[发明专利]一种基于图像识别的光盘库故障自动恢复方法及系统

权利要求书

1.一种基于图像识别的光盘库故障自动恢复方法，其特征在于，包括：

采集光盘库的实时故障图像，并对所述实时故障图像进行预处理，得到预处理后的实时故障图像；所述光盘库包括转笼、机械臂、光驱阵列以及摄像头；

所述采集光盘库的实时故障图像，并对所述实时故障图像进行预处理，得到预处理后的实时故障图像，具体包括：

利用所述摄像头对所述光盘库中的转笼、机械臂和光驱阵列进行实时监控，采集转笼、机械臂和光驱阵列的所述实时故障图像；

设置一个像素实验阈值；

将每一幅所述实时故障图像的像素值与所述像素实验阈值进行比较，确定每一幅所述实时故障图像中的反光区域；

剔除每一幅所述实时故障图像中所有的反光区域，并将所述反光区域周围的非反光区域的像素值作为所述反光区域的像素值进行像素补充，得到无反光的实时故障图像；

对所述无反光的实时故障图像进行归一化处理，得到所述预处理后的实时故障图像；

将所述预处理后的实时故障图像输入至训练好的深度神经网络分类模型中进行故障识别，得到实时故障类别码；所述训练好的深度神经网络分类模型为以所述光盘库的故障图像为输入，以所述故障图像对应的故障类别码为输出训练得到的具有多层圆形卷积主干网络的深度神经网络分类模型；

所述主干网络对故障图像进行特征提取时，首先对输入的故障图像的RGB三个通道构成的三维矩阵进行多次的圆形卷积、激活和池化计算，多层圆形卷积的特征提取过程表示为圆形卷积层→激活层→池化层→圆形卷积层→激活层→池化层→圆形卷积层→激活层→池化层→圆形卷积层→激活层→池化层→圆形卷积层→激活层→池化层→输出结果，最终输出结果是特征图，此时的特征图表示所述光盘库在不同故障状态下的画面场景；

根据所述实时故障类别码对所述光盘库的故障进行自动修复处理。

2.根据权利要求1所述的基于图像识别的光盘库故障自动恢复方法，其特征在于，所述光盘库的故障类别码包括转笼未将盘匣转出对应的故障码，机械臂未成功抓起光盘对应的故障码，光驱未及时弹出对应的故障码和光盘掉落对应的故障码。

3.根据权利要求1所述的基于图像识别的光盘库故障自动恢复方法，其特征在于，所述将每一幅所述实时故障图像的像素值与所述像素实验阈值进行比较，确定每一幅所述实时故障图像中的反光区域，具体包括：

将每一幅所述实时故障图像的像素值分别与所述像素实验阈值进行大小比较，根据比较结果判断所述实时故障图像中是否存在所述反光区域；

当所述像素值大于所述像素实验阈值时，则判断该像素值对应的图像区域为反光区域；

当所述像素值小于或等于所述像素实验阈值时，则判断该像素值对应的图像区域为非反光区域。

4.根据权利要求1所述的基于图像识别的光盘库故障自动恢复方法，其特征在于，所述根据所述实时故障类别码对所述光盘库的故障进行自动修复处理，具体包括：

根据每一幅所述预处理后的实时故障图像对应的实时的故障类别码，确定当前所述光盘库所发生故障的故障类型；

根据所述故障类型，对所述光盘库的故障进行自动修复处理。

5.根据权利要求4所述的基于图像识别的光盘库故障自动恢复方法，其特征在于，所述根据所述故障类型，对所述光盘库的故障进行自动修复处理，具体包括：

当所述故障类型为转笼未将盘匣转出时，则自动将转笼归为零点，并进行重新转出盘匣操作；

当所述故障类型为机械臂未能成功抓起光盘时，则自动将机械臂归为零点，并进行重新抓取操作；

当所述故障类型为光驱未及时弹出时，则自动将光驱重置，或者加大光驱弹出马达的力矩，使光驱盘托弹出；

当所述故障类型为光盘掉落时，则自动向机械臂发送指令，控制所述机械臂从备用光盘匣中拾取盘片进行空盘补充。