CN117934897A - 一种设备异常检测方法、装置、设备以及存储介质 - Google Patents
一种设备异常检测方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN117934897A CN117934897A CN202311693514.5A CN202311693514A CN117934897A CN 117934897 A CN117934897 A CN 117934897A CN 202311693514 A CN202311693514 A CN 202311693514A CN 117934897 A CN117934897 A CN 117934897A
- Authority
- CN
- China
- Prior art keywords
- equipment
- detection result
- image
- detected
- abnormality
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 198
- 230000005856 abnormality Effects 0.000 title claims abstract description 130
- 230000002159 abnormal effect Effects 0.000 claims abstract description 113
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 25
- 230000002146 bilateral effect Effects 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 8
- 238000013145 classification model Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种设备异常检测方法、装置、设备以及存储介质,获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数;对每个待检测设备,确定待检测设备图像与历史正常状态图像的相似度值,以基于相似度值,确定图像检测结果;基于待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果;基于图像检测结果和/或运行参数检测结果,确定目标检测结果;若目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于异常提示信息对目标异常设备进行设备异常警告;其中,异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。本发明有效提高了电力设备异常检测的效率和准确率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种设备异常检测方法、装置、设备以及存储介质。
背景技术
传统的电力设备监控工作采用人工巡检的模式,即是人工在设备现场通过肉眼进行异常检测,或者是人工通过视频监控***中监控视频进行异常检测,严重依赖于人工监管。传统的电力设备监控模式不仅成本高、效率低,而且实时性差、存在监控盲区,无法对电力设备异常行为做出及时的定位和预警,并且工作人员长时间查看大量视频容易引起松懈和疲惫,极易引起电力设备安全问题。
发明内容
本发明提供了一种设备异常检测方法、装置、设备以及存储介质,以提高电力设备异常检测的效率和准确率。
根据本发明的第一方面,提供了一种设备异常检测方法,该方法包括:
获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数;
对每个所述待检测设备,确定所述待检测设备图像与历史正常状态图像的相似度值,以基于所述相似度值,确定图像检测结果;
基于所述待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果;
基于所述图像检测结果和/或所述运行参数检测结果,确定目标检测结果;
若所述目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于所述异常提示信息对所述目标异常设备进行设备异常警告;
其中,所述异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。
根据本发明的第二方面,提供了一种设备异常检测装置,该装置包括:
设备数据获取模块,用于获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数;
图像检测模块,用于对每个所述待检测设备,确定所述待检测设备图像与历史正常状态图像的相似度值,以基于所述相似度值,确定图像检测结果;
参数检测模块,用于基于所述待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果;
检测结果确定模块,用于基于所述图像检测结果和/或所述运行参数检测结果,确定目标检测结果;
警告模块,用于若所述目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于所述异常提示信息对所述目标异常设备进行设备异常警告;其中,所述异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。
根据本发明的第三方面,提供了一种电子设备,电子设备包括:
至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的设备异常检测方法。
根据本发明的第四方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明任一实施例的设备异常检测方法。
本发明实施例的技术方案,通过获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数,进而,对每个待检测设备,确定待检测设备图像与历史正常状态图像的相似度值,以基于相似度值,确定图像检测结果,并基于待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果,进一步的,基于图像检测结果和/或运行参数检测结果,确定目标检测结果,从而若目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于异常提示信息对目标异常设备进行设备异常警告,其中,异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。本发明通过图像识别技术和运行参数监控技术,从多个角度对电力设备进行异常检测,极大地提高了电力设备安全系数,降低了电力设备安防风险,通过合理布置机房摄像头位置,当存在目标异常设备时,可以精确定位异常设备信息,大大减少设备损失,有效提高了电力设备异常检测的效率和准确率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种设备异常检测方法的流程图;
图2是根据本发明实施例二提供的一种设备异常检测装置的结构示意图;
图3是实现本发明实施例的设备异常检测方法的电子设备的结构示意图。
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。
实施例一
图1是本发明实施例一提供的一种设备异常检测方法的流程图,本实施例可适用于对电力设备的异常情况进行智能化检测的情况,该方法可以由设备异常检测装置来执行,该设备异常检测装置可以采用硬件和/或软件的形式实现,该设备异常检测装置可配置于终端和/或服务器中。如图1所示,该方法包括:
S110、获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数。
在本实施例中,预设区域范围内可以包括多个电力设备,为了保证这些电力设备可以正常运行,需要对这些设备进行巡检,以及时发现问题,并解决问题。
其中,待检测设备为即将为其进行异常检测的电力设备。预设区域范围内的任一电力设备均可以称之为待检测电力设备。
其中,待检测设备图像为需要进行异常检测的电力设备对应的图像。待检测设备运行参数为需要进行异常检测的电力设备在运行的过程中产生的各种类型的参数信息。
具体的,可以基于无人机在预设区域内按照预先定义的巡检路径,对待检测设备进行巡检,得到各个待检测设备对应的待检测设备图像;也可以在预设区域范围内预先配置多个预设摄像位点,基于每个摄像位点上的摄像装置拍摄待检测设备图像。具体应用过程中,可以在后台服务器终端建立每个待检测设备与服务器终端之间的通讯连接,进行可以实时的获取各个待检测设备的运行参数,可以基于预先设定的定时任务,每隔预设时长同步获取一次预设区域范围内每个待检测设备对应的待检测设备图像和待检测设备运行参数。
特别的,对于待检测设备图像,在获取到原始的待检测设备图像之后,需要对原始待检测设备图像进行数据预处理,从而得到更加适应于图像分析处理的待检测图像。
可选的,对原始待检测设备图像进行预处理具体包括以下步骤:
(1)对待检测设备图像进行增强处理,得到第一待检测设备图像。
优选的,具体可以包括:基于直方图均衡化网络对待检测设备图像进行直方图均衡化处理,得到均衡化设备图像;基于待检测设备图像、均衡化设备图像以及低照度图像增强网络对待检测设备图像进行图像增强处理,得到第一待检测设备图像。
在本实施例中,通过图像增强处理可以改善图像的视觉效果。直方图均衡化网络是图像处理领域中利用图像直方图对对比度进行调整的方法。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。光照因素一直是影响成像质量的一个关键因素,夜间等光照环境较差的条件下的图片往往细节丢失、分辨不清,信噪比低下。低照度图像增强网络是指通过一系列网络和技术,增强在低照度或弱光条件下拍摄的图像的可视化质量。例如,在本实施例中采用Residual-Unet的低照度图像增强网络。
具体的,将获取到的待检测设备图像输入至直方图均衡化网络中,直方图均衡化网络输出均衡化设备图像;预先构建基于Residual-Unet的低照度图像增强网络,并完成网络训练;进一步的,将待检测设备图像以及均衡化设备图像一起输入至基于Residual-Unet的低照度图像增强网络,由基于Residual-Unet的低照度图像增强网络输出第一待检测设备图像。
(2)基于预设小波变换网络对第一待检测设备图像进行去噪处理,得到第二待检测设备图像。
其中,小波变换(wavelet transform,WT)能对时间(空间)频率的局部化分析,通过伸缩平移运算对信号(函数)逐步进行多尺度细化,最终达到高频处时间细分,低频处频率细分,能自动适应时频信号分析的要求,从而可聚焦到信号的任意细节,从而有效的剔除图像中的噪声信号,起到去噪的效果。
具体的,将第一待检测设备图像输入至预设小波变换网络,预设小波变换网络输出去噪处理后的第二待检测设备图像。
(3)基于预设双边滤波网络对第二待检测设备图像进行平滑处理,得到待检测设备增强图像。
其中,双边滤波是一种非线性滤波器,它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样,双边滤波也是采用加权平均的方法,用周边像素亮度值的加权平均代表某个像素的强度,所用的加权平均基于高斯分布。最重要的是,双边滤波的权重不仅考虑了像素的欧氏距离(如普通的高斯低通滤波,只考虑了位置对中心像素的影响),还考虑了像素范围域中的辐射差异(例如卷积核中像素与中心像素之间相似程度、颜色强度,深度距离等),在计算中心像素的时候同时考虑这两个权重。
具体的,将第二待检测设备图像输入至预设双边滤波网络,预设双边滤波网络输出平滑处理后的待检测设备增强图像。
需要特别说明的是,在后续步骤中所涉及的待检测设备图像均为经过预处理后的待检测设备增强图像。
S120、对每个所述待检测设备,确定所述待检测设备图像与历史正常状态图像的相似度值,以基于所述相似度值,确定图像检测结果。
其中,相似度值用于表征待检测设备图像与历史正常状态图像的相似程度。图像检测结果包括图像正常检测结果和图像异常检测结果。对于每一个待检测设备而言,可以在确保待检测设备正常运行的情况下采集待检测设备的历史正常状态图像。
具体的,对每个待检测设备而言,计算待检测设备图像与历史正常状态图像的相似度值。例如,预先设定相似度阈值,采用余弦相似度的计算方法计算相似度值,进一步的,若相似度值大于相似度阈值,则图像检测结果为正常检测结果,若相似度值小于相似度阈值,则图像检测结果为异常检测结果,从而当是电力设备的外观存在异常的时候可以及时检测到。
S130、基于所述待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果。
在本实施例中,对于每一个待检测设备而言,可以预设待检测设备正常运行的情况下的正常设备阈值范围。运行参数检测结果包括运行参数正常检测结果和运行参数异常检测结果。
具体的,对每个待检测设备而言,在获取待检测设备运行参数的基础上,确定待检测设备运行参数是否位于正常设备阈值范围内;若是,则运行参数检测结果为运行参数正常检测结果;若否,则运行参数检测结果为运行参数异常检测结果,从而当是电力设备的内部参数存在异常的时候可以及时检测到。
S140、基于所述图像检测结果和/或所述运行参数检测结果,确定目标检测结果。
其中,目标检测结果包括异常检测结果和正常检测结果。
在本实施例中,目标检测结果为异常检测结果主要包括以下三种情形:第一、图像检测结果为图像异常检测结果;第二、运行参数检测结果为参数异常检测结果;第三、图像检测结果为图像异常检测结果,且运行参数检测结果为参数异常检测结果。
特别的,若运行参数检测结果为参数异常检测结果,则确定数据异常起始时刻;获取数据异常起始时刻为时间起点预设时长内的设备异常记录视频,以备异常复核。
在本实施例中,如果运行参数检测结果为参数异常检测结果,则将运行参数开始不在正常设备阈值范围的时间戳确定为数据异常起始时刻,以数据异常起始时刻为起点,抓取预设时长的设备异常记录视频,从而在后续进行设备异常时,可以结合设备异常记录视频判定是否真实存在设备异常运行的情形。
S150、若所述目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于所述异常提示信息对所述目标异常设备进行设备异常警告。
其中,所述异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。
可选的,确定目标异常设备的异常提示信息具体包括以下步骤:
(1)若目标检测结果为异常检测结果,则调取预设设备位置信息对应表以及目标异常设备的设备标识信息。
其中,目标异常设备为图像检测结果和/或所述运行参数检测结果为异常检测结果的待检测设备。
在本实施例中,可以预先设定待检测设备的位置信息与设备标识信息之间对应关系的设备位置信息对应表。为预设区域范围内的各待检测设备设定唯一的设备标识信息。
具体的,如果目标检测结果为异常检测结果,可以直接调取预先存储的设备位置信息对应表。在确定目标检测结果的基础上,目标异常设备是容易确定的,可以理解的是,目标异常设备的设备标识信息可以直接读取。
(2)基于设备标识信息,查询预设设备位置信息对应表,确定目标异常设备的位置信息。
在本实施例中,首先获取目标异常设备对应的设备标识信息,进而,根据设备标识信息,在预设设备位置信息对应表中,根据预先建立的索引关系,查询目标异常设备对应的位置信息。
(3)若运行参数检测结果为参数异常检测结果,基于待检测设备运行参数对应的参数类型,确定异常类别信息,基于待检测设备运行参数和预设参数阈值,确定异常等级信息。
在本实施例中,由于每个待检测设备可以采集到多个种类的运行参数,
例如,待检测设备为变压器,则参数类型可以包括电流、电压、功率因数等参数类型,因此,根据运行参数对应的参数类型,可以确定异常类别信息。进一步的,不同的异常等级对应于不同的预设参数阈值,基于待检测设备运行参数满足的预设参数阈值,确定异常等级信息。
(4)若图像检测结果为图像异常检测结果,则将待检测设备图像输入至预先训练的异常分类模型中,确定异常类别信息,并基于异常类别与异常等级之间的对应关系以及异常类别信息,确定异常等级信息。
在本实施例中,可以预先训练用于识别异常类别信息的异常分类模型。如果图像检测结果为图像异常检测结果,可以将待检测设备图像输入至预先训练的异常分类模型中,根据异常分类模型输出的分类类别,确定异常类别信息。进一步的,根据预先定义的异常类别与异常等级之间的对应关系,以及异常分类模型输出的异常类别信息,确定目标异常设备对应的异常等级信息。
具体的,在确定目标检测结果为异常检测结果后,可以生成异常提示信息,并将异常提示信息发送至操作用户的目标终端。将异常提示信息发送至相应的目标终端还可以包括下述至少一种方式:将异常提示信息上报至目标终端设备;上报包括邮件、语音通话以及信息推送中的至少一种;将异常提示信息反馈至目标监控***。
在本实施例中,可以将所述待检测设备图像、待检测设备运行参数、异常提示信息以及设备异常记录视频分类存储至SQLite数据库存储或本地硬盘的至少一个数据存储表中。
在本实施例中,如果存在目标异常设备,可以将每个目标异常设备的待检测设备图像、待检测设备运行参数、异常提示信息以及设备异常记录视频分类存储至SQLite数据库存储或本地硬盘的至少一个数据存储表中,当需要对目标异常设备进行再次核查时,直接从数据表中获取数据即可。
本发明实施例的技术方案,通过获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数,进而,对每个待检测设备,确定待检测设备图像与历史正常状态图像的相似度值,以基于相似度值,确定图像检测结果,并基于待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果,进一步的,基于图像检测结果和/或运行参数检测结果,确定目标检测结果,从而若目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于异常提示信息对目标异常设备进行设备异常警告,其中,异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。本发明通过图像识别技术和运行参数监控技术,从多个角度对电力设备进行异常检测,极大地提高了电力设备安全系数,降低了电力设备安防风险,通过合理布置机房摄像头位置,当存在目标异常设备时,可以精确定位异常设备信息,大大减少设备损失,有效提高了电力设备异常检测的效率和准确率。
实施例二
图2是本发明实施例二提供的一种设备异常检测装置的结构示意图。如图2所示,该装置包括:设备数据获取模块210、图像检测模块220、参数检测模块230、检测结果确定模块240以及警告模块250。
其中,设备数据获取模块210,用于获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数;
图像检测模块220,用于对每个所述待检测设备,确定所述待检测设备图像与历史正常状态图像的相似度值,以基于所述相似度值,确定图像检测结果;
参数检测模块230,用于基于所述待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果;
检测结果确定模块240,用于基于所述图像检测结果和/或所述运行参数检测结果,确定目标检测结果;
警告模块250,用于若所述目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于所述异常提示信息对所述目标异常设备进行设备异常警告;其中,所述异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。
本发明实施例的技术方案,通过获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数,进而,对每个待检测设备,确定待检测设备图像与历史正常状态图像的相似度值,以基于相似度值,确定图像检测结果,并基于待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果,进一步的,基于图像检测结果和/或运行参数检测结果,确定目标检测结果,从而若目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于异常提示信息对目标异常设备进行设备异常警告,其中,异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。本发明通过图像识别技术和运行参数监控技术,从多个角度对电力设备进行异常检测,极大地提高了电力设备安全系数,降低了电力设备安防风险,通过合理布置机房摄像头位置,当存在目标异常设备时,可以精确定位异常设备信息,大大减少设备损失,有效提高了电力设备异常检测的效率和准确率。
可选的,设备异常检测装置还包括数据预处理模块,所述数据预处理模块包括:
增强处理单元,用于对所述待检测设备图像进行增强处理,得到第一待检测设备图像;
去噪处理单元,用于基于预设小波变换网络对所述第一待检测设备图像进行去噪处理,得到第二待检测设备图像;
平滑处理单元,用于基于预设双边滤波网络对所述第二待检测设备图像进行平滑处理,得到待检测设备增强图像。
可选的,所述增强处理单元,包括:
均衡化处理子单元,用于基于直方图均衡化网络对所述待检测设备图像进行直方图均衡化处理,得到均衡化设备图像;
增强处理子单元,用于基于所述待检测设备图像、所述均衡化设备图像以及低照度图像增强网络对所述待检测设备图像进行图像增强处理,得到第一待检测设备图像。
可选的,检测结果确定模块240具体用于若所述图像检测结果为图像异常检测结果或/和所述运行参数检测结果为参数异常检测结果,则确定目标检测结果为异常检测结果。
可选的,检测结果确定模块240,还包括:
异常数据抓取单元,具体用于若所述运行参数检测结果为参数异常检测结果,则确定数据异常起始时刻;获取数据异常起始时刻为时间起点预设时长内的设备异常记录视频,以备异常复核。
异常数据存储单元,具体用于将所述待检测设备图像、待检测设备运行参数、异常提示信息以及设备异常记录视频分类存储至SQLite数据库存储或本地硬盘的至少一个数据存储表中。
可选的,警告模块250还包括异常提示信息获取子模块,所述异常提示信息获取子模块,包括:
设备标识信息读取单元,用于若所述目标检测结果为异常检测结果,则调取预设设备位置信息对应表以及目标异常设备的设备标识信息;
位置信息确定单元,用于基于所述设备标识信息,查询所述预设设备位置信息对应表,确定所述目标异常设备的位置信息;
参数异常提示信息确定单元,用于若所述运行参数检测结果为参数异常检测结果,基于所述待检测设备运行参数对应的参数类型,确定异常类别信息,基于所述待检测设备运行参数和预设参数阈值,确定异常等级信息;
图像异常提示信息确定单元,用于若所述图像检测结果为图像异常检测结果,则将所述待检测设备图像输入至预先训练的异常分类模型中,确定异常类别信息,并基于异常类别与异常等级之间的对应关系以及所述异常类别信息,确定异常等级信息。
实施例三
图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如设备异常检测方法。
在一些实施例中,设备异常检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的设备异常检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行设备异常检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程设备异常检测装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种设备异常检测方法,其特征在于,包括:
获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数;
对每个所述待检测设备,确定所述待检测设备图像与历史正常状态图像的相似度值,以基于所述相似度值,确定图像检测结果;
基于所述待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果;
基于所述图像检测结果和/或所述运行参数检测结果,确定目标检测结果;
若所述目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于所述异常提示信息对所述目标异常设备进行设备异常警告;
其中,所述异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。
2.根据权利要求1所述的方法,其特征在于,还包括:
对所述待检测设备图像进行增强处理,得到第一待检测设备图像;
基于预设小波变换网络对所述第一待检测设备图像进行去噪处理,得到第二待检测设备图像;
基于预设双边滤波网络对所述第二待检测设备图像进行平滑处理,得到待检测设备增强图像。
3.根据权利要求2所述的方法,其特征在于,所述对所述待检测设备图像进行增强处理,得到第一待检测设备图像,包括:
基于直方图均衡化网络对所述待检测设备图像进行直方图均衡化处理,得到均衡化设备图像;
基于所述待检测设备图像、所述均衡化设备图像以及低照度图像增强网络对所述待检测设备图像进行图像增强处理,得到第一待检测设备图像。
4.根据权利要求1所述的方法,其特征在于,所述基于所述图像检测结果和/或所述运行参数检测结果,确定目标检测结果,包括:
若所述图像检测结果为图像异常检测结果或/和所述运行参数检测结果为参数异常检测结果,则确定目标检测结果为异常检测结果。
5.根据权利要求4所述的方法,其特征在于,还包括:
若所述运行参数检测结果为参数异常检测结果,则确定数据异常起始时刻;
获取数据异常起始时刻为时间起点预设时长内的设备异常记录视频,以备异常复核。
6.根据权利要求5所述的方法,其特征在于,还包括:
将所述待检测设备图像、待检测设备运行参数、异常提示信息以及设备异常记录视频分类存储至SQLite数据库存储或本地硬盘的至少一个数据存储表中。
7.根据权利要求4所述的方法,其特征在于,所述若所述目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,包括:
若所述目标检测结果为异常检测结果,则调取预设设备位置信息对应表以及目标异常设备的设备标识信息;
基于所述设备标识信息,查询所述预设设备位置信息对应表,确定所述目标异常设备的位置信息;
若所述运行参数检测结果为参数异常检测结果,基于所述待检测设备运行参数对应的参数类型,确定异常类别信息,基于所述待检测设备运行参数和预设参数阈值,确定异常等级信息;
若所述图像检测结果为图像异常检测结果,则将所述待检测设备图像输入至预先训练的异常分类模型中,确定异常类别信息,并基于异常类别与异常等级之间的对应关系以及所述异常类别信息,确定异常等级信息。
8.一种设备异常检测装置,其特征在于,包括:
设备数据获取模块,用于获取至少一个待检测设备对应的待检测设备图像和待检测设备运行参数;
图像检测模块,用于对每个所述待检测设备,确定所述待检测设备图像与历史正常状态图像的相似度值,以基于所述相似度值,确定图像检测结果;
参数检测模块,用于基于所述待检测设备运行参数和预先设定的正常设备阈值范围,确定运行参数检测结果;
检测结果确定模块,用于基于所述图像检测结果和/或所述运行参数检测结果,确定目标检测结果;
警告模块,用于若所述目标检测结果为异常检测结果,则确定目标异常设备的异常提示信息,并基于所述异常提示信息对所述目标异常设备进行设备异常警告;其中,所述异常提示信息包括目标异常设备的位置信息、异常类别信息、异常等级信息。
9.一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的设备异常检测方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的设备异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311693514.5A CN117934897A (zh) | 2023-12-11 | 2023-12-11 | 一种设备异常检测方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311693514.5A CN117934897A (zh) | 2023-12-11 | 2023-12-11 | 一种设备异常检测方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117934897A true CN117934897A (zh) | 2024-04-26 |
Family
ID=90763754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311693514.5A Pending CN117934897A (zh) | 2023-12-11 | 2023-12-11 | 一种设备异常检测方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117934897A (zh) |
-
2023
- 2023-12-11 CN CN202311693514.5A patent/CN117934897A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380232B2 (en) | Display screen quality detection method, apparatus, electronic device and storage medium | |
US10740912B2 (en) | Detection of humans in images using depth information | |
KR20180109665A (ko) | 객체 검출을 위한 영상 처리 방법 및 장치 | |
CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
CN108318773B (zh) | 一种输电导线断股检测方法及*** | |
CN113569708A (zh) | 活体识别方法、装置、电子设备以及存储介质 | |
CN116703909A (zh) | 一种电源适配器生产质量智能检测方法 | |
CN116596854A (zh) | 一种设备缺陷的识别方法、装置、设备及介质 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN114445663A (zh) | 检测对抗样本的方法、装置及计算机程序产品 | |
CN116703925B (zh) | 一种轴承缺陷检测方法、装置、电子设备及存储介质 | |
CN113569707A (zh) | 活体检测方法、装置、电子设备以及存储介质 | |
CN112883762A (zh) | 一种活体检测方法、装置、***及存储介质 | |
CN115018784B (zh) | 一种导线散股缺陷的检测方法、装置、设备及介质 | |
CN117934897A (zh) | 一种设备异常检测方法、装置、设备以及存储介质 | |
CN113628192B (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
CN116668843A (zh) | 一种拍摄状态的切换方法、装置、电子设备以及存储介质 | |
CN113361455B (zh) | 人脸鉴伪模型的训练方法、相关装置及计算机程序产品 | |
CN113033372B (zh) | 车辆定损方法、装置、电子设备及计算机可读存储介质 | |
CN112801002A (zh) | 基于复杂场景下的人脸表情识别方法、装置及电子设备 | |
CN117934367A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113870142B (zh) | 用于增强图像对比度的方法、装置 | |
CN113643257B (zh) | 图像噪点检测方法、装置、设备、存储介质及程序产品 | |
CN117218386A (zh) | 配电线路图像的处理方法、装置、电子设备及存储介质 | |
CN118212668A (zh) | 一种目标识别方法、装置、电子设备及介质 |
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 |