及控制面板的显示状态至用户终端，其中，在用户终端上显示显示图像以及显示状态。

根据本发明实施例的另一方面，还提供了一种显示图像的***，包括：控制器，用于获取设备的控制面板上的待显示区域的显示图像，并使用预设模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，其中，由安装在设备上的图像采集装置采集显示图像，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签；用户终端，用于接收并显示显示图像以及控制面板的显示状态。

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行显示图像的方法。

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行显示图像的方法。

在本发明实施例中，采用机器学习的方式，通过获取设备的控制面板上的待显示区域的显示图像，使用预设模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，发送显示图像以及控制面板的显示状态至用户终端，其中，由安装在设备上的图像采集装置采集显示图像，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签，在用户终端上显示显示图像以及显示状态，达到了对设备的控制面板的显示状态进行实时监控的目的，从而实现了根据设备的控制面板的显示状态确定设备是否正常运行的技术效果，进而解决了现有技术中无法对设备的控制面板的显示状态进行监控的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种显示图像的方法流程图；

图2是根据本发明实施例的一种可选的设备的结构示意图；

图3是根据本发明实施例的一种可选的显示图像的方法流程图；

图4是根据本发明实施例的一种显示图像的装置结构示意图；以及

图5是根据本发明实施例的一种显示图像的***结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种显示图像的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的显示图像的方法流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取设备的控制面板上的待显示区域的显示图像，其中，由安装在设备上的图像采集装置采集显示图像。

需要说明的是，上述图像采集装置可以为但不限于摄像机、照相机等，上述显示图像可以为但不限于静态的图片、动态的视频。其中，图像采集装置与控制面板的安装位置可以为但不限于图2所示的图像采集装置与控制面板的位置关系。另外，上述设备可以为任意包括控制面板的并且进行无线通信的设备，例如，智能空调、智能冰箱等。

在一种可选的实施例中，如图2所示的一种可选的设备的结构示意图。在图2中，图像采集装置可实时采集到控制面板上的显示图像，并将采集到的显示图像发送给控制器，由控制器对图像采集装置采集到的显示图像进行处理和识别。其中，当控制面板的表面积比较小时，如图2所示，图像采集装置可以获取到整个控制面板的显示图像；而当控制面板的表面积比较大时，根据如图2所示的图像采集装置与控制面板的位置关系，图像采集装置可能获取不到整个控制面板的显示图像。此时，设备的控制器可调节图像采集装置的姿态，例如，调整摄像头的旋转角度，以使图像采集装置可以采集到用户需要监控的控制面板上的待显示区域。

此外，还需要说明的是，通过步骤S102可以获取到用户需要监控的控制面板的待监控区域(即上述待显示区域)，从而达到了有选择性的对控制面板进行监控的目的。

步骤S104，使用预设模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，其中，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签。

需要说明的是，上述控制面板的显示状态可以为控制面板上的显示灯的显示状态，也可以为控制面板上的控制按钮的缺损状态，还可以为用户操作控制按钮的操作顺序。

在一种可选的实施例中，控制器在获取到控制面板的待显示区域的显示图像之后，利用通过机器学习训练好的预设模型对显示图像进行分析，例如，确定控制面板上的显示灯的状态、控制按钮的缺损状态以及用户操作控制按钮的操作顺序，进而根据上述显示图像所显示的内容确定控制面板的显示状态是否为异常状态。其中，为了能够得到控制面板对应的显示状态，控制器可以建立神经网络模型，预先获取多组不同的控制面板的显示图像，并通过人工标注的方式为每组显示图像设置相应的显示状态的标签，从而得到上述数据，然后使用设备后的数据对神经网络模型进行训练，得到上述预设模型。

步骤S106，发送显示图像以及控制面板的显示状态至用户终端，其中，在用户终端上显示显示图像以及显示状态。

在一种可选的实施例中，在确定控制面板的显示状态后，将控制面板的待显示区域的显示图像以及控制面板的显示状态通过无线通信模块(例如，WIFI模块)发送到远程用户终端上，用户通过用户终端即可确定设备是否正常运行，以及在设备端对设备进行操作的工作人员的操作是否正确。当发现设备运行异常或者工作人员的操作步骤出现错误时，用户可通过用户终端向维修人员发起故障请求，以维修设备，或者通过用户终端向工作人员发出警告，以纠正工作人员的操作，避免事故的发生。此外，上述用户终端可以为但不限于智能手机、平板、电脑等具有显示屏的设备。

基于上述步骤S102至步骤S106所限定的方案可以获知，通过获取设备的控制面板上的待显示区域的显示图像，使用预设模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，发送显示图像以及控制面板的显示状态至用户终端，其中，由安装在设备上的图像采集装置采集显示图像，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签，在用户终端上显示显示图像以及显示状态。

容易注意到的是，由于获取的是控制面板上的待显示区域的显示状态，因此可以达到对控制面板上待显示区域的显示状态进行实时监测。其中，控制面板的显示状态可以反映设备的运行状态，因此，可以根据获取到的控制面板的显示图像进一步确定设备是否正常运行，从而达到了对设备的运行状态进行监测的目的。此外，本申请获取的是控制面板的图像信息(此处的图像信息可以为但不限于静态的图片以及动态的视频)，用户通过用户终端可直观地获取到控制面板的显示状态，进一步达到了提高用户体验效果的技术效果。

由上述内容可知，本实施例可以达到对设备的控制面板的显示状态进行实时监控的目的，从而实现了根据设备的控制面板的显示状态确定设备是否正常运行的技术效果，进而解决了现有技术中无法对设备的控制面板的显示状态进行监控的技术问题。

需要说明的是，当控制面板的表面积比较大时，图像采集装置不能采集到整个控制面板的图像。在采集控制面板上需要在用户终端上显示的待显示区域之前，需要确定控制面板的待显示区域。具体方法如下：

步骤S202，确定控制面板的待显示区域；

步骤S204，根据待显示区域获取控制面板的显示图像。

在一种可选的实施例中，用户可通过用户终端远程控制摄像头(即图像采集装置)，调整摄像头的姿态信息，例如，调整摄像头向左旋转的角度、摄像头向下旋转的角度等，在调整好摄像头的姿态信息之后，图像采集装置采集到的控制面板的显示区域的图像即为待显示区域的图像。其中，用户在设置摄像头的姿态信息之后，将采集图像的采集指令发送给设备，设备中的控制器根据接收到的控制指令确定控制面板的待显示区域，如图3所示的一种可选的显示图像的方法流程图，显示图像的方法具体包括如下步骤：

步骤S302，接收用户终端发送的采集指令；

步骤S304，根据采集指令确定图像采集装置的姿态信息；

步骤S306，根据姿态信息调整图像采集装置所能采集到的图像的采集区域，其中，采集区域表征控制面板的待显示区域。

具体的，设备通过WIFI模块可接收到用户终端发送的采集图像的采集指令，设备的控制器对采集指令进行解析，得到图像采集装置的姿态信息，控制器在解析得到图像采集装置的姿态信息之后，根据图像采集装置的姿态信息对图像采集装置进行调整，以使图像采集装置能够采集到控制面板上的待显示区域的显示图像。

需要说明的是，控制器在获取到图像采集装置采集到的显示图像之后，还需要对显示图像进行校正处理，例如，对图像进行灰度校正和几何校正，以使用户能够看到符合人类视觉要求的图像。

在一种可选的实施例中，在发送显示图像以及控制面板的显示状态至用户终端之后，如果控制器确定显示状态为异常状态，则控制器还可以进一步确定控制面板的故障类型，具体方法如下：

步骤S108a，在确定显示状态异常的情况下，确定异常状态对应的显示图像为故障图像；

步骤S110a，使用故障模型对故障图像进行分析，确定控制面板的故障类型，其中，故障模型为使用多组故障数据通过机器学习训练得到的，多组故障数据中的每组故障数据包括：故障图像以及故障图像中的控制面板的故障类型的标签；

步骤S112a，发送故障类型至用户终端。

具体的，为了能够得到控制面板的故障类型，可以通过建立神经网络模型，预先获取多组包含有控制面板上的指示灯的显示状态、控制按钮的缺损状态或者是用户操作控制按钮的操作顺序等故障数据，并通过人工标注的方式为每组故障数据设置对应的故障类型，例如，在设备运行的过程中，电源指示灯处于熄灭状态，则人工标注控制面板的故障类型为电源故障。在对故障类型进行标注之后，通过神经网络模型对其进行训练从而得到上述故障模型。在确定显示状态异常的情况下，控制器获取到该显示状态下对应的显示图像，将其作为故障模型的输入，并获取故障模型是输出，即故障类型，此时，控制器通过WIFI模块将故障类型发送给用户终端，用户终端在接收到包含故障类型的信息之后，可根据故障类型执行解决方案。

在另一种可选的实施例中，在发送显示图像以及控制面板的显示状态至用户终端之后，由用户终端来确定设备或控制面板的故障类型，具体方法包括如下步骤：

步骤S108b，在确定显示状态异常的情况下，用户终端确定异常状态对应的显示图像为故障图像；

步骤S110b，使用故障模型对故障图像进行分析，用户终端确定控制面板的故障类型，其中，故障模型为使用多组故障数据通过机器学习训练得到的，多组故障数据中的每组故障数据包括：故障图像以及故障图像中的控制面板的故障类型的标签。

需要说明的是，在用户终端侧通过故障模型来分析得到控制面板的故障类型的方法，与在设备侧确定故障类型的方法相同，在此不再赘述。

实施例2

根据本发明实施例，还提供了一种显示图像的装置实施例。其中，图4是根据本发明实施例的显示图像的装置结构示意图，如图4所示，该装置包括：获取模块401、确定模块403以及发送模块405。

其中，获取模块401，用于获取设备的控制面板上的待显示区域的显示图像，其中，由安装在设备上的图像采集装置采集显示图像；确定模块403，用于使用预设模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，其中，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签；发送模块405，用于发送显示图像以及控制面板的显示状态至用户终端，其中，在用户终端上显示显示图像以及显示状态。

需要说明的是，上述获取模块401、确定模块403以及发送模块405对应于实施例1中的步骤S102至步骤S106，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的实施例中，显示图像的装置还包括：第一确定模块以及第一获取模块。其中，第一确定模块，用于确定控制面板的待显示区域；第一获取模块，用于根据待显示区域获取控制面板的显示图像。

需要说明的是，上述第一确定模块以及第一获取模块对应于实施例1中的步骤S202至步骤S204，两个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的实施例中，第一确定模块包括：接收模块、第二确定模块以及调整模块。其中，接收模块，用于接收用户终端发送的采集指令；第二确定模块，用于根据采集指令确定图像采集装置的姿态信息；调整模块，用于根据姿态信息调整图像采集装置所能采集到的图像的采集区域，其中，采集区域表征控制面板的待显示区域。

需要说明的是，上述接收模块、第二确定模块以及调整模块对应于实施例1中的步骤S302至步骤S306，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的实施例中，显示图像的装置还包括：第三确定模块、第四确定模块以及第一发送模块。其中，第三确定模块，用于在确定显示状态异常的情况下，确定异常状态对应的显示图像为故障图像；第四确定模块，用于使用故障模型对故障图像进行分析，确定控制面板的故障类型，其中，故障模型为使用多组故障数据通过机器学习训练得到的，多组故障数据中的每组故障数据包括：故障图像以及故障图像中的控制面板的故障类型的标签；第一发送模块，用于发送故障类型至用户终端。

需要说明的是，上述第三确定模块、第四确定模块以及第一发送模块对应于实施例1中的步骤S108a至步骤S112a，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的实施例中，显示图像的装置还包括：第五确定模块以及第六确定模块。其中，第五确定模块，用于在确定显示状态异常的情况下，用户终端确定异常状态对应的显示图像为故障图像；第六确定模块，用于使用故障模型对故障图像进行分析，用户终端确定控制面板的故障类型，其中，故障模型为使用多组故障数据通过机器学习训练得到的，多组故障数据中的每组故障数据包括：故障图像以及故障图像中的控制面板的故障类型的标签。

需要说明的是，上述第五确定模块以及第六确定模块对应于实施例1中的步骤S108b至步骤S110b，两个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

实施例3

根据本发明实施例，还提供了一种显示图像的***实施例。其中，图5是根据本发明实施例的显示图像的***结构示意图，如图5所示，该***包括：控制器501以及用户终端503。

其中，控制器501，用于获取设备的控制面板上的待显示区域的显示图像，并使用预设模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，其中，由安装在设备上的图像采集装置采集显示图像，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签；用户终端503，用于接收并显示显示图像以及控制面板的显示状态。

需要说明的是，设备包括控制器、图像采集装置以及控制面板，其中，控制器可对图像采集装置所采集到的图像进行处理，包括但不限于对采集到的图像进行图像校正以及图像识别。

由此可知，通过控制器获取设备的控制面板上的待显示区域的显示图像，并使用预先模型对显示图像进行分析，确定显示图像中的控制面板的显示状态是否正常，用户终端接收并显示显示图像以及控制面板的显示状态，其中，由安装在设备上的图像采集装置采集显示图像，预设模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：显示图像以及标识控制面板的显示状态的标签。

容易注意到的是，由于获取的是控制面板上的待显示区域的显示状态，因此可以达到对控制面板上待显示区域的显示状态进行实时监测。其中，控制面板的显示状态可以反映设备的运行状态，因此，可以根据获取到的控制面板的显示图像进一步确定设备是否正常运行，从而达到了对设备的运行状态进行监测的目的。此外，本申请获取的是控制面板的图像信息(此处的图像信息可以为但不限于静态的图片以及动态的视频)，用户通过用户终端可直观地获取到控制面板的显示状态，进一步达到了提高用户体验效果的技术效果。

由上述内容可知，本实施例可以达到对设备的控制面板的显示状态进行实时监控的目的，从而实现了根据设备的控制面板的显示状态确定设备是否正常运行的技术效果，进而解决了现有技术中无法对设备的控制面板的显示状态进行监控的技术问题。

在一种可选的实施例中，控制器还用于确定控制面板的待显示区域；根据待显示区域获取控制面板的显示图像。

在一种可选的实施例中，控制器还用于接收用户终端发送的采集指令；根据采集指令确定图像采集装置的姿态信息；根据姿态信息调整图像采集装置所能采集到的图像的采集区域，其中，采集区域表征控制面板的待显示区域。

在一种可选的实施例中，控制器还用于在确定显示状态异常的情况下，确定异常状态对应的显示图像为故障图像；使用故障模型对故障图像进行分析，确定控制面板的故障类型，其中，故障模型为使用多组故障数据通过机器学习训练得到的，多组故障数据中的每组故障数据包括：故障图像以及故障图像中的控制面板的故障类型的标签；发送故障类型至用户终端。

在一种可选的实施例中，用户终端还用于在确定显示状态异常的情况下，用户终端确定异常状态对应的显示图像为故障图像；使用故障模型对故障图像进行分析，用户终端确定控制面板的故障类型，其中，故障模型为使用多组故障数据通过机器学习训练得到的，多组故障数据中的每组故障数据包括：故障图像以及故障图像中的控制面板的故障类型的标签。

实施例4

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行实施例1中的显示图像的方法。

实施例5

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行实施例1中的显示图像的方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以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全部或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(可为个人计算机、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、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种显示图像的方法，其特征在于，包括：

获取设备的控制面板上的待显示区域的显示图像，其中，由安装在所述设备上的图像采集装置采集所述显示图像；

使用预设模型对所述显示图像进行分析，确定所述显示图像中的控制面板的显示状态是否正常，其中，所述预设模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：所述显示图像以及标识所述控制面板的显示状态的标签；

发送所述显示图像以及所述控制面板的显示状态至用户终端，其中，在所述用户终端上显示所述显示图像以及所述显示状态。

2.根据权利要求1所述的方法，其特征在于，在获取设备的控制面板上的待显示区域的显示图像之前，所述方法还包括：

确定所述控制面板的待显示区域；

根据所述待显示区域获取所述控制面板的显示图像。

3.根据权利要求2所述的方法，其特征在于，确定所述控制面板的待显示区域包括：

接收所述用户终端发送的采集指令；

根据所述采集指令确定所述图像采集装置的姿态信息；

根据所述姿态信息调整所述图像采集装置所能采集到的图像的采集区域，其中，所述采集区域表征所述控制面板的待显示区域。

4.根据权利要求1所述的方法，其特征在于，在发送所述显示图像以及所述控制面板的显示状态至用户终端之后，所述方法还包括：

在确定所述显示状态异常的情况下，确定异常状态对应的显示图像为故障图像；

使用故障模型对所述故障图像进行分析，确定所述控制面板的故障类型，其中，所述故障模型为使用多组故障数据通过机器学习训练得到的，所述多组故障数据中的每组故障数据包括：所述故障图像以及所述故障图像中的控制面板的故障类型的标签；

发送所述故障类型至所述用户终端。

5.根据权利要求1所述的方法，其特征在于，在发送所述显示图像以及所述控制面板的显示状态至用户终端之后，所述方法还包括：

在确定所述显示状态异常的情况下，所述用户终端确定异常状态对应的显示图像为故障图像；

使用故障模型对所述故障图像进行分析，所述用户终端确定所述控制面板的故障类型，其中，所述故障模型为使用多组故障数据通过机器学习训练得到的，所述多组故障数据中的每组故障数据包括：所述故障图像以及所述故障图像中的控制面板的故障类型的标签。

6.一种显示图像的装置，其特征在于，包括：

获取模块，用于获取设备的控制面板上的待显示区域的显示图像，其中，由安装在所述设备上的图像采集装置采集所述显示图像；

确定模块，用于使用预设模型对所述显示图像进行分析，确定所述显示图像中的控制面板的显示状态是否正常，其中，所述预设模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：所述显示图像以及标识所述控制面板的显示状态的标签；

发送模块，用于发送所述显示图像以及所述控制面板的显示状态至用户终端，其中，在所述用户终端上显示所述显示图像以及所述显示状态。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第一确定模块，用于确定所述控制面板的待显示区域；

第一获取模块，用于根据所述待显示区域获取所述控制面板的显示图像。

8.一种显示图像的***，其特征在于，包括：

控制器，用于获取设备的控制面板上的待显示区域的显示图像，并使用预设模型对所述显示图像进行分析，确定所述显示图像中的控制面板的显示状态是否正常，其中，由安装在所述设备上的图像采集装置采集所述显示图像，所述预设模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：所述显示图像以及标识所述控制面板的显示状态的标签；

用户终端，用于接收并显示所述显示图像以及所述控制面板的显示状态。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至5中任意一项所述的显示图像的方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的显示图像的方法。