[发明专利]一种针对低分辨率的机房服务器故障灯检测方法

权利要求书

1.一种针对低分辨率的机房服务器故障灯检测方法，其特征在于，包括以下步骤：

获取巡检车在设定坐标区域内移动过程中拍摄的RGB图像；

基于深度学习网络构建故障灯检测模型，并对故障灯检测模型进行训练；

使用训练好的故障灯检测模型对RGB图像进行特征提取，得到图像候选框，并对图像候选框进行非极大值抑制处理，得到检测结果，即RGB图像中服务器灯的坐标信息、类别信息、实例像素坐标信息和置信概率，完成机房服务器故障灯检测。

2.根据权利要求1所述的一种针对低分辨率的机房服务器故障灯检测方法，其特征在于，在巡检车移动过程中，还获取设定坐标区域内的机柜编号信息和机房编号信息。

3.根据权利要求1所述的一种针对低分辨率的机房服务器故障灯检测方法，其特征在于，所述对故障灯检测模型进行训练为，对数据集中的虚拟数据进行补充，并使用补充后的数据集训练模型，具体包括以下步骤：

仅使用数据集中的网口灯、正常状态灯数据训练深度学习网络；

使用训练好的网络对所有机房图像进行监测，以框选出图像中的带有网口灯、正常状态灯的像素坐标；

根据设定的概率，随机将框选区域中像素坐标的RGB通道转换到HSV空间，并依照色环调节偏移值，生成故障灯图像数据及对应标签信息，将其加入到数据集中，并使用补充后的数据集再次训练深度学习网络。

4.根据权利要求1所述的一种针对低分辨率的机房服务器故障灯检测方法，其特征在于，所述类别信息表示服务器灯种类，包括不同颜色的网口灯、指示灯、故障灯。

5.根据权利要求1所述的一种针对低分辨率的机房服务器故障灯检测方法，其特征在于，所述实例像素坐标信息为深度学习网络检测出的服务器灯在RGB图像上的对应的所有像素点。

6.根据权利要求1或2所述的一种针对低分辨率的机房服务器故障灯检测方法，其特征在于，得到检测结果后，去除误检测实例，并根据去除误检测实例后的检测结果评估服务器灯所在机柜的状态。

7.根据权利要求6所述的一种针对低分辨率的机房服务器故障灯检测方法，其特征在于，所述去除误检测实例，具体为：根据深度学习网络检测结果中的实例像素坐标信息，找出RGB图像中像素数目最多的实例，之后进行判断，去除所有像素数目低于最大像素数目*a的实例，其中a为取值0-1的某数值固定的常数。

8.根据权利要求6所述的一种针对低分辨率的机房服务器故障灯检测方法，其特征在于，并根据去除误检测实例后的检测结果评估服务器灯所在机柜的状态，具体为：找出同一机柜的一组RGB图像中异常状态指示灯类别及对应置信概率，对每张RGB图像求取置信概率平均值，并与阈值进行比较，若高于该阈值A，则判定本RGB图像为异常图像，之后统计同一机柜图像中异常图像数目，如超过阈值B，则报告该机柜异常，否则报告该机柜正常。