申请/专利权人：龙坤(无锡)智慧科技有限公司

申请日：2023-10-23

公开（公告）日：2024-04-23

公开（公告）号：CN117315368B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/25;G06T7/73;G06T7/11;G06T7/136;G06T5/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明涉及智能运维的技术领域，公开了一种大规模数据中心智能运维巡检方法，所述方法包括：无人运维机器人实时采集数据中心中的服务器面板图像；利用最优服务器面板指示灯定位模型对服务器面板图像进行服务器指示灯区域子图像定位；构建服务器面板图像复原模型生成服务器面板复原图像；对所采集的服务器面板图像和服务器面板复原图像进行阈值分割，判断是否存在指示灯异常。本发明结合图像中像素映射概率与真实概率的差异性构建服务器面板指示灯定位模型，实现指示灯区域定位，基于阈值分割处理后原始服务器面板图像和服务器面板复原图像的像素结构差异，判断原始服务器面板图像的指示灯是否存在异常，实现数据中心服务器的运行状况巡检。

主权项：1.一种大规模数据中心智能运维巡检方法，其特征在于，所述方法包括：S1：无人运维机器人在既定轨迹运行过程中，实时采集数据中心中的服务器面板图像；设定无人运维机器人的运行轨迹，其中无人运维机器人的运行轨迹为无人运维机器人对数据中心的不同服务器的状态检测巡检路径，无人运维机器人按照既定轨迹，利用传感器采集不同服务器的服务器面板图像，其中服务器面板图像为服务器运行过程中各指标的显示图像，包括指示灯区域图像、系统状态图像以及数据统计图像，无人运维机器人所采集服务器面板图像的集合为： 其中： 表示无人运维机器人巡检过程中所实时采集第n个服务器的服务器面板图像，N表示所设置无人运维机器人运行轨迹中待巡检服务器的总数；S2：构建服务器面板指示灯定位模型，所述模型以服务器面板图像为输入，以服务器指示灯区域子图像为输出；S3：基于服务器面板指示灯定位模型确定模型优化目标函数，并对模型优化目标函数进行最优化求解构建得到最优服务器面板指示灯定位模型，利用最优服务器面板指示灯定位模型对服务器面板图像进行服务器指示灯区域子图像定位；基于服务器面板指示灯定位模型确定模型优化目标函数，包括：获取M组服务器面板图像并对服务器面板图像进行指示灯区域轮廓标记，构成服务器面板指示灯定位模型的训练数据集data： 其中： 表示训练数据集data中第m组训练数据，表示训练数据中的服务器面板图像，表示中指示灯区域轮廓像素集合；基于服务器面板指示灯定位模型确定模型优化目标函数，其中所构建的模型优化目标函数为： 其中： 表示模型优化目标函数，表示待优化求解的模型参数向量； 表示将输入到基于模型参数向量的服务器面板指示灯定位模型中像素为服务器指示灯区域轮廓的映射概率，表示像素的真实轮廓概率； 表示训练数据集data中服务器面板图像的像素坐标集合，，s表示像素坐标集合中的任意像素坐标，表示服务器面板图像中像素坐标为的像素；H表示第m组训练数据中服务器面板图像所包含的像素总数； 表征单个像素的映射概率与真实轮廓概率的对应关系，对应单个像素的映射概率与真实轮廓概率差异性； 表征全局像素的映射概率与真实轮廓概率的对应关系，对应全局像素的映射概率与真实轮廓概率差异性； 表示映射概率与真实轮廓概率的交并比；S4：构建服务器面板图像复原模型生成服务器指示灯区域子图像对应的服务器面板复原图像，所述服务器面板图像复原模型以服务器指示灯区域子图像为输入，以正常运行状态下的服务器面板复原图像为输出；服务器面板图像复原模型包括编码层、解码层以及输出层，编码层用于对服务器指示灯区域子图像进行编码处理，解码层用于对编码处理结果进行结合注意力机制的解码处理，输出层用于根据解码处理结果，生成具有指示灯区域、服务器状态区域以及数据统计区域的服务器面板复原图像；基于服务器面板复原模型的服务器指示灯区域子图像的复原流程为：S41：编码层对服务器指示灯区域子图像进行编码处理： 其中： 表示编码层中第r个编码单元的权重参数矩阵； 表示第r个编码单元对服务器指示灯区域子图像的编码处理结果，；将第R个编码单元对服务器指示灯区域子图像的编码结果作为编码处理结果；S42：解码层对编码处理结果进行结合注意力机制的解码处理： 其中： 表示编码处理结果的上采样处理结果； 表示服务器指示灯区域子图像的解码处理结果；S43：对解码处理结果进行反卷积处理操作，生成具有指示灯区域、服务器状态区域以及数据统计区域的服务器面板复原图像；S5：对所采集的原始服务器面板图像和服务器面板复原图像进行阈值分割，判断是否存在指示灯异常；对所采集的原始服务器面板图像和服务器面板复原图像进行阈值分割，根据阈值分割结果判断是否存在指示灯异常，其中所述服务器面板复原图像以及原始服务器面板图像的阈值分割以及指示灯异常的流程为：对服务器面板复原图像以及原始服务器面板图像进行灰度化处理，并利用Ostu算法对灰度化处理后的服务器面板复原图像以及原始服务器面板图像进行阈值分割，得到二值化的服务器面板复原图像以及二值化的原始服务器面板图像；计算得到二值化的服务器面板复原图像以及二值化的原始服务器面板图像的相似度，若相似度高于预设相似阈值，则表示图像所对应服务器不存在指示灯异常，否则表示服务器存在指示灯异常，其中相似度计算公式为： 其中： 分别为二值化的服务器面板复原图像以及二值化的原始服务器面板图像的像素值标准差； 分别为二值化的服务器面板复原图像以及二值化的原始服务器面板图像的像素值均值； 表示二值化的服务器面板复原图像以及二值化的原始服务器面板图像的相似度。

全文数据：

权利要求：

百度查询： 龙坤(无锡)智慧科技有限公司 一种大规模数据中心智能运维巡检方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD