灯珠平面故障监测方法、装置、计算机设备和存储介质与流程

本申请涉及图像识别，特别是涉及一种灯珠平面故障监测方法、装置、计算机设备和存储介质。

背景技术：

1、针对通电的灯珠平面进行故障监测，通常使用的方式为观察通过灯珠平面的电流电压状态，而这种方式无法有效监测到灯珠平面上具体出现故障的灯珠，仍需人员定期查看灯珠平面，但人眼寻检既无法精确定位单颗灯珠故障状态，也无法实时发现异常。

2、因此，传统技术中的灯珠平面故障监测方式存在不及时且准确性不高的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高灯珠平面故障监测及时性和准确性的灯珠平面故障监测方法、装置、计算机设备和存储介质。

2、第一方面，本申请提供了一种灯珠平面故障监测方法。所述方法包括：

3、获取灯珠平面上灯珠亮起时的灯珠平面图像，确定所述灯珠平面图像上的待处理区域，对所述待处理区域进行灰度处理，得到灰度图像；

4、对所述灰度图像进行灯珠轮廓识别，得到灯珠轮廓，基于所述灰度图像和所述灯珠轮廓，确定所述灯珠平面上每一灯珠对应的灰度值；

5、将每一灯珠对应的灰度值输入灯珠寿命预测模型，输出相应灯珠的预测剩余寿命，基于所述预测剩余寿命和预设故障寿命阈值，确定所述灯珠平面上相应的灯珠是否发生故障。

6、在其中一个实施例中，所述灯珠寿命预测模型的训练过程，包括：

7、获取样本灯珠平面上每一灯珠对应的灰度值随时间变化的对应关系，基于所述对应关系确定每一灯珠在目标灰度值下对应的第一参考剩余寿命；

8、将所述目标灰度值以及对应的第一参考剩余寿命作为训练样本，对初始灯珠寿命预测模型进行持续训练，直至训练后的灯珠寿命预测模型中的模型评价参数达到预设阈值的情况下，结束训练，得到所述灯珠寿命预测模型。

9、在其中一个实施例中，所述模型评价参数包括差异系数和影响程度系数；所述模型评价参数的确定过程，包括：

10、基于所述初始灯珠寿命预测模型输出的参考预测剩余寿命与相应的第一参考剩余寿命间的差异程度，得到所述差异系数；

11、对所述参考预测剩余寿命和相应的目标灰度值进行拟合，得到回归方程，基于所述回归方程，确定所述影响程度系数。

12、在其中一个实施例中，所述预设故障寿命阈值的更新方式，包括：

13、在所述灯珠平面上相应的灯珠发生故障的情况下，将发生故障的灯珠对应的灰度值输入所述灯珠寿命预测模型，得到所述发生故障的灯珠的第二参考剩余寿命；

14、基于所述第二参考剩余寿命，对所述预设故障寿命阈值进行更新。

15、在其中一个实施例中，所述方法还包括：

16、基于所述灯珠轮廓确定所述灰度图像上的灯珠数量，获取所述待处理区域的实际灯珠数量，在所述实际灯珠数量大于所述灯珠数量的情况下，确定所述灯珠平面上存在灯珠发生故障。

17、在其中一个实施例中，所述对所述灰度图像进行灯珠轮廓识别，得到灯珠轮廓，包括：

18、对所述灰度图像进行高斯滤波，得到滤波图像；

19、利用图像梯度提取算子，计算所述滤波图像的梯度强度矩阵；

20、基于所述梯度强度矩阵，确定所述滤波图像上每一像素的梯度强度；

21、针对每一像素，以所述像素为中心，确定相邻像素的相邻梯度强度，若所述像素的梯度强度大于所述相邻梯度强度，则将所述像素作为待确定边缘点，若所述像素的梯度强度不大于所述相邻梯度强度，则将所述像素作为非边缘点；

22、在存在待确定边缘点的梯度强度大于预设高阈值的情况下，将相应的待确定边缘点作为强边缘点，在存在待确定边缘点的梯度强度小于预设低阈值的情况下，将相应的待确定边缘点作为非边缘点，在存在待确定边缘点的梯度强度不小于所述预设低阈值且不大于所述预设高阈值的情况下，将相应的待确定边缘点作为弱边缘点；

23、若存在弱边缘点的八邻域像素中存在强边缘点，则将相应的弱边缘点更新为强边缘点；

24、基于所述强边缘点确定灯珠轮廓。

25、第二方面，本申请还提供了一种灯珠平面故障监测装置。所述装置包括：

26、图像处理模块，用于获取灯珠平面上灯珠亮起时的灯珠平面图像，确定所述灯珠平面图像上的待处理区域，对所述待处理区域进行灰度处理，得到灰度图像；

27、灯珠识别模块，用于对所述灰度图像进行灯珠轮廓识别，得到灯珠轮廓，基于所述灰度图像和所述灯珠轮廓，确定所述灯珠平面上每一灯珠对应的灰度值；

28、故障确定模块，用于将每一灯珠对应的灰度值输入灯珠寿命预测模型，输出相应灯珠的预测剩余寿命，基于所述预测剩余寿命和预设故障寿命阈值，确定所述灯珠平面上相应的灯珠是否发生故障。

29、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例中的方法的步骤。

30、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其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一实施例中的方法的步骤。

31、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一实施例中的方法的步骤。

32、上述灯珠平面故障监测方法、装置、计算机设备和存储介质，通过确定灯珠平面上灯珠亮起时的灯珠平面图像上的待处理区域，对待处理区域进行灰度处理，得到灰度图像，对灰度图像进行灯珠轮廓识别，得到灯珠轮廓，基于灰度图像和灯珠轮廓，确定灯珠平面上每一灯珠对应的灰度值，将每一灯珠对应的灰度值输入灯珠寿命预测模型，输出相应灯珠的预测剩余寿命，基于预测剩余寿命和预设故障寿命阈值，确定灯珠平面上相应的灯珠是否发生故障。相比于传统技术中的灯珠平面故障监测方式存在不及时且准确性不高的问题而言，本申请确定灯珠平面图像上的待处理区域，能够缩小灯珠平面图像，减少数据处理量，提高灯珠平面故障监测的效率，对待处理区域进行灰度处理得到灰度图像，基于灰度图像进行灯珠轮廓识别，从而得到每一灯珠对应的灰度值，利用灰度值和灯珠寿命预测模型得到每一灯珠的预测剩余寿命，根据预设故障寿命阈值判断相应灯珠是否发生故障，能够实时对灯珠平面进行故障监测，且基于每一灯珠的预测剩余寿命和预设故障寿命阈值判断相应灯珠是否发生故障，提高了灯珠平面故障预测的准确性。

技术特征：

1.一种灯珠平面故障监测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述灯珠寿命预测模型的训练过程，包括：

3.根据权利要求2所述的方法，其特征在于，所述模型评价参数包括差异系数和影响程度系数；所述模型评价参数的确定过程，包括：

4.根据权利要求1所述的方法，其特征在于，所述预设故障寿命阈值的更新方式，包括：

5.根据权利要求1至4任意一项所述的方法，其特征在于，所述方法还包括：

6.根据权利要求1至4任意一项所述的方法，其特征在于，所述对所述灰度图像进行灯珠轮廓识别，得到灯珠轮廓，包括：

7.一种灯珠平面故障监测装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种灯珠平面故障监测方法、装置、计算机设备和存储介质。所述方法包括：获取灯珠平面上灯珠亮起时的灯珠平面图像，确定所述灯珠平面图像上的待处理区域，对所述待处理区域进行灰度处理，得到灰度图像；对所述灰度图像进行灯珠轮廓识别，得到灯珠轮廓，基于所述灰度图像和所述灯珠轮廓，确定所述灯珠平面上每一灯珠对应的灰度值；将每一灯珠对应的灰度值输入灯珠寿命预测模型，输出相应灯珠的预测剩余寿命，基于所述预测剩余寿命和预设故障寿命阈值，确定所述灯珠平面上相应的灯珠是否发生故障。采用本方法能够提高灯珠平面故障监测的及时性和准确性。

技术研发人员：杨衍辰,冯云山,苏家男
受保护的技术使用者：业成科技（成都）有限公司
技术研发日：
技术公布日：2024/1/13