移动机器人及其异常检测方法、装置和电子设备与流程

本技术涉及故障检测领域，具体涉及一种移动机器人及其异常检测方法、装置和电子设备。

背景技术：

1、相关方案中，对于多台机器集中工作时的异常监测，主要集中在故障检测上，而没有考虑到设备的移位问题。且现有的故障检测一般是在每个工位都设置一套机器视觉检测设备，以检测对应工位上的机器是否发生故障。但该种方式，由于针对每个机器都要设置一套机器视觉检测设备，因此，成本非常高。

2、因此，如何降低多台机器集中工作时的异常检测成本，成为目前亟待解决的问题。

技术实现思路

1、本技术旨在解决现有方案中的技术问题之一。

2、为了解决上述技术问题，本技术第一方面的实施例提供了一种移动机器人的异常检测方法。

3、本技术第二方面的实施例提供了一种移动机器人的异常检测装置。

4、本技术第三方面的实施例提供了一种电子设备。

5、本技术第四方面的实施例提供了一种可读存储介质。

6、本技术第五方面的实施例提供了一种计算机程序产品。

7、本技术第六方面的实施例提供了一种移动机器人。

8、根据本技术第一方面的技术方案提供的移动机器人的异常检测方法，移动机器人包括图像采集装置，异常检测方法包括：控制移动机器人按照目标路线移动，目标路线上设置有多个工位，每个工位上放置有监测设备；在移动机器人移动到任一工位对应的采集位置时，控制图像采集装置采集当前工位对应的设备图像；根据每个工位对应的每个设备图像判断工位对应的目标设备是否发生移位，并针对每个设备图像均生成一个判断结果；在所有设备图像均判定目标设备未发生移位时，确定目标设备未发生移位；在预设时间内，如果获取到的判断结果缺少任意一个设备图像的判断结果，针对该工位的检测不输出任何检测信息；在获取到所有设备图像的判断结果，且存在任意一个设备图像判定目标设备发生移位时，确定目标设备发生移位。

9、本技术的移动机器人的异常检测方法，用于移动机器人，其主要用于多个设备集中工作场景下的设备的异常检测。该种场景下，多个设备设置在不同的工位进行工作。而故障检测时，可根据设备的分布情况设置好机器人的移动路线，然后控制移动机器人按照设置好的移动路线进行移动(比如循环移动)。而在移动机器人运动到任意一个工位对应的采集位置时，就可对该工位上的设备进行图像采集，然后根据采集好的图像判断该设备是否存在移位异常等。而在当前工位的检测过程完毕后，便可按照移动路线移动到下一个工位继续进行检测，直到完成所有设备的异常检测。此后，可控制移动机器人进行新一轮的故障检测，以此就可以对多个设备的工作情况进行循环检测，并能够在设备出现移位等异常时，及时发出提醒或者上报服务器，以便用户及时对异常的设备进行检查和维修。该种异常检测方法，只需要一个移动机器人便可以不间断地对设备的状态进行自动检测，以此可以降低故障检测的成本，另一方面，该种检测方法也不需要将设备移动到固定的位置，因此不会让设备中断工作，以此可以确保设备工作的连续性。

10、其中，针对每个图像均生成一个判断结果，如果检测结果没有包含各个图像的判断结果，继续等待，如果长时间没有收集到各个阶段的结果，则不输出任何信息；如果包含了各个阶段的结果，则根据各个判断结果综合确定设备是否移位。该种设置，可以在某个图像没有采集到，或者基于某个图像的判断过程出现问题时，不会输出任何检测结果，以此可以避免信息不全而出现错误的判断。

11、具体而言，该种异常检测方法可用于洗衣房、共享洗衣房等中洗衣机、烘干机等的检测，以此可以在洗衣机和烘干机发生移位或者出现故障时，及时发出提醒，以便用户对发生异常的设备及时进行检修。

12、可选地，每个工位上，监测设备沿第一方向的一侧设置有标记物，监测设备沿第二方向的两侧分别设置有标记物，异常包括目标设备发生移位，控制图像采集装置采集当前工位对应的设备图像的步骤包括：控制移动机器人移动到当前工位对应的第一位置，并控制图像采集装置拍摄至少一张第一图像；控制移动机器人移动到当前工位对应的第二位置，并控制图像采集装置拍摄至少一张第一图像；其中，第一位置和第二位置位于监测设备沿第二方向的两侧，第一位置和第二位置位于监测设备沿第一方向的同一侧，在第一位置和第二位置，移动机器人能够拍摄到监测设备与标记物的相对位置关系。

13、在该技术方案中，标记物是用于检测设备的位置的。标记物可具体包括标记条、胶带、标记线等。在实际过程中，可以通过红线或者红条等形成标记物。为了判断设备是否移位，可以从设备的左前方和右前方分别采集一张图像，然后基于采集的图像识别设备移位。

14、其中，这里的第二方向指的是设备的左右方向，第一位置和第二位置依次为设备的左前方和右前方。而在左前方和右前方不仅仅能采集到设备的侧面的标记物，还能采集到设备前方的标记物，这样就不用专门在采集设备前方的标记物，以此能够使需要采集的图像更少，以此简化了故障检测的流程。

15、示例性地，针对设备是否发生了移位的检测，可在设备的工位前方，左侧方，右侧方粘贴宽度为1cm的红色胶带，粘贴的位置离设备前边，左侧边，右侧边约3cm-5cm处。当设备在工作过程中如果发生了移位，则会压住红线，因此设备在巡检过程中从左侧和右侧两个角度低头对该工位进行拍照，并上传给算法进行判断时，如果有任一阶段判断为移位，则认为设备发生了移位。

16、可选地，监测设备包括身份码信息，控制图像采集装置采集当前工位对应的设备图像的步骤包括：控制移动机器人移动到当前工位对应的第三位置，在第三位置控制图像采集装置按照预设间隔拍摄得到至少两张第二图像，在第三位置移动机器人能够拍摄到监测设备的身份码信息；第一位置、第二位置和第三位置均位于监测设备沿第一方向的同一侧，且与监测设备之间设置有预设距离，第三位置位于第一位置和第二位置之间。

17、在该技术方案中，在移位检测时，还检测了设备的身份码图像，以此基于身份码图像可以确定该工位对应的设备的身份信息，以便能够在检测到故障或移位时，将故障码或者移位信息同身份码一起进行上报。

18、其中，鉴于机器身份码一般都是设置在机器的前方的，因此，可在机器的正前方拍摄照片，作为第二图像。因此，这里的第一方向指的是设备的前后方向，第三位置为设备的正前方。

19、可选地，第一图像和第二图像通过同一个id来标记，以此实现不同工位的图像之间的区分。

20、其中，控制移动机器人移动到当前工位对应的第三位置，在第三位置控制图像采集装置拍摄至少两张图像的步骤位于移动机器人在第二位置采集图像的步骤之前。当然，也可以先在第二位置采集完图像后，在运动至第三位置进行图像采集。比如移动机器人可以先移动到第一位置拍摄，再移动到第三位置拍摄，之后移动到第二位置拍摄。

21、此外，判断目标设备是否发生移位和判断目标设备是否发生故障的次数可以是相同的，也可以是不同的，也即可以在进行一次是否发生移位后，需要进行一次是否发生故障判断。但也可以进行了多次是否发生移位判断后，才进行一次是否发生故障的判断。比如，可先移动第三位置拍摄并判断是否故障，未故障的情况再移动到第一位置、第二位置拍摄判断移位所需的图像，或者，也可每个1小时判断是否移位，每隔2小时判断是否故障，也即是否发生移位和是否发生故障的判断以及对应的图像采集可以是独立的也可以是结合在一起的，在实际过程中，可根据实际情况，确定图像采集的顺序，以及是否发生移位和是否发生故障的判断顺序以及频率。

22、可选地，根据每个工位对应的设备图像判断工位对应的目标设备是否发生移位的步骤包括：根据每个工位的每个第一图像进行一次目标设备是否发生了移位的判断。

23、在该技术方案中，可根据每个第一图像进行一次目标设备是否发生了移位的判断，如果都没有移位，则认为该工位上的设备是正常状态，如果任一阶段判断发生移位，则综合判断该工位对应的监测设备是否有移位问题。

24、可选地，根据第一图像进行一次目标设备是否发生了移位的判断的步骤包括：确定出第一图像中的目标设备；确定出第一图像中目标设备的目标框；根据目标设备的目标框确定剪裁框，剪裁框与目标框的中心对齐，且剪裁框的长度和宽度均大于目标框的长度和宽度；根据剪裁框对第一图像进行裁剪，并生成第三图像：将第三图像输入到第一图像识别模型中，以识别目标设备是否移位，并生成第一结果。

25、在该技术方案中，鉴于在对目标监测设备进行拍摄第一图像时，会拍摄到相邻的其他设备，故而在拍摄第一图像后，需要先从第一图像中找到该拍摄位置对应的目标设备，同时，需要生成目标设备的目标框。其中，目标框为能够将目标设备进行框选的最小矩形框。此后，可将目标框适当扩大一点以后，按照扩大后的目标框对图像进行剪裁，以此能够将设备图像及其周围的标记物剪裁出来。也即这里的剪裁框的大小，可根据标记物和设备之间的间距进行合理设置，以能够将设备周围的标记物剪裁下来为准。此后，可将剪裁后的图像输入到图像识别模型进行识别，以识别目标设备是否移位，识别完成后，便可输出对应的结果。

26、其中，第一图像识别模型为神经网络智能模型，其经过大量的数据训练后，能够基于给出的图像确定图像中的目标设备是否移位。

27、其中，第一图像识别模型为目标分类器模型，该分类器直接判断目标是否发生移位；此处分类模型是yolov8n-cls模型，其类别分为2个类型，即移位和无移位，前期需要使用较多的数据进行模型训练。

28、可选地，第三图像的中心和目标设备的目标框的中心对齐，剪裁框的长度等于目标设备的目标框的长度的1.2倍，剪裁框的宽度等于目标设备的目标框的宽度的1.2倍。具体而言，对图片进行裁剪时，可目标框的中心，向左右各裁剪0.6倍目标的宽度，上下各裁剪目标0.6倍的高度。

29、可选地，根据每个工位对应的设备图像判断工位对应的目标设备是否出现了移位的步骤包括：根据第一图像进行一次目标设备是否发生了移位的判断，具体包括：确定出第一图像中的目标设备；将第一图像进行二值化处理，以生成第一二值化图像；根据第一二值化图像确定出第一图像中的标记物；从第一图像中的标记物中确定出与目标设备相关的标记物，将与目标设备相关的标记物确定为目标标记物；识别出目标标记物，根据目标标记物判断目标设备是否移位，并生成第二结果。

30、在该技术方案中，可识别出第一图像中的标记物，然后基于目标设备的标记物是否断裂，宽度是否变窄等来确定设备是否移位。具体而言，鉴于在对目标设备进行拍摄第一图像时，会拍摄到相邻的其他设备，故而在拍摄第一图像后，需要先从第一图像中识别出该拍摄位置对应的目标设备。然后可将第一图像进行二值化处理，以确定出第一图像中的所有标记物。然后可根据识别出的目标设备和识别出标记物的关系确定目标设备相关的标记物，即目标标记物，然后便可基于目标标记物是否断裂，宽度是否变窄等来确定设备是否移位，然后便可基于判断结果形成第二结果。

31、可选地，根据第一图像进行一次目标设备是否发生了移位的判断的步骤还包括：通过第二图像识别模型对第一图像进行识别，以识别第一图像中的目标设备是否移位，并生成第三结果；在第三结果为目标设备发生了移位，且第二结果为目标设备发生了移位时，判定目标设备发生了移位；在第三结果为目标设备未发生移位，或第二结果为目标设备未发生移位时，判定目标设备未发生移位。

32、在该技术方案中，可先通过人工智能图像识别模型对第一图像进行识别，以判断设备是否移位，并生成结果。此后，可结合标记物的判断结果来综合确定设备是否移位。具体而言，在两个结果都认定设备未发生位移时，确定设备未发生位移，在任意一个结果认定设备发生位移时，确定设备发生位移。以此可以提高移位判断的准确性，降低了发生了移位而未判断出来的情况的概率。

33、其中，由于第一图像为多个，因此，针对每个第一图像均需要进行上述处理，且需要针对每个第一图像均生成一个判断结果。

34、可选地，根据目标标记物判断目标设备是否移位，并生成第二结果的步骤包括：识别出目标标记物，形成线段集，对线段集中的角度相似且共线的两条线段进行合并，根据合并后的线段判断目标设备是否移位，并生成第二结果。

35、在该技术方案中，在检测出目标设备周围的标记物以后，由于识别出的标记物为图像，故而需要先将标记物拟合形成线段。而在该线段拟合过程中，会形成很多的线段，故而在拟合完成后，需要对角度形似且共线的线段进行合并，合并后的线段即为表示标记物的线段。然后便可基于合并后的线段来判断设备是否发生移位。

36、可选地，根据合并后的线段判断目标设备是否移位，并生成第二结果的步骤包括：在合并后的线段为0条时，确定目标设备移位。

37、合并后的线段为0条，即代表未检测到标记物，说明标记物都被压住了，故而此时，可判断设备发生了移位。

38、在合并后的线段的数量大于等于1时，根据目标设备的朝向判断合并后的线段中是否包括目标线段，并判断每个目标线段是否断裂，其中，目标线段包括位于监测设备沿第二方向的两侧的第一目标线段和第二目标线段，以及位于监测设备沿第一方向的一侧的第三目标线段中一个或多个。

39、在该技术方案中，在合并后的线段具有一条以上时，可先根据第一图像确定出设备的朝向，一般而言，是先识别出设备的指定结构，比如设备前方的目标结构，比如设备的门等结构，然后将识别出的目标结构在第一图像中的朝向确定为设备的朝向。然后便可根据设备的朝向和线段的斜率来判断是否存在目标线段。其中，在不同的第一图像中，目标线段指的是不同的线段，比如，在第一位置采集的图像，目标线段具体包括设备指定结构前方的标记物形成的线段，比如设备正前方的标记物形成的线段，以及设备靠近第一位置侧的标记物形成的线段。比如，在第二位置采集的图像，目标线段具体包括设备指定结构前方的标记物形成的线段，比如设备正前方的标记物形成的线段，以及设备靠近第二位置侧的标记物形成的线段。

40、可选地，在确定出合并后的线段中不包括目标线段时，确定目标设备移位。

41、可选地，在第一目标线段、第二目标线段和第三目标线段均存在且均未断裂时，确定第一目标线段的长度与第三目标线段的长度的第一比值，确定第二目标线段的长度与第三目标线段的长度的第二比值；在第一比值或第二比值均小于等于第一值时，确定目标设备移位；在第一比值或第二比值大于等于第二值(如1.2)时，确定目标设备移位；在第一比值和第二比值均大于第一值且小于第二值之间时，确定目标设备未移位。

42、在该技术方案中，如果合并后的线段中没有目标线段，则认定设备发生了移位。反之，在每个第一图像均检测完成后，都在各自图像中识别到各自的目标线段，则判断目标线段是否断裂。如果存在目标线段断裂，则认为设备发生了移位，如果目标线段均存在且未断裂，需判断所有目标线段的比值，根据比值来确定设备是否发生移位。

43、具体来说，第一比值或第二比值小于等于第一值(第一值可为0.24，或0.3)时，说明设备左侧或右侧的线段非常短，故而可以确定设备压线，从而确定目标设备移位。在第一比值或第二比值大于等于第二值(如1.2)时，说明设备前方的线段较短，故而可以确定设备压线，从而确定目标设备移位。而在第一比值和第二比值均大于第一值且小于第二值时，说明设备左右两侧的线段和前方的线段的长度比较适中，故而可以确定设备未压线，从而可确定目标设备未移位。

44、可选地，判断目标线段是否断裂的步骤包括：在确定出合并后的线段中包括多个目标线段时，将长度最大的目标线段确定为最终的目标线段；获取参照线段，根据参照线段判断最终的目标线段是否断裂。

45、在该技术方案中，在识别出的线段中，如果满足要求的同一个目标线段具有多个，比如，识别出第一目标线段有多个，则将长度最大的线段作为目标线段。此后，可参照目标线段绘制一个参照线段，然后基于参照线段和目标线段的面积占比来判断目标线段是否断裂。

46、其中，根据参照线段判断最终的目标线段是否断裂的步骤包括：在最终的目标线段的面积与参照线段的面积占比大于等于第三值(如0.8)时，确定目标线段未断裂，在目标线段的面积与参照线段的面积占比小于第三值时，确定目标线段断裂。即在目标线段相对参照线段的面积占比较小时，说明目标线段的长度过短，应该是被压了，故而可以确定设备移位。反之，在目标线段相对参照线段的面积占比较大时，说明目标线段的长度较正常，没有被压断裂，故而可以确定设备未移位。

47、可选地，对线段集中的角度相似且共线的两条线段进行合并的步骤包括：对线段集中的所有线段按照长度由短到长进行排序；判断首尾两条线段是否角度相似且共线，然后循环执行排除掉首尾两条线段，判断剩余线段中的首尾两条线段是否角度相似且共线的步骤，直到剩余的线段的数量小于等于1；其中，两条线段角度相似是指两条线段的角度差小于第四值(如5°)，两条线段共线是指两条线段中的一条线段的2个端点到两条线段中的另一条线段的延长线的投影距离小于第五值(一般为50)；在判断出首尾两条线段角度相似且共线时，确定首尾两条线段的角度平分线，从首尾两条线段中的4个端点中，将沿角度平分线的方向，相距最远的2个端点作为合并后的线段的端点并生成合并线段。

48、在该技术方案中，在拟合出的线段集中，需要将角度相似且共线的线段进行合并。因为，具有角度相似且共线的线段一般属于同一个标记物，通过合并后便能够得到目标线段。其中，合并时，可先判断首尾线段是否需要合并，然后排除掉首尾线段判断剩下的线段中的首尾线是否可以合并，然后一直循环该步骤，直到判断完所有的线段。而在确定两条线段需要合并时，将两条线段的角度平分线确定为线段的方向，然后将待合并的两条线段的四个端点中，沿角度平分线的方向，相距最远的2个端点作为合并后的线段的两个端点，以此就实现了两条线段的合并。

49、其中，两条线段角度相似是指两条线段的角度差比较小，一般小于5°。而两条线段共线是指两条线段之间的距离比较近，也即这里的共线指的是大致共线。一般地，第一条线段的2个端点到两条线段中的另一条线段的延长线的投影距离小于50个单位(该单位和图片的长宽值的单位同步)即可认为两条线段共线。

50、可选地，从第一图像中的标记物中确定出与目标设备相关的标记物的步骤包括：在第一图像中，将目标设备的轮廓线进行扩大，以形成第一选框；基于第一选框对第一图像进行反选操作，得到反选区域；根据第一二值化图像确定出标记物的连通区域；计算每个连通区域和反选区域的交集区域；计算每个交集区域的面积与对应连通区域的面积的第三比值；在第三比值小于第六值时，将对应的连通区域的标记物确定为与目标设备相关的标记物。

51、在该技术方案中，每个连通区域和反选区域的交集区域表示的是，该区域不属于目标设备，但属于标记物。而在该区域与连通区域的面积比值较小时，说明该区域比较小，因此，该连通域大多数在第一选框区域内，故而可以认为该连通域对应的标记物属于目标设备的相关的标记物，以此就可以快速地确定出目标设备相关的标记物。

52、其中，对于非目标设备的连通域来说，由于其完全位于目标区域外，故而，目标区域扩大并取反后的面积基本是包括该连通域的，因此，该连通域和反选区域的交集区域基本等于该连通域本身，故而其比值比较大。由此可见，该比值越大，说明该连通域和目标设备越不相关。

53、可选地，确定出第一图像中的目标设备的步骤包括：将第一图像输入到第三图像识别模型中进行监测设备的识别，得到识别出的每个监测设备的第一分值；将第一分值大于第七值的监测设备确定为待选设备；判断待选设备是否满足第一条件；在待选设备均不满足第一条件的情况下，确定第一图像中不存在目标设备；在只有一个待选设备满足第一条件的情况下，将待选设备确定为目标设备；在至少两个待选设备满足第一条件的情况下，计算每个待选设备的第二分值，将第二分值最大的待选设备确定为目标设备。

54、在该技术方案中，鉴于在对目标设备进行拍摄第一图像时，会拍摄到相邻的其他设备，故而在拍摄第一图像后，需要先从第一图像中找到该拍摄位置对应的目标设备，其具体操作时，将第一图像进行图像识别，并得出每个监测设备的得分，在得分较高时，说明该设备是目标设备的概率较大，反之则说明该设备不是目标设备。此后，可将得分较高的设备确定为待选设备，然后通过待选设备与第一图像的宽度和高度比，以及待选设备在第一图像中的位置等条件确定出满足条件的待选设备。如果只有一个待选设备满足条件，则将该待选设备确定为目标设备，如果有多个待选设备满足条件，则按照预设条件计算各个待选设备的得分，将得分最高的待续设备确定为目标设备。该种方式，能够从第一图像中准确地识别出目标设备，为后续故障判断提供了基础。

55、可选地，第二分值为b，其中：第二分值b＝0.1×(abs(0.5×目标设备的宽度/第一图像的宽度-0.5))+目标设备的高度/第一图像的高度×目标设备的宽度/第一图像的宽度)。

56、其中，abs()表示绝对值。即，abs(0.5×目标设备的宽度/第一图像的宽度-0.5))+目标设备的高度/第一图像的高度×目标设备的宽度/第一图像的宽度)表示，0.5×目标设备的宽度/第一图像的宽度-0.5))+目标设备的高度/第一图像的高度×目标设备的宽度/第一图像的宽度的值的绝对值。

57、可选地，第一条件与待选设备和第一图像的相对大小和待选设备在第一图像中的位置有关。

58、可选地，移动机器人的异常检测方法还包括：将第一图像输入到第四图像识别模型中进行监测设备的识别，得到每个待选设备的目标框的信息，待选设备的目标框为矩形框。

59、通过识别目标框，便可知道待选设备的宽度、大小和位置，从而便于后续和第一图像进行对比，以确定待选设备是否是目标设备。

60、其中，第一图像中的设备可能只是设备的局部图像，但只要存在局部图像，均需要针对该图像生成目标框。

61、可选地，第一条件包括以下之一及其组合：待选设备的目标框的高度h1和第一图像的高度h2满足以下关系：0.45h2≤h1≤0.9h2；待选设备的目标框的宽度w1和第一图像的宽度w2满足以下关系：0.125w2≤w1≤0.38w2；待选设备的目标框沿宽度方向的第一侧与第一图像沿宽度方向的第一侧之间的距离d1和第一图像的宽度w2满足，d1/w2≥0.02，待选设备的目标框沿宽度方向的第二侧与第一图像沿宽度方向的第一侧之间的距离d2和第一图像的宽度w2满足，d2/w2≤0.98。

62、在该技术方案中，鉴于采集图像的时候，一般是对着目标设备拍摄的，且拍摄位置和拍摄角度也是确定的，因此，目标设备的大小和第一图像的大小关系基本是固定的，即h2和h1的关系，w2和w1的关系，d1/w2的比值基本都是固定的，故而可以据此来筛选出满足上述大小关系的待选设备，以作为目标设备。

63、可选地，异常检测方法还包括：根据每个工位的第二图像进行目标身份码的检测和识别，在工位对应的所有第二图像中未识别出目标身份码时，针对该工位的检测不输出任何检测信息。在第二图像中识别出目标身份码时，继续进行后续检测。

64、在该技术方案中，在每个工位对应的设备图像中未识别出监测设备的身份码信息时，不输出任何消息。即在该工位的图像中，如果没有检测到代表身份的身份码信息时，针对该工位的检测不输出任何消息，直接进行下一工位的检测。

65、可选地，根据每个工位的第二图像进行目标身份码的检测和识别的步骤包括：确定出第二图像中的目标设备；确定出第二图像中的目标身份码，目标身份码所在区域位于目标设备所在区域的内部；在第二图像中没有检测到目标身份码时，输出身份码检测失败；在第二图像中检测到目标身份码时，识别目标身份码，解析出目标身份码对应的工位信息。

66、在该技术方案中，在确定设备出现故障时，还需要知道设备的具体身份信息，故而在得到第二图像后，还需要识别图像中目标身份码，即属于目标设备的身份码。如果检查到目标身份码，则识别目标身份码，以获取设备具体的身份信息，以便能够将故障判断结果与身份信息进行关联。如果没有检查到目标身份码或者身份码识别失败，就认为该位置不是工位或者工位被屏蔽，则不进行后续检测。

67、可选地，身份码为二维码。

68、其中，确定出第二图像中的目标设备的步骤，可以参照确定出第一图像中的目标设备的步骤，在此不再重复介绍。

69、可选地，识别目标身份码的步骤包括：从第二图像中提取出目标身份码的图像；对目标身份码的图像进行识别。

70、在该技术方案中，可从第二图像中提前出目标身份码的图像，然后便可识别目标身份码的图像，以识别出身份信息。

71、可选地，在对目标身份码的图像识别失败时，将目标身份码的图像放大预设倍数后重新识别，如果还是识别失败，重复该步骤；在对目标身份码的图像识别失败的次数大于预设次数后，输出身份码识别失败。

72、在该技术方案中，如果身份码识别失败的话，可将图像放大预设倍，然后重新识别，如果还是失败，继续放大，并重新识别。但如果识别次数大于预设次数后，则直接判断识别错误。通过多次放大并重复识别，可以确保目标身份码识别的准确性，避免身份信息的漏识别。

73、根据本技术第二方面的技术方案提供的移动机器人的异常检测装置，移动机器人包括图像采集装置，异常检测装置包括：第一控制单元，用于控制移动机器人按照目标路线移动，目标路线上设置有多个工位，每个工位上放置有监测设备；第二控制单元，用于在移动机器人移动到任一工位对应的采集位置时，控制图像采集装置采集当前工位对应的设备图像；判断单元，用于根据每个工位对应的每个设备图像判断工位对应的目标设备是否发生移位。并针对每个设备图像均生成一个判断结果；确定单元，用于在在所有设备图像均判定目标设备未发生移位时，确定目标设备未发生移位；确定单元还用于：在预设时间内，如果获取到的判断结果缺少任意一个设备图像的判断结果，针对该工位的检测不输出任何检测信息；在获取到所有设备图像的判断结果，且存在任意一个设备图像判定目标设备发生移位时，确定目标设备发生移位。

74、本技术的移动机器人的异常检测装置，用于移动机器人，其主要用于多个设备集中工作场景下的设备的异常检测。该种场景下，多个设备设置在不同的工位进行工作。而故障检测时，可根据设备的分布情况设置好机器人的移动路线，然后控制移动机器人按照设置好的移动路线进行移动(比如循环移动)。而在移动机器人运动到任意一个工位对应的采集位置时，就可对该工位上的设备进行图像采集，然后根据采集好的图像判断该设备是否存在移位异常等。而在当前工位的检测过程完毕后，便可按照移动路线移动到下一个工位继续进行检测，直到完成所有设备的异常检测。此后，可控制移动机器人进行新一轮的故障检测，以此就可以对多个设备的工作情况进行循环检测，并能够在设备出现移位等异常时，及时发出提醒或者上报服务器，以便用户及时对异常的设备进行检查和维修。该种异常检测方法，只需要一个移动机器人便可以不间断地对设备的状态进行自动检测，以此可以降低故障检测的成本，另一方面，该种检测方法也不需要将设备移动到固定的位置，因此不会让设备中断工作，以此可以确保设备工作的连续性。

75、其中，针对每个图像均生成一个判断结果，如果检测结果没有包含各个图像的判断结果，继续等待，如果长时间没有收集到各个阶段的结果，则不输出任何信息；如果包含了各个阶段的结果，则根据各个判断结果综合确定设备是否移位。该种设置，可以在某个图像没有采集到，或者基于某个图像的判断过程出现问题时，不会输出任何检测结果，以此可以避免信息不全而出现错误的判断。

76、具体而言，该种异常检测方法可用于洗衣房、共享洗衣房等中洗衣机、烘干机等的检测，以此可以在洗衣机和烘干机发生移位或者出现故障时，及时发出提醒，以便用户对发生异常的设备及时进行检修。

77、第三方面，本技术实施例提出了一种电子设备，包括：存储器，存储器储存有程序或指令，处理器，处理器执行程序或指令时，实现第一方面任一项方案提供的异常检测方法的步骤。

78、根据本技术的电子设备，由于其能够实现第一方面任一项方案提供的异常检测方法的步骤。因此，该电子设备具有第一方面任一项方案提供的异常检测方法的全部有益效果。

79、第四方面，本技术实施例提出了一种可读存储介质，其上存储有程序或指令，程序或指令被执行时，实现第一方面任一项方案提供的异常检测方法的步骤。

80、由于可读存储介质能够实现第一方面任一项方案提供的异常检测方法的步骤。因此，可读存储介质具有一方面任一项方案提供的异常检测方法的全部有益效果。

81、第五方面，本技术实施例提出了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现第一方面任一项方案提供的异常检测方法的步骤。

82、由于计算机程序产品能够实现第一方面任一项方案提供的异常检测方法的步骤。因此，计算机程序产品具有一方面任一项方案提供的异常检测方法的全部有益效果。

83、第六方面，本技术实施例提出了一种移动机器人，包括：如第二方面提供的移动机器人的异常检测装置，和/第三方面任一项方案提供的电子设备；和/或第四方面任一项方案提供的可读存储介质，和/或第五方面任一项方案提供的计算机程序产品。

84、由于本技术实施例的移动机器人，包括上述任一技术方案的移动机器人的异常检测装置、电子设备、可读存储介质或计算机程序产品。因此，也具有移动机器人的异常检测装置或电子设备或可读存储介质或计算机程序产品的全部有益效果。

85、本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。