[发明专利]基于编码识别的机柜智能资产盘点方法

说明书

基于编码识别的机柜智能资产盘点方法，包括：步骤1编码标签图片预处理；步骤2构建与改进PSENet网络模型，模型包括特征提取模块、分割头模块以及后处理模块；步骤3识别带不同二进制数的资产标签，获取资产信息，其中识别标识之前需要通过卷积神经网络训练图片识别模型，达到通过给定图形或图案返回数字的效果；步骤4数据库存储资产信息；步骤5汇总资产数据，返回盘点信息。本发明一次可以抓取多个标识信息，识别后有唯一二进制编码，满足自然场景下对标签下对应的资产的管理需求。

技术领域

本发明涉及资产盘点领域，特别是涉及一种对于服务器机柜中规整摆放硬件的基于PSENet网络的迁移学习编码识别而进行智能资产盘点的方法。

背景技术

时至今日，由于互联网行业创新技术发展的需求不断提升，我国的数据中心应用规模已经达到世界第二位。数据中心设备、网络机柜等利用率不断提高，也意味着固定资产数量不断增加，提高固定资产管理的效率是保证固定资产利用率的有效途径。

以人工录入或者Access、Excel等工具或小型资产管理软件录入的传统数据中心设备管理的方式往往人力成本高、差错率高、效率低且数据常常不可用。较为成熟的资产条码扫描技术通过扫描资产上的标签或二维码可快速录入信息，改进了人工方式带来的不足，提高了工作效率，但逐个扫描的方式对于资产数量庞大的场景将消耗较长工作时间，而可以自动识别的RFID技术核心是RFID标签，其不稳定性使得资产容易漏录。还有通过图像识别资产进行盘点的方式，虽然信息可以录入比较准确，但是通常数据中心的固定资产是规整放置在机柜中的，数量较多时获取图像将造成不便。

人工智能不断发展的今天，在目标检测领域里也在持续不断的诞生许多非常优秀的算法，大部分算法是对物体，生物体的检测，目标都比较大，而文本标签在一张图片里通常以比较小形式呈现，且存在弯曲的情况，且原本标签的信息不止是需要被检测出的一种需求，实际场景下更重要的是对标签信息的提取，这种情况下一般的目标检测显然是不够的。

发明内容

基于此，针对上述现有技术的不足，本发明提出一种基于PSENet网络的迁移学习编码识别的机柜智能资产盘点方法，通过改进PSENet网络来进行学习训练，提高了网络对文本标签的检测识别的速度和精准度，目的是为数据中心的资产提供效率更高、资产盘点更加准确的智能资产盘点方法。

为了实现上述目的，本发明的基于编码识别的机柜智能资产盘点方法，包括以下步骤：

步骤1编码标签图片预处理；

摄像头获取的带标识的文本标签是带大文本、小文本、弯曲文本、矩形文本的图像，图像的标注采用OCR的标注方式，每个文本框包含四个坐标八个坐标点(x1,y1,x2,y2,x3,y3,x4,y4)和一个标签的形式；这些作为正样本的训练图像，图像中存在一个和多个的文本标签。

对标注好的机柜标签图片进行数据扩充处理；包括将图片随机旋转(-10°到10°这个区间)，对图片进行随机裁剪和随机翻转；为了提高网络训练效率，将所有处理过的图像重新调整到640x640的大小。

步骤2构建与改进PSENet网络模型，包括特征提取模块、分割头模块以及后处理模块；

步骤2.1构建特征提取模块；