CN116994352A - 一种基于智能防静电地板的机房定期巡检监测*** - Google Patents
一种基于智能防静电地板的机房定期巡检监测*** Download PDFInfo
- Publication number
- CN116994352A CN116994352A CN202310963435.5A CN202310963435A CN116994352A CN 116994352 A CN116994352 A CN 116994352A CN 202310963435 A CN202310963435 A CN 202310963435A CN 116994352 A CN116994352 A CN 116994352A
- Authority
- CN
- China
- Prior art keywords
- monitoring system
- sensor
- data
- floor
- inspection
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 74
- 238000007689 inspection Methods 0.000 claims abstract description 111
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 230000000737 periodic effect Effects 0.000 claims abstract description 13
- 239000003550 marker Substances 0.000 claims description 59
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- OSGAYBCDTDRGGQ-UHFFFAOYSA-L calcium sulfate Chemical compound [Ca+2].[O-]S([O-])(=O)=O OSGAYBCDTDRGGQ-UHFFFAOYSA-L 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000013136 deep learning model Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于智能防静电地板的机房定期巡检监测***,包括,巡检机器人,传感器网络及监测***,所述监测***分别与所述巡检机器人及传感器网络无线连接;其中,通过巡检机器人采集智能防静电地板上方空间的图像数据及第一环境数据,并对图像数据进行识别;通过传感器网络采集智能防静电地板下方空间的第二环境数据;所述监测***用于接收识别结果、第一环境数据及第二环境数据,并对第一环境数据及第二环境数据进行阈值判断,并根据识别结果及判断结果进行报警。
Description
技术领域
本发明涉及机房监测技术领域,特别涉及一种基于智能防静电地板的机房定期巡检监测***。
背景技术
机房作为数据中心,对其进行监控已然成为了众多通信或网络行业的重要组成部分。由于现代机房数量多,配套设备多,传统的人工检查只能实现日常检查及定期检查,会增加工作人员的负担。当设备出现故障时,工作人员也需要先检查,不能准确定位,及时处理。传统的人工检查已不能满足现代机房的需要,现阶段出现智能机房监控***,但是现有的智能机房监控***一般采用悬挂式监控设备,其在防静电地板下方存在监控盲区,防静电地板下方存在布线及空余空间,地板下方的环境监测同样重要,上述监控设备无法有效对地板下方空间进行监控,同时机房定位一定采用基站定位,需要多个基站配合实现定位,定位基站部署数量较多且成本较高。
发明内容
为解决上述现有技术中机房监测所存在的问题,本发明提供一种基于智能防静电地板的机房定期巡检监测***,能够有效对智能防静电地板的上方空间及下方空间进行有效监测。
为了实现上述技术目的,本发明提供了如下技术方案:一种基于智能防静电地板的机房定期巡检监测***,包括:
巡检机器人,传感器网络及监测***,所述监测***分别与所述巡检机器人及传感器网络无线连接;
其中,通过巡检机器人采集智能防静电地板上方空间的图像数据及第一环境数据,并对图像数据进行识别;
通过传感器网络采集智能防静电地板下方空间的第二环境数据;
所述监测***用于接收识别结果、第一环境数据及第二环境数据,并对第一环境数据及第二环境数据进行阈值判断,并根据识别结果及判断结果进行报警。
可选的,所述巡检机器人上设置有温度传感器及湿度传感器,其中所述温度传感器及湿度传感器用于采集智能防静电地板上方空间的温湿度数据即第一环境数据。
可选的,所述巡检机器人上还设置控制器、深度相机、加速度传感器及惯性传感器;
其中,通过深度相机采集包含有标识物组合的深度图像;
通过所述加速度传感器及惯性传感器采集巡检机器人的加速度数据及转向数据;
通过控制器对加速度数据进行时域积分,生成移动位移,并根据初始时间、巡检实时时间、移动位移及转向数据生成第一实时位置,将所述第一实时位置作为定位信息传输给监测***;
并对深度图像中的标识物组合进行识别,识别后对标识物组合进行判断,并根据标识物组合判断结果识别标识物组合的角点数及行进方向,根据角点数据及行进方向查找标识物组合对应标定位置,并获取深度图像中的标识物组合的深度信息,根据深度信息及标定位置获取第二实时位置,在获取第二实时位置时,控制巡检机器人匀速行进并将所述第二实时位置作为定位信息传输给监测***,根据匀速行进速度及深度信息,得到第二时刻;
在巡检实时时间在第一时刻及第二时刻之间,根据第一时刻的位置、所述巡检实时时间及第一时刻的差值及匀速行进速度,得到第三实时位置,并将所述第三实时位置作为定位信息传输给监测***;其中第一时刻为标识物组合中标识物数量减少时刻,第二时刻为巡检机器人预测到达标识物组合对应标定位置的时刻;
当巡检实时时间达到第二时刻时,将第一实时位置作为定位信息传输给监测***以实现巡检机器人的定位信息获取。
可选的,所述标识物组合通过若干个标识物按固定方向排列形成,所述标识物为“+”形状,同时标识物的数量及巡检机器人的行进方向与标定位置对应。
可选的,所述巡检机器人上设置有第一图像传感器,其中通过第一图像传感器采集包含地板的第一图像数据;
通过处理器对第一图像数据进行分割识别,生成地板区域,并通过聚类算法对所述第一图像数据进行分割,生成地板损坏区域,并将地板损坏区域及对应定位信息传输给监测***。
可选的,所述巡检机器人上还设置有第二图像传感器,其中第二图像传感器采集包含机房设备的第二图像数据;
通过处理器对第二图像数据进行识别,并根据识别结果对故障指示灯进行判断,并将所述故障指示灯判断结果及对应定位信息传输给监测***。
可选的,所述传感器网络包括电流传感器、温度传感器、水分传感器及光照传感器,所述传感器网络通过网关设备与所述监测***无线连接。
可选的,所述监测***通过树形存储结构对接收的数据进行存储。
可选的,所述智能防静电地板采用硫酸钙OA智能网络地板。
本发明具有如下技术效果:
通过巡检机器人定期对机房中智能防静电地板上方空间进行巡检,并在地板上设置相关的标识物结合传感器定位的方式进行定位,同时对地板的损坏、故障指示灯的点亮、温湿度信息进行识别监测,通过传感器网络对智能防静电地板的下方进行环境信息进行采集,并将其传输给监测***,监测***进行报警,提醒相关人员进行查看,同时监测***提供相关数据存储方案,将碎片化信息有序化,方便相关人员的查看溯源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的***示意图。
具体实施方式
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,都属于本发明保护的范围。
如图1所述,本发明提供了一种基于智能防静电地板的机房定期巡检监测***,包括:巡检机器人、传感器网络及监测***;
在机房内,以智能防静电地板为参照,地板上方通过巡检机器人进行巡检,地板下方设置传感器网络进行相关数据的监测,并将巡检机器人的巡检数据及传感器网络的监测数据无线传输给监测***,监测***进行数据的监控,并根据相关阈值对不同的数据进行报警,以实现机房环境的监测。
通过巡检机器人进行定期的巡检,巡检机器人采用机房巡检机器人,巡检时间可预先设置根据实际需要巡检的情况确定。巡检机器人上搭载有图像传感器、温度传感器、湿度传感器、深度相机、加速度传感器及惯性传感器,图像传感器设置有两个,第一个图像传感器采集的数据用于监测地板上是否出现损坏,第二个图像传感器监测的数据用于判断是否出现故障指示灯点亮,温度传感器及湿度传感器监测巡检过程中的温度及水分数据,深度相机、加速度传感器及惯性传感器用于实现巡检机器人的定位,巡检机器人上内部设置有CPU处理器,处理器控制巡检机器人的移动及进行相关的数据处理。
巡检过程中需要实时确定巡检机器人的位置信息。本发明针对巡检机器人,选择传感器自身定位结合标识物定位的方式,通过在机房的地板上设置相关的标识物,在巡检机器人搭载相关传感器及深度相机对巡检机器人的位置进行确定,通过巡检机器人自身的传感器相机的测量,并使用统一标识物,能够不需要定位基站的使用,进一步解决基站识别定位芯片频率不通用及定位不准确的问题;
此巡检过程中,巡检机器人通过预先存储巡检机房的三维仿真模型,在三维仿真模型中设置巡检路径,通过预先设定的巡检路径,通过处理器控制机器人的速度及转向实现预设路径的巡检,并通过加速度传感器及惯性传感器实时检测机器人的移动位移及移动方向,移动位移通过加速度传感器进行时域积分的方式获取,惯性传感器可直接进行机器人的角度转动测量,通过上述两个传感器的所测量的数据解算,并结合实时时间,能够监测巡检机器人的移动路径,结合确定巡检机器人的初始位置及方向,在初始位置及方向确定后,以此为基础,在一定时间内巡检机器人行进多少路程,行进过程中的转向方向,能够绘制巡检机器人的相关路径,其路径最终的节点则为机器人的实时位置,根据上述数据能够测量生成巡检机器人的路径的实时位置;设置标识物对传感器检测的行驶路径进行校正;减少传感器组合定位时,由于存在微小误差进行时域积分引起长时间定位不准确的问题。
其通过标识物定位之前,需在智能防静电地板上预先设置标识物且标识物不存在服务器或其他设备的遮盖,在该实施例中将标识物设置为“+”形状,标识物尺寸不宜过大,同时标志物的横向及竖向需保留一定宽度,以保证能够检测出单个标识物形状的12个角点,标识物大小根据人工经验设置,满足上述条件即可,此处不做赘述,通过累加标识物的数量并整齐排列以形成标识物组合,以增加角点的数量,通过角点的数量与标识物的位置进行对应,在规划路径上,对标识物组合进行固定间隔的设置。固定间隔以人工经验进行设定。在标识物设置过程中,将标识物组合中第二个标识物的中心位置作为实际机房中的标定位置。
为了减少标识物数量的使用,在设置过程中,以机房的横向方向及竖向方向即机房平面的x轴y轴方向为参照,确定巡检机器人在巡检路径上的行进方向为横向还是竖向,在横向及竖向不同方向下,可采用同一方向的标识物排列方向,当巡检机器人识别出智能防静电地板上的标识物时,由于其行进方向不同,其深度相机所拍摄图像中的标识物的排列方向也不相同,当标识物组合中的标识物在机房内的排列方向均为横向时,巡检机器人横向移动时,深度相机拍摄的标识物排列方向为图像中的x方向,竖向移动时,深度相机拍摄的标识物排列方向在图像中为y方向,所以可根据巡检路径上的行进方向,对标识物组合进行分别设置,例如,当第一个标定位置对应行进方向为横向时,设置对应的标识物组合为横向排列的“++”,第二标定位置对应行进方向为竖向时,对应的标识物组合同样设置为横向排列“++”,当第三个标定位置对应行进方向为横向时,标识物组合设置为横向排列的“+++”,当第四个标定位置对应行进方向为横向时,标识物组合设置为横向排列的“++++”,当第五个对应行进方向标定位置为竖向时,标识物组合中的标识物设置为横向排列的“+++”,以此类推,由于其行进方向的不同,图像所呈现的标识物排列方向不同,能够对标定位置进行有效区分,进而能够减少一定的标识物数量的使用。
在标识物设置完成后,巡检机器人在行进过程中定位,首先使用加速度传感器及惯性传感器的组合定位,并在行进过程中通过识别模型识别深度相机所采集的图像中是否存在标识物组合,识别模型的模型结构可使用深度学习模型,如CNN网络、DNN网络,通过深度学习模型进行标识物训练生成识别模型,识别模型无法识别出标识物组合,则继续行进,同时使用传感器结合方式进行定位;
直到识别出相关标识物组合,在识别完成后,将标识物组合区域标注为感兴趣区域,通过感兴趣区域标注,剔除地板缝隙及机房设备的影响,并对感兴趣区域通过角点检测Fast算法进行角点识别,并统计角点的数量,判断其角点数量是否为12的倍数,若判断结果非12的倍数,则按照既定路线继续行进,同时使用传感器结合进行定位,即将传感器解算信息作为定位信息传输给监测***;
实时进行上述相关的识别标注统计判断过程,直到判断结果为12的倍数,此时根据角点的个数对应所述标识物所对应的位置,在标识物组合中的标识物实际在机房内的排列方向均为横向的情况下,对感兴趣区域的x轴及y轴方向上的像素点数量进行统计,当所述x轴的像素点数量大于y轴方向上的像素点数量时,则认为横向行进,选择横向行进的标识物组合数量对应的标定位置,当所述y轴方向上的像素点数量大于x轴方向上的像素点数量时,则认为竖向行进,选择竖向的标识物组合数量对应的标定位置,标定位置确定后,确定深度相机所拍摄的图像中第二个标识物的中心所在像素,并预先设置巡检机器人在地面投影的中心位置作为深度相机的世界坐标系原点,以巡检机器人的正向方向及垂直地面方向作为世界坐标系的x轴及z轴,通过深度相机的相机内外参数进行坐标***转换,生成第二个标识物的中心在世界坐标系下的深度信息,深度相机解算属于本领域常规技术,此处不做赘述。
由于世界坐标系原点的设置,该深度信息等同于第二个标识物的中心与巡检机器人之间的方位及距离,通过识别出的标识物组合的标定位置,标定位置与标识物组合数量行进方向数据的对应关系可通过预先设置存储如巡检机器人中,通过行进方向及数量的关键字搜索即可得到,标定位置作为基础点,深度信息为标定位置与巡检机器人的方位及距离差值,两者相结合,反向计算出巡检机器人所在位置,实时进行上述的识别判断及计算,能够实时计算得到巡检机器人所在位置,此时通过标识物组合能够识别巡检机器人位置时,替换传感器计算的位置信息将深度信息及标定位置反演的位置信息作为定位信息传输给监测***并控制巡检机器人的行进速度保持不变,并通过匀速移动的速度及标识物组合与巡检机器人的距离,计算巡检机器人预测到达标识物的时间。
记录感兴趣区域识别的标识物组合中标识物数量减少时刻为第一时刻,记录预测到达标识物时间为第二时刻。在第一时刻至第二时刻之间,该段位置无法被有效监测,此时,实时计算巡检机器人当前位置对应的时间与第一时刻的差值,将差值结合匀速行进的速度计算巡检机器人的行进距离,根据巡检机器人在第一时刻的位置解算得到当前巡检机器人的位置,将当前解算的位置信息替换传感器计算的位置信息作为定位信息传输给监测***,并在达到第二时刻时,以标识物标定位置为初始位置基础,记录匀速行进速度,以初始位置基础及匀速行进速度为基础,继续通过传感器组合的定位方法来确定行进位置,并将上述不同阶段的位置确定结果作为巡检机器人的定位信息传输给监测***。
巡检机器人通过传感器结合标识物定位的方式进行实时定位,在行进过程中通过深度相机对图像中不同像素的深度信息,统计其深度信息大小,并设置距离阈值,根据距离阈值实时对深度信息进行判断,当深度信息中的某一方向的数值小于距离阈值时,则进行报警,并停止行进,记录当前位置,以当前位置为初始位置基础,当前方物体移动后,再次进行行进,并进行实时定位。
在实时定位过程中,通过第一个图像传感器采集的数据进行地板损坏的识别。第一个图像传感器的拍摄角度尽量较多包含地板区域,在第一个图像传感器采集相关的机房环境图像过程中,巡检机器人中的处理器对防静电地板进行相关的损坏检测,地板的损坏主要体现为裂缝,对防静电地板的损坏进行判断,其中,需提取机房环境图像的地板区域,其中通过相关的聚类算法对不同的区域进行分割,分割出服务器与地板的区域,在提取地板区域后,通过聚类算法对地板的损坏进行再次分割,最终识别地板的裂缝;
在上述过程中,聚类算法采用k-means聚类算法进行分割,分割过程中,对于服务器及地板,首先设置相关的固定聚类簇数目,聚类簇数据根据服务器类型数量通过人工经验进行设置,在该实施例中,将固定聚类簇数目设置为2-4,设置完成后,通过聚类算法对图像中的像素进行聚类,并在不同的聚类区域中选择地板的聚类区域进行粗提取,提取完成后,确定地板区域;
在地板区域确定后,再次使用聚类算法分割地板区域中的损坏位置,此时地板区域以进行分割,其分割区域包含属于损坏位置的像素点及不属于损坏位置的像素点,若简单采用固定聚类簇数目分割方法,则会引进额外的像素点增加分割出的损坏位置像素点的数量,此时需要通过相关处理减少其损坏位置像素点的数量,在增加聚类簇数量的过程中,能够将额外的像素点转移到其他的聚类簇中,进而减少分割出的损坏位置像素点的数量,但是若盲目增加聚类簇数量,会将实际的损坏位置像素点转移到其他聚类区域的风险,此时需要选择最优的聚类簇数量,以保证保留相关损坏位置像素点并剔除额外的像素点。
在上述内容的原理基础上,同样需要预先对聚类算法的聚类簇数目进行预先设置,其现过程中的聚类簇数目,需要根据地板的图像通过手肘法对相关的聚类簇数目进行设置。此过程中,通过上述图像传感器采集相关的地板图像,在地板图像采集完成后,通过聚类算法对上述的地板图像进行分割,并将聚类簇数目为2时地板图像中属于损坏位置的像素点数量进行记录,记作初始像素点数量,然后依次增加聚类簇数目对地板图像进行迭代分割,迭代过程中聚类簇数目依次加一,记录不同聚类簇数目下损坏位置的像素点数量进行记录,记作迭代像素点数量,在迭代像素点数量进行获取后,分别计算初始像素点数量与迭代像素点数量的比值,通过手肘法确定上述比值的拐点,并确定拐点对应的迭代像素点数量对应聚类簇数目,作为最优聚类簇数目,若上述使用若干个地板图像,则对若干个地板图像对应的最优聚类簇数目进行统计,选择出现次数最多的最优聚类簇数目作为所使用的最优聚类簇数目,将上述损坏位置分割的聚类簇数量替换为最优聚类簇数目,使用最优聚类簇数目的聚类算法对实时采集的地板区域进行聚类识别,生成对应的地板损伤聚类结果,对地板损坏聚类后的地板区域中的损坏位置进行分割,得到损坏位置对应像素点以确定损坏大小及形状。
巡检机器人将该损坏信息即损坏大小及形状传输给监测***,监测***记录当前巡检机器人的对应位置,在后续查找时,相关人员以巡检机器人的对应位置向周边搜索查看,寻找损坏位置进行处理。
巡检机器人的第二个图像传感器对机房中的故障指示灯进行查找,第二个图像传感器的拍摄角度尽量较多拍摄机房设备,在巡检机器人行进过程中,实时采集机房设备的图像,并通过机房设备的识别模型,识别模型采用深度学习模型识别机房设备,深度学习模型可采用CNN网络或DNN网络,通过机房设备的相关历史图像对上述机房设备识别模型进行训练,通过使用机房设备的识别模型识别机房设备,在机房设备识别完成后,对机房设备进行感兴趣区域划分,划分后,由于故障指示灯具有统一的颜色,如红色,在感兴趣区域内对像素的RBG通道数值进行确定,同时对不同通道设置相关阈值,如R通道200、B通道20、G通道20,当R通道高于阈值且其他通道低于阈值时,则判定出现红色对应故障指示灯亮,并记录此时巡检机器人的位置及对应的第二图像传感器对应的图像及对应判断结果给监控中心,监控中心进行报警并记录。
巡检机器人上设置的温度传感器及湿度传感器实时采集地板上方空间的温度及湿度信息,并将温度及湿度信息传输给监控中心,监控中心实时监测温湿度信息,当超出一定阈值时,进行预警,温湿度阈值可根据人工经验进行确定。
巡检机器人在智能防静电地板上移动巡检,地板下设置传感器网络,智能防静电地板采用硫酸钙OA智能网络地板,该产品能够满足综合布线要求且在地板铺设好后,只需轻轻掀起地板即可布设、维修各类管线。在线路的重要位置设置无线电流传感器,重要位置可根据人工经验进行确定,在智能防静电地板下方空间设置温度传感器、水分传感器及光照传感器,上述传感器均使用无线传感器的安装位置可根据人工经验进行设置,同时也可以在下方空间等间距设置上述传感器,通过上述传感器组成传感器网络,通过单个网关负责上述传感器网络的通信,并通过多个网关与监测***进行通信,将传感器网络中的机房环境数据传输到监测***,其中监测***连接有多个网关设备,单个网关设备又连接传感器网络,通过网关设备的设置,提升传感器网络的拓展性,当传感器网络在传输数据时,对不同传感器进行标号,同时对网关设备进行标号,监测***接收传感器标号及网关设备标号的数据时,能够通过上述标号对应查找出对应位置的环境数据,同时采用上述的智能防静电地板,当某一位置出现故障时,不需要对地板进行破坏,方便地板下方的布线或环境的调整维修。
监测***在接收上述传感器网络所传输的数据后,对上述电流、温度、水分、光照数据分别设置预警阈值,预警阈值可根据人工经验设置,设置预警阈值后,当上述数据超出阈值时,监测***实时报警,其中报警方式采用声光或者弹出对话框的形式,报警后通过上述的形式进行报警。
监测***获取上述的巡检机器人及传感器网络的数据后,对上述数据进行显示并存储,其中监测***采用服务器,存储过程中,通过树形存储结构对上述内容进行存储,其中将机房信息作为最上位的根元素,将智能防静电地板的空间信息作为机房信息的下位子元素,智能防静电地板的空间信息包括上方信息和下方信息,上方信息对应巡检机器人,下方信息对应传感器网络,将巡检机器人采集数据作为上方信息的详细描述,并将传感器网络采集的数据作为下方信息的详细描述,同时对监测异常数据进行标注及提取,提取监测异常数据及对应的时间、位置及机房信息,通过上述存储结果将碎片化信息有序化,方便相关人员进行查看溯源。
通过巡检机器人定期对机房中智能防静电地板上方空间进行巡检,并在地板上设置相关的标识物结合传感器定位的方式进行定位,同时对地板的损坏、故障指示灯的点亮、温湿度信息进行识别监测,通过传感器网络对智能防静电地板的下方进行环境信息进行采集,并将其传输给监测***,监测***进行报警,提醒相关人员进行查看,同时监测***提供相关数据存储方案,将碎片化信息有序化,方便相关人员的查看溯源。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种基于智能防静电地板的机房定期巡检监测***,其特征在于,包括:
巡检机器人,传感器网络及监测***,所述监测***分别与所述巡检机器人及传感器网络无线连接;
其中,通过巡检机器人采集智能防静电地板上方空间的图像数据及第一环境数据,并对图像数据进行识别;
通过传感器网络采集智能防静电地板下方空间的第二环境数据;
所述监测***用于接收识别结果、第一环境数据及第二环境数据,并对第一环境数据及第二环境数据进行阈值判断,并根据识别结果及判断结果进行报警。
2.根据权利要求1所述的机房定期巡检监测***,其特征在于:
所述巡检机器人上设置有温度传感器及湿度传感器,其中所述温度传感器及湿度传感器用于采集智能防静电地板上方空间的温湿度数据即第一环境数据。
3.根据权利要求1所述的机房定期巡检监测***,其特征在于:
所述巡检机器人上还设置控制器、深度相机、加速度传感器及惯性传感器;
其中,通过深度相机采集包含有标识物组合的深度图像;
通过所述加速度传感器及惯性传感器采集巡检机器人的加速度数据及转向数据;
通过控制器对加速度数据进行时域积分,生成移动位移,并根据初始时间、巡检实时时间、移动位移及转向数据生成第一实时位置,将所述第一实时位置作为定位信息传输给监测***;
并对深度图像中的标识物组合进行识别,识别后对标识物组合进行判断,并根据标识物组合判断结果识别标识物组合的角点数及行进方向,根据角点数据及行进方向查找标识物组合对应标定位置,并获取深度图像中的标识物组合的深度信息,根据深度信息及标定位置获取第二实时位置,在获取第二实时位置时,控制巡检机器人匀速行进并将所述第二实时位置作为定位信息传输给监测***,根据匀速行进速度及深度信息,得到第二时刻;
在巡检实时时间在第一时刻及第二时刻之间,根据第一时刻的位置、所述巡检实时时间及第一时刻的差值及匀速行进速度,得到第三实时位置,并将所述第三实时位置作为定位信息传输给监测***;其中第一时刻为标识物组合中标识物数量减少时刻,第二时刻为巡检机器人预测到达标识物组合对应标定位置的时刻;
当巡检实时时间达到第二时刻时,将第一实时位置作为定位信息传输给监测***以实现巡检机器人的定位信息获取。
4.根据权利要求3所述的机房定期巡检监测***,其特征在于:
所述标识物组合通过若干个标识物按固定方向排列形成,所述标识物为“+”形状,同时标识物的数量及巡检机器人的行进方向与标定位置对应。
5.根据权利要求3所述的机房定期巡检监测***,其特征在于:
所述巡检机器人上设置有第一图像传感器,其中通过第一图像传感器采集包含地板的第一图像数据;
通过处理器对第一图像数据进行分割识别,生成地板区域,并通过聚类算法对所述第一图像数据进行分割,生成地板损坏区域,并将地板损坏区域及对应定位信息传输给监测***。
6.根据权利要求1所述的机房定期巡检监测***,其特征在于:
所述巡检机器人上还设置有第二图像传感器,其中第二图像传感器采集包含机房设备的第二图像数据;
通过处理器对第二图像数据进行识别,并根据识别结果对故障指示灯进行判断,并将所述故障指示灯判断结果及对应定位信息传输给监测***。
7.根据权利要求1所述的机房定期巡检监测***,其特征在于:
所述传感器网络包括电流传感器、温度传感器、水分传感器及光照传感器,所述传感器网络通过网关设备与所述监测***无线连接。
8.根据权利要求1所述的机房定期巡检监测***,其特征在于:
所述监测***通过树形存储结构对接收的数据进行存储。
9.根据权利要求1所述的机房定期巡检监测***,其特征在于:
所述智能防静电地板采用硫酸钙OA智能网络地板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310963435.5A CN116994352A (zh) | 2023-08-02 | 2023-08-02 | 一种基于智能防静电地板的机房定期巡检监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310963435.5A CN116994352A (zh) | 2023-08-02 | 2023-08-02 | 一种基于智能防静电地板的机房定期巡检监测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116994352A true CN116994352A (zh) | 2023-11-03 |
Family
ID=88520993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310963435.5A Pending CN116994352A (zh) | 2023-08-02 | 2023-08-02 | 一种基于智能防静电地板的机房定期巡检监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116994352A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105783915A (zh) * | 2016-04-15 | 2016-07-20 | 深圳马路创新科技有限公司 | 机器人基于图形标识和摄像头的全局空间定位方法 |
CN108388194A (zh) * | 2018-03-27 | 2018-08-10 | 中铁第勘察设计院集团有限公司 | 铁路机房智能机器人巡检***及其方法 |
CN109500827A (zh) * | 2018-11-23 | 2019-03-22 | 北京中大科慧科技发展有限公司 | 机房智能巡检机器人 |
CN114527752A (zh) * | 2022-01-25 | 2022-05-24 | 浙江省交通投资集团有限公司智慧交通研究分公司 | 低卫星信号环境下轨道巡检机器人检测数据精确定位方法 |
-
2023
- 2023-08-02 CN CN202310963435.5A patent/CN116994352A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105783915A (zh) * | 2016-04-15 | 2016-07-20 | 深圳马路创新科技有限公司 | 机器人基于图形标识和摄像头的全局空间定位方法 |
CN108388194A (zh) * | 2018-03-27 | 2018-08-10 | 中铁第勘察设计院集团有限公司 | 铁路机房智能机器人巡检***及其方法 |
CN109500827A (zh) * | 2018-11-23 | 2019-03-22 | 北京中大科慧科技发展有限公司 | 机房智能巡检机器人 |
CN114527752A (zh) * | 2022-01-25 | 2022-05-24 | 浙江省交通投资集团有限公司智慧交通研究分公司 | 低卫星信号环境下轨道巡检机器人检测数据精确定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN206194076U (zh) | 一种变电站设备检测*** | |
CN115373403B (zh) | 一种建筑机械设备巡检服务*** | |
CN111339905B (zh) | 基于深度学习及多视角的cim井盖状态视觉检测*** | |
CN102768022A (zh) | 采用数码照相技术的隧道围岩变形检测方法 | |
CN111881970A (zh) | 一种基于深度学习的外破图像智能识别方法 | |
CN112784821A (zh) | 基于YOLOv5的工地行为安全检测识别方法及*** | |
CN111124015A (zh) | 一种智能风电巡检视频监测方法 | |
CN116301046A (zh) | 一种基于电力杆塔识别的无人机航拍安全距离自动定位方法 | |
CN117498225B (zh) | 一种无人机智能电力线路巡检*** | |
CN112643719A (zh) | 一种基于巡检机器人的隧道安防检测方法及*** | |
CN113267601B (zh) | 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台 | |
CN117041502B (zh) | 一种基于机器视觉的危险场景分析监测***及方法 | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控***和方法 | |
CN116994352A (zh) | 一种基于智能防静电地板的机房定期巡检监测*** | |
CN113159984A (zh) | 一种变电站工作人员工作路径追踪方法 | |
CN116608907A (zh) | 一种用于医药冷链的故障监测*** | |
CN116363397A (zh) | 设备故障排查方法、装置及巡检*** | |
CN111551150B (zh) | 一种自动测量基站天线参数的方法和*** | |
CN114495312A (zh) | 在线巡检方法、装置、***及存储介质 | |
CN113776783A (zh) | 一种基于巡检机器人的机房服务器故障灯检测方法 | |
CN112485461A (zh) | 基于多视觉标志物的电力巡检机器人速度检测***及方法 | |
CN113076899A (zh) | 一种基于目标跟踪算法的高压输电线路异物检测方法 | |
CN113194589B (zh) | 一种基于视频分析的机场助航灯光单灯故障监视方法 | |
CN117217739B (zh) | 一种智能电力巡检*** | |
CN114758239B (zh) | 基于机器视觉的物品飞离预定行进线路的监测方法和*** |
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 |