CN113780594A - 一种服务器智能识别与巡检*** - Google Patents
一种服务器智能识别与巡检*** Download PDFInfo
- Publication number
- CN113780594A CN113780594A CN202111037835.0A CN202111037835A CN113780594A CN 113780594 A CN113780594 A CN 113780594A CN 202111037835 A CN202111037835 A CN 202111037835A CN 113780594 A CN113780594 A CN 113780594A
- Authority
- CN
- China
- Prior art keywords
- server
- model
- identification
- inspection
- 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
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- 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
- G06N3/045—Combinations of networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种服务器智能识别与巡检***,属于服务器智能识别技术领域,用于解决现有机房服务的资产报备工作量大及日常巡检效率低的技术问题。机房管理人员将录像视频或者图片资料上传***,利用模型检测算法对图像中的服务器进行型号识别,使用位置计算方法计算每台服务器在机柜中的位置;检测图片中服务器的指示灯区域,确定服务器指示灯的颜色信息,发现服务器当前的状态,形成巡检日志;将服务器型号、位置识别的结果和巡检结果进行对应,形成完整的机房设备统计表并及时更新,若出现故障,及时通知维护人员进行维护。本***代替人工巡检,减轻巡检、维护人员的工作量,实现智能巡检的目的,大大提高巡检的效率和质量。
Description
技术领域
本发明属于服务器智能识别技术领域,涉及一种服务器智能识别与巡检***。
背景技术
传统的机房服务器的资产报备,需要人工依次对每个机柜内的设备进行盘点、统计,具体包括服务器、磁盘阵列、路由器等设备。一般由于实际需求,会采购较多品牌和型号的网络设备,无疑增加了机房设备管理的工作量和难度。当服务器设备从机架移除、更换、增加时,需要对服务器资产信息包括型号、位置等进行更新。工作人员重新进行统计工作,形成资产报表。
机房网络设备的巡检是机房设备管理极其重要的一部分,当前机房设备的巡检多依靠人力来完成。工作人员需要每天进入机房,逐一查看机柜内各个设备当前的工作状态,是否出现设备的电源故障、设备宕机、风扇停转等问题,需要耗费较多的人力。服务器数量较少时,人工巡检可以满足需要;当机房规模较大,设备的数量激增,工作量大幅增加,且人工巡检存在不确定性,容易出现遗漏偏差,降低了巡检的质量。
随着人工智能技术的兴起,越来越多的图像目标检测算法被应用到现实场景中,逐步出现了一些应用人工智能技术的软硬件产品。基于机房资产盘点和巡检过程中出现的问题,利用图像目标检测技术,设计了机房机柜服务器与其它设备型号、位置识别以及服务器故障巡检***,简称服务器智能识别与巡检***;该***能够简化机房服务器资产报备的流程,减少巡检人员的工作量,提高服务器故障巡检的效率。
发明内容
本发明的目的是针对现有的技术存在上述问题,提出了一种服务器智能识别与巡检***,该装置要解决的技术问题是:如何简化机房服务器资产报备的流程,提高机房服务器巡检效率。
本发明的目的可通过下列技术方案来实现:
一种服务器智能识别与巡检***,包括***硬件,***硬件包括机柜服务器、摄像机、磁盘录像机、模型训练机以及模型测试机;摄像机架设在机房内,摄像机用于采集机柜服务器内设备的图像,通过磁盘录像机进行图像信息的传输、存储;模型训练机接收获得的不同型号服务器及设备图像信息,并在模型训练机上进行模型训练,调整优化模型参数,训练好的模型在模型测试机进行模型预测效果的测试,从而获得最优的检测效果;模型训练过程中,需要收集大量的机柜服务器和设备的图像数据,作为数据集,基于不同类型的服务器设备,训练YOLO网络模型,确定网络中各层的参数,得到一个分类模型,能够识别不同外观、型号的服务器类型,实现服务器型号的自主识别,代替人工查询和判断服务器型号;服务器智能识别与巡检***的运行步骤如下:
步骤一、摄像机定时采集机柜服务器内设备的图像或视频资料,机房管理人员使用HTTP协议将每日机房服务器实时视频及图片文件传入***;
步骤二、服务器智能识别与巡检***通过视频提取机柜服务器图片,或者依据上传***的图片,进行目标的特征提取,训练目标检测模型,通过目标检测算法识别机柜服务器的型号;
具体地,采用YOLO目标检测算法,利用工作人员上传的视频或图片资源,根据服务器以及其他设备型号和外观的差异,提取图像目标的特征,训练目标检测模型,确定网络权重,进行目标服务器的分类,从而区分不同型号的服务器和设备;其中,YOLO算法是指基于回归的目标检测算法,是一个可以一次性预测多个Box位置和类别的卷积神经网络,采用单个神经网络直接预测物品边界和类别概率,实现端到端的目标检测和识别,具有速度快的优势,能够对图像中目标特征进行快速检测和识别;
步骤三、基于服务器型号识别的结果,以及各服务器在图片中的位置信息,对比真实场景中不同高度服务器在机柜中所占U数(U数是指机柜中服务器的安装高度)的比例关系,推算各服务器在图片中应该占用的U数;利用图像目标识别中包含的位置信息,计算该服务器在机柜中的实际位置,从而确定服务器所在的U数;通过确定服务器在机柜中的具***置,从而判断机柜中是否有服务器等设备占用或者空置;
步骤四、***通过通过识别图片中服务器指示灯以及面板位置,提取服务器指示灯特征,检测指示灯的颜色信息,根据显示的颜色信息确定服务器的工作状态,判断设备运行在正常状态或存在故障;***通过服务器图片指示灯颜色特征的自动进行故障识别,代替人工实现智能巡检;根据检测的结果,形成巡检日志,通报给工作人员,方便巡检人员快速定位故障服务器,并进行后期的维护,提高巡检的效率;
步骤五、基于型号识别与位置计算的结果,每日或者不定期形成当前机房设备统计表,完成资产的盘点,并将其提供给机房管理人员;***每日对资产进行统计获得一个结果,将当日统计结果与前一日统计结果对比,根据每个机柜中服务器资产的分布情况,确定机柜中的设备是否出现移除、增添、更换等,明确资产的变动,完成资产信息的更新,并将巡检信息保存下来,并通知给管理人员,方便核对。
其中,为监督工作人员按时完成每日的巡检任务,在拍摄的照片或者视频中添加负责人信息,需要在采集到的机房服务器图片中添加拍摄时间、拍摄地点以及机柜号等信息,保证拍摄质量。
根据目标检测算法,可以实现服务器及其他设备的分类,区分不同类型、型号的服务器。为实现每一台设备的精准区分,采用RFID射频识别技术进行设备识别(RFID射频识别技术一种无线通信技术,可以通过无线电讯号识别特定目标并读写相关数据,而无需识别***与特定目标之间建立机械或者光学接触,通过RFID标签和识别器可以快速准确的进行身份识别,是一种广泛运用的电子识别技术,具体工作原理不在加以赘述),在每台服务器与网络设备上粘贴唯一ID的RFID电子标签,并配备能够读取电子标签的读写器,借助于数据管理***,工作人员通过配备的读写器,读取电子标签的内容,对每一台服务器或其他常用的网络设备进行身份识别,根据型号识别与位置计算结果,精准识别和定位每台设备,生成准确的机房设备统计表和巡检日志。
与现有技术相比,本服务器智能识别与巡检***具有以下优点:
1、本发明主要采用了图像目标检测技术,使用机器学习的方法,实现了机柜服务器类型、型号及所在机柜中位置的检测,另外,根据获得的图像信息,检测服务器指示灯点亮情况,从而确定服务器的工作状态。
首先,需要收集大量的机柜服务器和设备的图像数据,作为数据集,基于不同类型的服务器设备,训练YOLO网络模型,确定网络中各层的参数,得到一个分类模型,能够识别不同外观、型号的服务器类型,实现服务器型号的自主识别,代替人工查询和判断服务器型号。
其次,在型号识别的基础上,本发明专利考虑服务器在机柜中的位置信息,以方便统计服务器数量。根据图片信息计算每台服务器在机柜中的U数,确定服务器资产,形成资产报表,避免了人工资产盘查的环节。通过对比每日资产的情况,实现资产的核对,统计检查是否存在设备的替换、添加、移除等,完善资产盘查的流程。
最后,应对机房服务器的巡检问题,通过工作人员上传的机柜视频或者图片,检测对应机柜中服务器以及其他设备的指示灯、面板显示位置,判断指示灯当前颜色,对比正常状态指示灯的点亮情况,从而确定此时服务器的状态,是否存在电源故障、服务器宕机及其他故障,代替人工巡检,减轻巡检、维护人员的工作量,实现智能巡检的目的,提高巡检的效率和质量。本***能够根据收集的图形资料,进行自动识别和统计,生成巡检日志和机房设备统计表,大大减少了人工工作量,提高工作效率。
2、本***前期利用获得的不同型号的服务器及设备图片在模型训练机上进行模型的训练,调整优化模型参数,将训练好的模型在模型测试机进行模型预测效果的测试,从而获得最优的检测效果,保证***运行稳定性和智能识别的精准度。
附图说明
图1是本发明的***硬件结构结构示意图;
图2是本发明的操作流程示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
下面详细描述本专利的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本专利,而不能理解为对本专利的限制。
请参阅图1-2,本实施例提供了一种服务器智能识别与巡检***,包括***硬件,***硬件包括机柜服务器、摄像机、磁盘录像机、模型训练机以及模型测试机;摄像机架设在机房内,摄像机用于采集机柜服务器内设备的图像,通过磁盘录像机进行图像信息的传输、存储,模型训练机接收获得的不同型号服务器及设备图像信息,并在模型训练机上进行模型训练,调整优化模型参数,训练好的模型在模型测试机进行模型预测效果的测试,从而获得最优的检测效果;模型训练过程中,需要收集大量的机柜服务器和设备的图像数据,作为数据集,基于不同类型的服务器设备,训练YOLO网络模型,确定网络中各层的参数,得到一个分类模型,能够识别不同外观、型号的服务器类型,实现服务器型号的自主识别,代替人工查询和判断服务器型号;服务器智能识别与巡检***的运行步骤如下,
1、摄像机定时采集机柜服务器内设备的图像或视频资料,机房管理人员使用HTTP协议将每日机房服务器实时视频及图片文件传入***;
2、服务器智能识别与巡检***通过视频提取机柜服务器图片,或者依据上传***的图片,进行目标的特征提取,训练目标检测模型,通过目标检测算法识别机柜服务器的型号;具体地,采用YOLO目标检测算法,利用工作人员上传的视频或图片资源,根据服务器以及其他设备型号和外观的差异,提取图像目标的特征,训练目标检测模型,确定网络权重,进行目标服务器的分类,从而区分不同型号的服务器和设备;其中,YOLO算法是指基于回归的目标检测算法,是一个可以一次性预测多个Box位置和类别的卷积神经网络,采用单个神经网络直接预测物品边界和类别概率,实现端到端的目标检测和识别,具有速度快的优势,能够对图像中目标特征进行快速检测和识别。
3、基于服务器型号识别的结果,以及各服务器在图片中的位置信息,对比真实场景中不同高度服务器在机柜中所占U数的比例关系,推算各服务器在图片中应该占用的U数;利用图像目标识别中包含的位置信息,计算该服务器在机柜中的实际位置,从而确定服务器所在的U数;通过确定服务器在机柜中的具***置,从而判断机柜中是否有服务器等设备占用或者空置;
4、***通过通过识别图片中服务器指示灯以及面板位置,提取服务器指示灯特征,检测指示灯的颜色信息,根据显示的颜色信息确定服务器的工作状态,判断设备运行在正常状态或存在故障;***通过服务器图片指示灯颜色特征的自动进行故障识别,代替人工实现智能巡检;根据检测的结果,形成巡检日志,通报给工作人员,方便巡检人员快速定位故障服务器,并进行后期的维护,提高巡检的效率;
5、基于型号识别与位置计算的结果,每日或者不定期形成当前机房设备统计表,完成资产的盘点,并将其提供给机房管理人员;***每日对资产进行统计获得一个结果,将当日统计结果与前一日统计结果对比,根据每个机柜中服务器资产的分布情况,确定机柜中的设备是否出现移除、增添、更换等,明确资产的变动,完成资产信息的更新,并将巡检信息保存下来,并通知给管理人员,方便核对。
其中,为监督工作人员按时完成每日的巡检任务,在拍摄的照片或者视频中添加负责人信息,需要在采集到的机房服务器照片或者视频中添加拍摄时间、拍摄地点以及机柜号等信息,保证拍摄质量。
工作人员也可以采用手机或相机替代摄像机对服务器机柜进行图像资料的采集,在上传***时,添加负责人信息(拍摄时间、拍摄地点以及机柜号等信息)。
根据目标检测算法,可以实现服务器及其他设备的分类,区分不同类型、型号的服务器。为实现每一台设备的精准区分,采用RFID射频识别技术进行设备识别,在每台服务器与网络设备上粘贴唯一ID的RFID电子标签,并配备能够读取电子标签的读写器,借助于数据管理***,工作人员通过配备的读写器,读取电子标签的内容,对每一台服务器或其他常用的网络设备进行身份识别,根据型号识别与位置计算结果,精准识别和定位每台设备,生成准确的机房设备统计表和巡检日志。
服务器指示灯、仪表盘、液晶面板等是服务器状态的重要体现,服务器智能识别与巡检***通过识别图片中服务器指示灯以及面板位置,检测指示灯的颜色信息,根据显示的颜色信息确定服务器的工作状态,判断设备运行在正常状态或存在故障;根据检测的结果,形成巡检日志,通报给工作人员,方便巡检人员快速定位故障服务器,并进行后期的维护,提高巡检的效率。
本发明中,上述机柜服务器、摄像机、磁盘录像机、模型训练机、模型测试机和基于RFID射频识别技术的电子标签和读取器等硬件部分均属于现有技术,YOLO目标检测算法的计算过程是本领域技术人员基于本技术方案能够实施的,不在加以赘述。
本发明提供的一种服务器智能识别与巡检***,通过确立服务器识别技术方案,选择合适的分类网络,进行模型的训练,模型网络结构的调整,参数的优化,改善模型的检测精度。前期利用获得的不同型号的服务器及设备图片在模型训练机上进行模型的训练,调整优化模型参数,将训练好的模型在模型测试机进行模型预测效果的测试,从而获得最优的检测效果。
本***利用图像目标检测技术,训练图像目标检测模型,检测机柜中不同类型的网络设备,包括服务器、路由器等设备;根据图像目标检测的结果,结合服务器设备位置计算方法,确定每台服务器在机柜中的确切位置;根据获得的视频或图片信息,检测每台服务器及其他网络设备上的指示灯显示情况,推断服务器的工作状态,通知维护人员及时地维护设备;根据每日机柜服务器图像检测的结果,确定服务器数量、型号、位置等详细的资产情况,形成报表,并对比当日资产统计与前一日资产统计的结果,盘点是否存在设备的替换、移动、添加,形成资产的核对,确立服务器的变动情况,完成资产信息的更新,并通知给管理人员。智能巡检在很大程度上方便了机房服务器的资产盘点工作,且节约了人力成本。
上面对本专利的较佳实施方式作了详细说明,但是本专利并不限于上述实施方式,在本领域的普通技术人员所具备的知识范围内,还可以在不脱离本专利宗旨的前提下做出各种变化。
Claims (4)
1.一种服务器智能识别与巡检***,包括***硬件,其特征在于,所述***硬件包括机柜服务器、摄像机、磁盘录像机、模型训练机以及模型测试机;摄像机架设在机房内,摄像机用于采集机柜服务器内设备的图像,通过磁盘录像机进行图像信息的传输、存储,模型训练机接收获得的不同型号服务器及设备图像信息,并在模型训练机上进行模型训练,调整优化模型参数,训练好的模型在模型测试机进行模型预测效果的测试,获得最优的检测效果;服务器智能识别与巡检***的运行步骤如下:
步骤一、摄像机定时采集机柜服务器内设备的图像或视频资料,机房管理人员使用HTTP协议将每日机房服务器实时视频或图片文件传入***;
步骤二、采用YOLO目标检测算法进行服务器型号识别,通过工作人员上传的视频或图片资源,根据服务器以及其他设备型号和外观的差异,提取图像目标的特征,训练目标检测模型,确定网络权重,进行目标服务器的分类,区分不同型号的服务器和设备;
步骤三、基于服务器型号识别的结果,以及各服务器在图片中的位置信息,对比真实场景中不同高度服务器在机柜中所占U数的比例关系,推算各服务器在图片中应该占用的U数,通过确定服务器在机柜中的具***置,从而判断机柜中是否有服务器等设备占用或者空置;
步骤四、***通过通过识别图片中服务器指示灯以及面板位置,提取服务器指示灯特征,检测指示灯的颜色信息,根据显示的颜色信息确定服务器的工作状态,判断设备运行在正常状态或存在故障;***通过服务器图片指示灯颜色特征的自动进行故障识别,代替人工实现智能巡检;根据检测的结果,形成巡检日志,通报给工作人员;
步骤五、基于型号识别与位置计算的结果,每日或者不定期形成当前机房设备统计表,完成资产的盘点,并将其提供给机房管理人员;***每日对资产进行统计获得一个结果,将当日统计结果与前一日统计结果对比,根据每个机柜中服务器资产的分布情况,确定机柜中的设备是否出现移除、增添、更换等,明确资产的变动,完成资产信息的更新,并将巡检信息保存下来,并通知给管理人员。
2.根据权利要求1所述的一种服务器智能识别与巡检***,其特征在于,所述模型训练过程中,需要收集大量的机柜服务器和设备的图像数据,作为数据集,基于不同类型的服务器设备,训练YOLO网络模型,确定网络中各层的参数,得到一个分类模型,能够识别不同外观、型号的服务器类型,实现服务器型号的自主识别,代替人工查询和判断服务器型号。
3.根据权利要求1或2所述的一种服务器智能识别与巡检***,其特征在于,在每台服务器与网络设备上粘贴唯一ID的RFID电子标签,并配备能够读取电子标签的读写器,采用RFID射频识别技术进行设备识别,工作人员通过配备的读写器,读取RFID电子标签的内容,对每一台服务器或其他常用的网络设备进行身份识别,根据型号识别与位置计算结果,精准识别和定位每台设备,生成准确的机房设备统计表和巡检日志。
4.根据权利要求3所述的一种服务器智能识别与巡检***,其特征在于,步骤一中,机房管理人员在上传实视频或图片文件中添加负责人信息,在采集到的机房服务器照片或者视频中添加拍摄时间、拍摄地点以及机柜号等信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037835.0A CN113780594A (zh) | 2021-09-06 | 2021-09-06 | 一种服务器智能识别与巡检*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037835.0A CN113780594A (zh) | 2021-09-06 | 2021-09-06 | 一种服务器智能识别与巡检*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113780594A true CN113780594A (zh) | 2021-12-10 |
Family
ID=78841189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111037835.0A Pending CN113780594A (zh) | 2021-09-06 | 2021-09-06 | 一种服务器智能识别与巡检*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780594A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114578815A (zh) * | 2022-02-25 | 2022-06-03 | 苏州浪潮智能科技有限公司 | 一种智能清洁服务器机柜的机房、智能清洁方法 |
CN116452186A (zh) * | 2023-03-30 | 2023-07-18 | 中泰信达环保科技(武汉)有限公司 | 应用于污水处理厂的巡检管理***及方法 |
CN117315368A (zh) * | 2023-10-23 | 2023-12-29 | 龙坤(无锡)智慧科技有限公司 | 一种大规模数据中心智能运维巡检方法 |
-
2021
- 2021-09-06 CN CN202111037835.0A patent/CN113780594A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114578815A (zh) * | 2022-02-25 | 2022-06-03 | 苏州浪潮智能科技有限公司 | 一种智能清洁服务器机柜的机房、智能清洁方法 |
CN114578815B (zh) * | 2022-02-25 | 2024-01-26 | 苏州浪潮智能科技有限公司 | 一种智能清洁服务器机柜的机房、智能清洁方法 |
CN116452186A (zh) * | 2023-03-30 | 2023-07-18 | 中泰信达环保科技(武汉)有限公司 | 应用于污水处理厂的巡检管理***及方法 |
CN116452186B (zh) * | 2023-03-30 | 2024-03-01 | 中泰信达环保科技(武汉)有限公司 | 应用于污水处理厂的巡检管理***及方法 |
CN117315368A (zh) * | 2023-10-23 | 2023-12-29 | 龙坤(无锡)智慧科技有限公司 | 一种大规模数据中心智能运维巡检方法 |
CN117315368B (zh) * | 2023-10-23 | 2024-04-23 | 龙坤(无锡)智慧科技有限公司 | 一种大规模数据中心智能运维巡检方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113780594A (zh) | 一种服务器智能识别与巡检*** | |
CN102616613B (zh) | 一种电梯监控*** | |
CN111508097B (zh) | 场地巡检方法、装置、设备及存储介质 | |
CN109325605A (zh) | 基于增强现实ar技术的电力信通机房巡检平台及巡检方法 | |
CN110070322A (zh) | 一种分布式智能盘点的资产管理方法 | |
CN112770088A (zh) | 一种ai视频联动感知监控*** | |
CN112101495A (zh) | 一种风险监测方法、***和相关设备 | |
CN107563523A (zh) | 基于非结构化流视频管理***的运维管理平台及方法 | |
CN112687022A (zh) | 一种基于视频的智能楼宇巡检方法及*** | |
CN113239750A (zh) | 一种电力营业厅人员行为检测***、方法、设备及应用 | |
CN115395646A (zh) | 一种数字孪生式牵引变电所智慧运维*** | |
CN111561943A (zh) | 一种机器人巡检方法及*** | |
CN109117526A (zh) | 一种适用于机械***设备维修指引数据记录及分析*** | |
CN110412524A (zh) | 一种风廓线雷达标准输出控制器*** | |
CN115695541A (zh) | 基于边缘计算的网点巡检监测方法、装置、设备及存储介质 | |
CN111045889A (zh) | 封闭网络设备状态监测***、方法、装置及可读存储介质 | |
CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检***及巡检方法 | |
CN115861173A (zh) | 基于数字孪生和ai的分光器资源准确性自动检测***和方法 | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控***和方法 | |
CN117978969A (zh) | 一种应用于养殖业的ai视频管理平台 | |
CN110309737A (zh) | 一种应用于香烟柜台的信息处理方法、装置及*** | |
CN112449019A (zh) | 一种ims智能物联网运维管理平台 | |
CN113038079A (zh) | 一种基于5g+mec的定位视频联动***和方法 | |
CN107657481A (zh) | 一种广告牌匾监测方法及*** | |
CN112348306A (zh) | 一种面向配电运检中的TitanOS人工智能开发方法及装置 |
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 |