[发明专利]灯具故障自动化识别的方法、系统、电子设备及存储介质

说明书

本发明涉及一种灯具故障自动化识别的方法、系统、电子设备及存储介质。灯具故障自动化识别的方法包括步骤：S1、视频监控，采用摄像头对准待评估是否存在故障的灯具，通过视频监控记录该亮灯过程；S2、截图图片，接收该视频监控并录像，保存该视频片段中的图片截图，根据图片中红色、绿色、蓝色的灰度值将对应图片位置的红、绿、蓝的灰度值分别标记出来；S3、分析得到的具体灯具位置；S4、图片识别灯具故障，灯具定期进行故障识别。本发明通过软硬件结合、优化学习等方式，准确将灯具位置自动分析出来，本方案抗户外光干扰，判断灯具故障位置错误率低。

技术领域

本发明涉及图像识别与处理领域，具体而言，涉及一种灯具故障自动化识别的方法、系统、电子设备及存储介质。

背景技术

随着国内经济和科学技术的高速发展，夜景灯光工程在各大城市得到快速发展，对中国夜经济的发展起到了很大的促进作用。灯光工程项目得到了快速发展，但是相应的维护往往相对比较滞后，我们在欣赏灯光效果的时候往往会发现有些灯具有故障，维保单位却没有发现。原因在于维保单位需要花费大量的人力物力去四处巡查灯具是否有故障，同时还需要将具体故障点位记录下来，这个点位确认和记录是非常繁琐的一件事情。

随着人工智能的快速发展，利用监控摄像头对灯具进行巡检，基本原理就是利用故障灯具与正常灯具的灰度值进行比较来判断故障点位。这个过程核心点就是判断灯具的具体位置和分析灯具故障点位。由于户外光(如室内灯光、路灯、车辆灯光、自然环境光等)对灯具定位和故障判断都有较大干扰，同时，楼宇外形不规则，基本上无法直接对拍摄的图片进行灯具位置分析与计算。

为了能使降噪达到最大，我们需要不仅仅从算法角度着手，更从现场灯具可控这个角度着手。通过软硬件结合的方式将噪音降到最低，精准的判断灯具的具体位置所在。因此，亟需研发出一种通过软硬件结合的方式提升灯具故障点判断的方式。

发明内容

本发明要解决的技术问题是夜景照明工程中灯具故障自动监测与上报的问题，提出一种夜景灯光灯具故障AI处理方法，使得用户实时把控楼宇立面灯具的故障情况。

为解决上述技术问题，根据本发明的一个方面，提供一种灯具故障自动化识别的方法，包括如下步骤：S1、视频监控，采用摄像头对准待评估是否存在故障的灯具，将灯具分别点亮红、绿、蓝三原色，并保持特定亮灯时间，通过视频监控记录该亮灯过程；S2、截图图片，接收该视频监控并录像，保存该视频片段中的图片截图，根据图片中红色、绿色、蓝色的灰度值将对应图片位置的红、绿、蓝的灰度值分别标记出来；S3、分析得到的具体灯具位置，确定红、绿、蓝三次亮灯的图片中公共的区域，作为确定灯具具体位置的基点；S4、图片识别灯具故障，灯具定期进行故障识别，如一个季度进行一次故障识别，并和重大节日开灯时间进行错开，且进行多次测试(凌晨、傍晚、深夜等)；将步骤S3中的得到的灯具位置图与保存的待监测图分别置为图层1和图层2，以图层1为主基准位置在图层2中进行多点取灰度值，再对每个区域的取得的灰度值计算平均值，平均值与实际灰度值比较相差在一定范围内，则评估该灯具正常；平均值与实际灰度值比较相差超出一定范围，则判定该点位灯具故障。

根据本发明的实施例，灯具故障自动化识别的方法还可包括步骤：S5、优化学习，其中，步骤S4后，人员根据处理器判断得到的灯具故障图在监控摄像头上进行核对，确认灯具故障判断是否正确；如果判断的结果全部都是真实情况，则认为算法是正确的，如果发现存在点位判断不正确，则需要让处理器再次进行优化学习，其中，如果判断存在点位判断不正确问题，则通过图片识别灯具故障失败，此时进入步骤S5：进行优化学习，再循环进入步骤S1、S2、S3、S4，直到通过图片成功识别出灯具故障。其中，优化学习过程为，根据不同的算法进行变换不同的采集点位，重新获取灰度值，直到判断正确为止，机器学习多种算法，在下一次判断出来的灯具故障点位进行上报之前，使用多种算法进行多次取点，采集灰度值，再次进行判断分析是否为故障，多次判断结果都判断为故障，则认为此处故障，并上报故障点位。