[发明专利]一种检测设备故障的方法及装置

说明书

本发明公开了一种检测设备故障的方法，包括：获取目标设备的图像，并提取图像中的目标特征；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。该方法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。相应地，本发明公开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。

技术领域

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。

发明内容

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；