一种检测设备故障的方法及装置与流程

本发明涉及计算机技术领域，更具体地说，涉及一种检测设备故障的方法、装置、设备及计算机可读存储介质。

背景技术：

在物理设备的正常使用过程中，难免出现电路板断裂、设备外壳断裂或其他硬件故障。

在工业领域内，为了避免设备硬件故障带来的不利影响，一般由专业的巡检人员逐个检修物理设备，并拍摄出现硬件故障的设备的图像，进而通过图像辨别设备出现的具体故障，并推测出现故障的原因进而其他可能同时出现的故障。但是，由于工业车间内的硬件设备众多，人工检测设备故障的效率较为缓慢，同时由于人工检测难免出现失误，因此检测的准确性和全面性无法得到保障。

因此，如何提高检测设备故障的效率、准确性和全面性，是本领域技术人员需要解决的问题。

技术实现要素：

本发明的目的在于提供一种检测设备故障的方法、装置、设备及计算机可读存储介质，以提高检测设备故障的效率、准确性和全面性。

为实现上述目的，本发明实施例提供了如下技术方案：

一种检测设备故障的方法，包括：

获取目标设备的图像，并提取所述图像中的目标特征；

判断预设的数据库中是否存在与所述目标特征匹配的故障特征；

若是，则确定与所述目标特征匹配度最大的故障特征，并将与所述目标特征匹配度最大的故障特征对应的故障信息，确定为所述目标设备的故障信息。

其中，所述获取目标设备的图像之前，还包括：

通过摄像头采集所述目标设备的图像，并筛选所述图像。

其中，所述将与所述目标特征匹配度最大的故障特征对应的故障信息，确定为所述目标设备的故障信息之后，还包括：

生成包含所述图像和所述故障信息的报警信息，并将所述报警信息传输至预设的管理端。

其中，还包括：

对预设时间段内的报警信息进行统计分类，生成故障统计表。

其中，所述预设的数据库的生成步骤包括：

采用3d技术模拟故障信息，生成携带不同故障信息的多个故障模拟图像；

采用深度学习网络将预先获取的故障真实图像和每个故障模拟图像进行迭代训练，生成多个目标故障图像；

从每个目标故障图像中提取所述故障特征，构成所述数据库。

其中，所述深度学习网络为无监督的vgg卷积神经网络。

其中，还包括：

依据所述数据库和cnn卷积神经网络训练故障识别模型；

将所述目标设备的图像输入所述故障识别模型，输出所述目标设备的图像携带的故障信息。

一种检测设备故障的装置，包括：

获取模块，用于获取目标设备的图像，并提取所述图像中的目标特征；

判断模块，用于判断预设的数据库中是否存在与所述目标特征匹配的故障特征；

检测模块，用于当预设的数据库中存在与所述目标特征匹配的故障特征时，确定与所述目标特征匹配度最大的故障特征，并将与所述目标特征匹配度最大的故障特征对应的故障信息，确定为所述目标设备的故障信息。

一种检测设备故障的设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现上述任意一项所述的检测设备故障的方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的检测设备故障的方法的步骤。

通过以上方案可知，本发明实施例提供的一种检测设备故障的方法，包括：获取目标设备的图像，并提取所述图像中的目标特征；判断预设的数据库中是否存在与所述目标特征匹配的故障特征；若是，则确定与所述目标特征匹配度最大的故障特征，并将与所述目标特征匹配度最大的故障特征对应的故障信息，确定为所述目标设备的故障信息。

可见，所述方法通过提取获取到的目标设备的图像中的目标特征，并判断预设的数据库中是否存在与该目标特征匹配的故障特征，若预设的数据库中存在与该目标特征匹配的故障特征，则表明目标设备出现了故障信息，进而确定与目标特征匹配度最大的故障特征，并将与目标特征匹配度最大的故障特征对应的故障信息，确定为目标设备的故障信息，从而可确定目标设备是否出现故障，并确定出目标设备出现的具体故障信息，而无需人工对设备一一检测。由此提高了检测设备故障的效率、准确性和全面性，为设备维护提供了必要依据。

相应地，本发明实施例提供的一种检测设备故障的装置、设备及计算机可读存储介质，也同样具有上述技术效果。

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，下面将对实施例或现有技术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为本发明实施例公开的一种检测设备故障的方法流程图；

图2为本发明实施例公开的另一种检测设备故障的方法流程图；

图3为本发明实施例公开的一种检测设备故障的装置示意图；

图4为本发明实施例公开的一种检测设备故障的设备示意图。

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。

本发明实施例公开了一种检测设备故障的方法、装置、设备及计算机可读存储介质，以提高检测设备故障的效率、准确性和全面性。

参见图1，本发明实施例提供的一种检测设备故障的方法，包括：

s101、获取目标设备的图像，并提取图像中的目标特征；

在本实施例中，可即时获取目标设备的图像，从获取到的图像中可提取目标特征。其中，目标特征即为表示设备故障信息的特征，例如：设备电路板断裂、破损，设备外壳破碎、设备连接线路破损等。

s102、判断预设的数据库中是否存在与目标特征匹配的故障特征；若是，则执行s103；若否，则执行s104；

具体的，预设的数据库中预先存储了多种故障特征，即上文提及的“设备电路板断裂、破损，设备外壳破碎、设备连接线路破损等”，用于与目标设备的图像中的目标特征进行匹配。若为目标特征匹配到相应的故障特征，则表明目标设备存在故障；若没有为目标特征匹配到相应的故障特征，则表明目标设备不存在故障，或该目标特征表示的故障信息未收录至所述数据库，或当前获取到的目标设备的图像不全面，此时可变换角度和方位，以获取到目标设备的更全面的图像，从而可全面检测目标设备；同时，还可以将目标设备的图像传输至维修人员，以使维修人员查看。

s103、确定与目标特征匹配度最大的故障特征，并将与目标特征匹配度最大的故障特征对应的故障信息，确定为目标设备的故障信息；

具体的，当为目标特征匹配到相应的故障特征时，得到的与之匹配的故障特征可能为多个，此时则从多个故障特征中确定出与目标特征匹配度最大的故障特征，并将与目标特征匹配度最大的故障特征对应的故障信息，确定为目标设备的故障信息，即可检测出目标设备出现的故障信息。

s104、将目标设备的图像进行可视化展示。

具体的，当没有为目标特征匹配到相应的故障特征时，则表明目标设备不存在故障，或该目标特征表示的故障信息未收录至所述数据库，或当前获取到的目标设备的图像不全面，此时可变换角度和方位，以获取到目标设备的更全面的图像，从而可全面检测目标设备；那么将目标设备的图像进行可视化展示，以便维修人员查看。

可见，本实施例提供了一种检测设备故障的方法，所述方法通过提取获取到的目标设备的图像中的目标特征，并判断预设的数据库中是否存在与该目标特征匹配的故障特征，若预设的数据库中存在与该目标特征匹配的故障特征，则表明目标设备出现了故障信息，进而确定与目标特征匹配度最大的故障特征，并将与目标特征匹配度最大的故障特征对应的故障信息，确定为目标设备的故障信息，从而可确定目标设备是否出现故障，并确定出目标设备出现的具体故障信息。由此提高了检测设备故障的效率、准确性和全面性，为设备维护提供了必要依据。

本发明实施例公开了另一种检测设备故障的方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。

参见图2，本发明实施例提供的另一种检测设备故障的方法，包括：

s201、获取目标设备的图像，并提取图像中的目标特征；

s202、判断预设的数据库中是否存在与目标特征匹配的故障特征；若是，则执行s203；若否，则执行s205；

s203、确定与目标特征匹配度最大的故障特征，并将与目标特征匹配度最大的故障特征对应的故障信息，确定为目标设备的故障信息，并执行s204；

s204、生成包含目标设备的图像和故障信息的报警信息，并将报警信息传输至预设的管理端；

在本实施例中，当确定出目标设备存在的故障信息后，可以生成包含目标设备的图像和故障信息的报警信息，并将报警信息传输至预设的管理端，以便维修人员查看报警信息，并根据报警信息维修目标设备。

s205、将目标设备的图像进行可视化展示。

优选地，对于一段时间内的报警信息，可进行统计分类，以便于设备维护工作的开展。那么，可以对预设时间段内的报警信息进行统计分类，生成故障统计表，以便维修人员根据故障统计表制定维修策略，保障硬件设备的平稳运行。

可见，本实施例提供了另一种检测设备故障的方法，所述方法通过提取获取到的目标设备的图像中的目标特征，并判断预设的数据库中是否存在与该目标特征匹配的故障特征，若预设的数据库中存在与该目标特征匹配的故障特征，则表明目标设备出现了故障信息，进而确定与目标特征匹配度最大的故障特征，并将与目标特征匹配度最大的故障特征对应的故障信息，确定为目标设备的故障信息，从而可确定目标设备是否出现故障，并确定出目标设备出现的具体故障信息。由此提高了检测设备故障的效率、准确性和全面性，为设备维护提供了必要依据。

基于上述任意实施例，需要说明的是，所述获取目标设备的图像之前，还包括：通过摄像头采集所述目标设备的图像，并筛选所述图像。具体的，可通过摄像头采集目标设备的图像，该摄像头为变焦摄像头或定焦摄像头；同时，可以将摄像头安装于可旋转底座，以便摄像头全方位拍摄目标设备。当然，还可以通过自主行走的巡检机器采集目标设备的图像。

基于上述任意实施例，需要说明的是，所述预设的数据库的生成步骤包括：

采用3d技术模拟故障信息，生成携带不同故障信息的多个故障模拟图像；

采用深度学习网络将预先获取的故障真实图像和每个故障模拟图像进行迭代训练，生成多个目标故障图像；

从每个目标故障图像中提取所述故障特征，构成所述数据库。

其中，所述深度学习网络为无监督的vgg卷积神经网络。

具体的，所述vgg卷积神经网络包括：多个卷积层，用于根据故障真实图像渲染故障模拟图像，以补偿故障模拟图像中缺失的内容，使生成的目标故障图像与故障真实图像无差别。同时，可以存储生成的多个目标故障图像，以为设备故障的统计分析提供有效依据。其中，一个目标故障图像可对应一个故障模拟图像，即通过3d技术模拟出多少个故障模拟图像，便可得到多少个目标故障图像，故障模拟图像的数量和目标故障图像的数量相等。当然，也可以通过一个故障模拟图像生成多个目标故障图像。

基于上述任意实施例，需要说明的是，生成包含多种故障特征的数据库之后，还可以依据所述数据库和cnn卷积神经网络训练故障识别模型，利用所述故障识别模型识别目标设备的故障信息。即：将所述目标设备的图像输入故障识别模型，输出所述目标设备的图像携带的故障信息。

需要说明的是，在检测设备故障时，可以直接将需要检测的图像携带的特征与数据库中的故障特征进行匹配，依据匹配结果确定目标设备的故障信息；还可以利用包含大量故障特征的数据库和cnn卷积神经网络训练故障识别模型，利用故障识别模型识别目标设备的故障信息。其中，依据数据库和cnn卷积神经网络训练故障识别模型，和依据故障识别模型识别目标设备的故障信息的具体实现方法，可依据现有的任意神经网络算法具体实施，因此本说明书在此不再赘述。

下面对本发明实施例提供的一种检测设备故障的装置进行介绍，下文描述的一种检测设备故障的装置与上文描述的一种检测设备故障的方法可以相互参照。

参见图3，本发明实施例提供的一种检测设备故障的装置，包括：

获取模块301，用于获取目标设备的图像，并提取所述图像中的目标特征；

判断模块302，用于判断预设的数据库中是否存在与所述目标特征匹配的故障特征；

检测模块303，用于当预设的数据库中存在与所述目标特征匹配的故障特征时，确定与所述目标特征匹配度最大的故障特征，并将与所述目标特征匹配度最大的故障特征对应的故障信息，确定为所述目标设备的故障信息。

其中，还包括：

采集模块，用于通过摄像头采集所述目标设备的图像，并筛选所述图像。

其中，还包括：

报警信息生成模块，用于生成包含所述图像和所述故障信息的报警信息，并将所述报警信息传输至预设的管理端。

其中，还包括：

统计模块，用于对预设时间段内的报警信息进行统计分类，生成故障统计表。

其中，还包括数据库生成模块，所述数据库生成模块包括：

生成单元，用于采用3d技术模拟故障信息，生成携带不同故障信息的多个故障模拟图像；

获取单元，用于采用深度学习网络将预先获取的故障真实图像和每个故障模拟图像进行迭代训练，生成多个目标故障图像；

提取单元，用于从每个目标故障图像中提取所述故障特征，构成所述数据库。

还包括：

训练模块，用于依据所述数据库和cnn卷积神经网络训练故障识别模型；

识别模块，用于将所述目标设备的图像输入所述故障识别模型，输出所述目标设备的图像携带的故障信息。

可见，本实施例提供了一种检测设备故障的装置，包括：获取模块、判断模块、检测模块。首先由获取模块获取目标设备的图像，并提取所述图像中的目标特征；然后由判断模块判断预设的数据库中是否存在与所述目标特征匹配的故障特征；最后通过检测模块确定与所述目标特征匹配度最大的故障特征，并将与所述目标特征匹配度最大的故障特征对应的故障信息，确定为所述目标设备的故障信息。如此各个模块之间分工合作，各司其职，从而确定出了目标设备是否出现故障，并确定出目标设备出现的具体故障信息。由此提高了检测设备故障的效率、准确性和全面性，为设备维护提供了必要依据。

下面对本发明实施例提供的一种检测设备故障的设备进行介绍，下文描述的一种检测设备故障的设备与上文描述的一种检测设备故障的方法及装置可以相互参照。

参见图4，本发明实施例提供的一种检测设备故障的设备，包括：

存储器401，用于存储计算机程序；

处理器402，用于执行所述计算机程序时实现上述任意实施例所述的检测设备故障的方法的步骤。

下面对本发明实施例提供的一种计算机可读存储介质进行介绍，下文描述的一种计算机可读存储介质与上文描述的一种检测设备故障的方法、装置及设备可以相互参照。

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意实施例所述的检测设备故障的方法的步骤。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。