[发明专利]一种用于机房巡检机器人的设备识别模型组合方法及系统

说明书

本发明公开了一种用于机房巡检机器人的设备识别模型组合方法及系统，属于卷积神经网络技术领域；所述的方法包括：S1对机房内所有设备进行识别模型训练，得到每个型号对应的设备识别模型；S2通过拖拽式组合方式对设备识别模型进行从上到下顺序编排；S3通过图像拼接技术将拍摄的同一机柜的多张照片进行组合，得到机柜完整照片；使用图像处理技术区分照片中从上到下每个设备区域；S4将托拉拽得到的设备识别模型与设备实际区域相对应；S5使用设备对应的识别模型对及贵重设备分别进行状态识别；本发明方法针对机房内每一种设备进行训练，准确识别单一设备状态的对应模型，使设备识别模型的建立更加灵活，降低模型的训练成本，提高模型的工作效率。

技术领域

本发明公开一种用于机房巡检机器人的设备识别模型组合方法及系统，涉及卷积神经网络技术领域。

背景技术

机房巡检机器人现在是可以替代人进行机房巡检的高效方式，巡检机器人拍摄的机柜照片通常不是完整的机柜照片，需要将多张照片进行组合，会影响以单一机柜作为训练对象的准确率，而且由于机柜内设备(服务器)通常外观很类似，如果以整个机柜进行训练模型的识别准确率会进一步降低。另一方面，如果以某一机柜作为训练对象，所得到模型不够灵活，而机房内某一机柜内的设备时常有会所变动，这样会造成以单一机柜进行训练成本更高；故现发明一种用于机房巡检机器人的设备识别模型组合方法及系统，以解决上述问题。

发明内容

本发明针对现有技术的问题，提供一种用于机房巡检机器人的设备识别模型组合方法及系统，所采用的技术方案为：一种用于机房巡检机器人的设备识别模型组合方法，所述的方法具体步骤包括：

S1对机房内所有设备进行识别模型训练，得到每个型号对应的设备识别模型；

S2通过拖拽式组合方式对设备识别模型进行从上到下顺序编排；

S3通过图像拼接技术将拍摄的同一机柜的多张照片进行组合，得到机柜完整照片；使用图像处理技术区分照片中从上到下每个设备区域；

S4将托拉拽得到的设备识别模型与设备实际区域相对应；

S5使用设备对应的识别模型对及贵重设备分别进行状态识别。

所述S1通过拖拽式组合将机柜内从上到下设备的摆放顺序进行自定义编，得到设备型号编排结果，实现对设备识别模型的编排。

所述S2通过拖拽式组合方式对设备识别模型进行从上到下顺序编排的具体步骤包括：

S201图像拼接得到完整机柜照片；

S202对完整机柜照片进行区域边界识别，初步区分整个机柜中从上而下的各个设备区域；

S203机柜每个设备区域与该机柜对应的模型组合中的单个模型顺序对应；

S204由该机柜设备识别模型组合中的单个设备识别模型分别对对应的设备机型进行状态识别。

所述S202每一个区域对应一台独立设备，识别机柜照片从上到下顺序和不同设备的分割区域。

所述S204每一个设备进行单独识别，结合拖拽组合的改机柜识别模型组合，识别该设备相关状态。

一种用于机房巡检机器人的设备识别模型组合系统，所述的系统具体包括模型建立模块、拖拽编排模块、组合识别模块、型号确认模块和状态识别模块：

模型建立模块：对机房内所有设备进行识别模型训练，得到每个型号对应的设备识别模型；

拖拽编排模块：通过拖拽式组合方式对设备识别模型进行从上到下顺序编排；

组合识别模块：通过图像拼接技术将拍摄的同一机柜的多张照片进行组合，得到机柜完整照片；使用图像处理技术区分照片中从上到下每个设备区域；