一种运维监控方法、装置、电子设备及存储介质专利检索-机器对机器物联网计算机网络专利检索查询-专利查询网

一种运维监控方法、装置、电子设备及存储介质

阅读：0发布：2020-05-11

专利汇可以提供一种运维监控方法、装置、电子设备及存储介质专利检索，专利查询，专利分析的服务。并且本公开实施例公开了一种运维监控方法、装置、电子设备及存储介质，涉及自动化运维监控技术领域。其中，该方法包括：通过机器视觉系统对标准化工业场所和/或工业设备运行状态进行实时监控处理；当机器视觉系统发现监控视频/图像中出现异常情况时，进行报警和/或生成运维指令；通过机器视觉系统对执行运维指令的运维流程进行自动监控；待警报解除和/或运维结束后，运用机器视觉系统和传感器对标准化工业场所和/或工业设备运行状态进行交叉验证；采用此方法，通过机器视觉系统代替人员进行巡检，大大降低了劳动成本，通过对标准化工业场所和/或工业设备的全方位监控，确保标准化工业场所安全有效的运行。，下面是一种运维监控方法、装置、电子设备及存储介质专利的具体信息内容。

权利要求

1.一种运维监控方法，其特征在于，包括：
通过机器视觉系统对标准化工业场所和/或工业设备运行状态进行实时监控处理；
当所述机器视觉系统发现监控视频/图像中出现异常情况时，进行报警和/或生成运维指令；
通过所述机器视觉系统对执行所述运维指令的运维流程进行自动监控；
待警报解除和/或运维结束后，运用所述机器视觉系统和传感器对标准化工业场所和/或工业设备运行状态进行交叉验证。
2.根据权利要求1所述的方法，其特征在于，所述异常情况包括所述监控视频/图像中人员出现异常情况和/或所述监控视频/图像中的目标物体出现异常情况。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：建立标准化工业场所或工业设备的数据库；将所述异常情况、所述报警信息、所述运维流程及生成的运维结果形成运维记录，并将所述运维记录更新至数据库中。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：若所述异常情况消除，则联动所述数据库中的运维验证数据库进行验证，同时联动所述数据库中的运维知识库进行分类存储；若所述异常情况仍未消除，继续下发运维任务，直至运维结束。
5.根据权利要求1所述的方法，其特征在于，所述机器视觉系统可以通过使用训练好的神经网络对所述标准化工业场所和/或所述工业设备运行状态进行实时监控处理。
6.根据权利要求1所述的方法，其特征在于，所述运维流程具体包括：通过所述机器视觉系统识别所述工业设备的运行状态、运维人员装备状态、运维人员行进路径、运维人员维护操作规范、运维人员维护与故障设备对应状态。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括待警报解除和/或运维结束后，对警报解除结果和/或运维结果进行自动监控。
8.一种运维监控装置，其特征在于，包括：
实时监控模块，用于通过机器视觉系统对标准化工业场所和/或工业设备运行状态进行实时监控处理；
异常情况处理模块，用于当所述机器视觉系统发现所述监控视频/图像中出现异常情况，则进行报警和/或生成运维指令；
运维流程监控模块，通过所述机器视觉系统对执行所述运维指令的运维流程进行自动监控；
验证模块，用于待警报解除和/或运维结束后，运用所述机器视觉系统和传感器对标准化工业场所和/或工业设备运行状态进行交叉验证。
9.一种电子设备，其特征在于，包括：
存储器以及一个或多个处理器；
其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如权利要求1-7任一项所述的方法。

说明书全文

一种运维监控方法、装置、电子设备及存储介质

技术领域

[0001] 本公开涉及自动化运维监控技术领域，具体涉及一种运维监控方法、装置、电子设备及存储介质。

背景技术

[0002] 传统的工业场所或者是工业设备需要大量的人员进行巡检与维护，人员成本比较高，容易有巡检死角或者是人员消极怠工、出现漏检错检的情况；而且一旦突发情况，很难迅速察觉并处理，容易造成一定的安全隐患，甚至带来一定的经济损失。

[0003] 一些基于机器视觉的自动化监控方法被提出，通过机器视觉的方法，可以对外来人员的入侵、维护人员的安全设备进行自动识别。然而，工业场所或设备的运维是一系列的人员和设备之间交互的结果，现有技术中并没有给出能够对整个流程进行自动化监控的方法。因此，亟需一种标准化工业场所或工业设备的运维监控方法。发明内容

[0004] 针对现有技术中的上述技术问题，本公开实施例提出了一种运维监控方法、装置、电子设备及存储介质，以解决现有技术中存在的人员成本比较高，容易有巡检死角或者是人员消极怠工、出现漏检错检的情况；而且一旦突发情况，很难迅速察觉并处理，会带来一定的经济损失等问题。

[0005] 本公开实施例的第一方面提供了一种运维监控方法，包括：

[0006] 通过机器视觉系统对标准化工业场所和/或工业设备运行状态进行实时监控处理；

[0007] 当所述机器视觉系统发现监控视频/图像中出现异常情况时，进行报警和/或生成运维指令；

[0008] 通过所述机器视觉系统对执行所述运维指令的运维流程进行自动监控；

[0009] 待警报解除和/或运维结束后，运用所述机器视觉系统和传感器对标准化工业场所和/或工业设备运行状态进行交叉验证。

[0010] 在一些实施例中，所述异常情况包括所述监控视频/图像中人员出现异常情况和/或所述监控视频/图像中的目标物体出现异常情况。

[0011] 在一些实施例中，所述方法还包括：建立标准化工业场所或工业设备的数据库；将所述异常情况、所述报警信息、所述运维流程及生成的运维结果形成运维记录，并将所述运维记录更新至数据库中。

[0012] 在一些实施例中，所述方法还包括：若所述异常情况消除，则联动所述数据库中的运维验证数据库进行验证，同时联动所述数据库中的运维知识库进行分类存储；若所述异常情况仍未消除，继续下发运维任务，直至运维结束。

[0013] 在一些实施例中，所述机器视觉系统可以通过使用训练好的神经网络对所述标准化工业场所和/或所述工业设备运行状态进行实时监控处理。

[0014] 在一些实施例中，所述运维流程具体包括：通过所述机器视觉系统识别所述工业设备的运行状态、运维人员装备状态、运维人员行进路径、运维人员维护操作规范、运维人员维护与故障设备对应状态。

[0015] 在一些实施例中，所述方法还包括待警报解除和/或运维结束后，对警报解除结果和/或运维结果进行自动监控。

[0016] 本公开实施例的第二方面提供了一种运维监控装置，包括：

[0017] 实时监控模块，用于通过机器视觉系统对标准化工业场所和/或工业设备运行状态进行实时监控处理；

[0018] 异常情况处理模块，用于当所述机器视觉系统发现所述监控视频/图像中出现异常情况，则进行报警和/或生成运维指令；

[0019] 运维流程监控模块，通过所述机器视觉系统对执行所述运维指令的运维流程进行自动监控；

[0020] 验证模块，用于待警报解除和/或运维结束后，运用所述机器视觉系统和传感器对标准化工业场所和/或工业设备运行状态进行交叉验证。

[0021] 本公开实施例的第三方面提供了一种电子设备，包括：

[0022] 存储器以及一个或多个处理器；

[0023] 其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如前述各实施例所述的方法。

[0024] 本公开实施例的第四方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如前述各实施例所述的方法。

[0025] 本公开实施例的第五方面提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，可用来实现如前述各实施例所述的方法。

[0026] 本发明所达到的有益效果：通过机器视觉系统代替人员进行巡检，大大降低了劳动成本，通过对标准化工业场所和/或工业设备的全方位监控，确保标准化工业场所安全有效的运行；同时能够对运维流程进行自动化监控；还利用机器视觉系统与传感器的结合进行交叉验证，实现更高级别的运行维护的监控，确保标准化工业场所和/或工业设备运行状态的正常。附图说明

[0027] 通过参考附图会更加清楚的理解本公开的特征和优点，附图是示意性的而不应理解为对本公开进行任何限制，在附图中：

[0028] 图1是根据本公开的一些实施例所示的一种运维监控方法流程图；

[0029] 图2是根据本公开的一些实施例所示的一种运维监控模块结构框图；

[0030] 图3是根据本公开的一些实施例所示的一种配电室的运维监控流程示意图；

[0031] 图4是根据本公开的一些实施例所示的一种配电室报警运维流程的示意图；

[0032] 图5是根据本公开的一些实施例所示的一种加油站的运维监控流程示意图；

[0033] 图6是根据本公开的一些实施例所示的一种加油站报警运维流程的示意图；

[0034] 图7是根据本公开的一些实施例所示的一种采油机的运维监控流程示意图；

[0035] 图8是根据本公开的一些实施例所示的一种采油机报警运维流程的示意图；

[0036] 图9是根据本公开的一些实施例所示的一种变电站的运维监控流程示意图；

[0037] 图10是根据本公开的一些实施例所示的一种变电站报警运维流程的示意图；

[0038] 图11是根据本公开的一些实施例所示的一种电力隧道的运维监控流程示意图；

[0039] 图12是根据本公开的一些实施例所示的一种电力隧道报警运维流程的示意图；

[0040] 图13是根据本公开的一些实施例所示的一种汽车充电站的运维监控流程示意图；

[0041] 图14是根据本公开的一些实施例所示的一种汽车充电站报警运维流程的示意图；

[0042] 图15是根据本公开的一些实施例所示的一种数据机房的运维监控流程示意图；

[0043] 图16是根据本公开的一些实施例所示的一种数据机房报警运维流程的示意图；

[0044] 图17是根据本申请的一些实施例所示的一种电子设备的结构示意图。

具体实施方式

[0045] 在下面的详细描述中，通过示例阐述了本公开的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本公开显而易见的可以在没有这些细节的情况下实施。应当理解的是，本公开中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。

[0046] 应当理解的是，当设备、单元或模块被称为“在……上”、“连接到”或“耦合到”另一设备、单元或模块时，其可以直接在另一设备、单元或模块上，连接或耦合到或与其他设备、单元或模块通信，或者可以存在中间设备、单元或模块，除非上下文明确提示例外情形。例如，本公开所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。

[0047] 本公开所用术语仅为了描述特定实施例，而非限制本公开范围。如本公开说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件，而该类表述并不构成一个排它性的罗列，其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。

[0048] 参看下面的说明以及附图，本公开的这些或其他特征和特点、操作方法、结构的相关元素的功能、部分的结合以及制造的经济性可以被更好地理解，其中说明和附图形成了说明书的一部分。然而，可以清楚地理解，附图仅用作说明和描述的目的，并不意在限定本公开的保护范围。可以理解的是，附图并非按比例绘制。

[0049] 在本发明中，建立一个标准化工业场所日常运行运维体系，适用于大部分工业场所，如：变电站、电力隧道、电力沟道、配电室、加油站、充电站、采油机等。

[0050] 如图1所示，本公开实施例提供了一种运维监控方法，具体包括：

[0051] S101、通过机器视觉系统对标准化工业场所和/或工业设备运行状态进行实时监控处理；

[0052] S102、当所述机器视觉系统发现监控视频/图像中出现异常情况时，进行报警和/或生成运维指令；

[0053] S103、通过所述机器视觉系统对执行所述运维指令的运维流程进行自动监控；

[0054] S104、待警报解除和/或运维结束后，运用所述机器视觉系统和传感器对标准化工业场所和/或工业设备运行状态进行交叉验证。

[0055] 在一些实施例中，异常情况包括所述监控视频/图像中的人员出现异常情况和/或所述监控视频/图像中的目标物体出现异常情况。

[0056] 进一步地，所述监控视频/图像中的人员出现异常情况包括出现人员非法入侵、人员不标准着装、人员行进路径、人员进入有违规行为等情况；

[0057] 所述监控视频/图像中的目标物体出现的异常情况主要包括工业设备出现了故障；例如，采油机漏油，加油机数据异常，充电桩显示屏破裂等情况；

[0058] 在一些实施例中，如果监控视频/图像中的目标物体出现的异常情况，则需要进行人工的维护和检修。可选地，运行维护还包括周期性的运行维护需求。

[0059] 更进一步地，通过机器视觉监控到的异常情况还包括所述监控视频/图像中的人员和目标物体同时出现异常情况，主要包括：人员与待维修工业设备对应状态不符，人员维护设备与故障设备存在不对应等异常情况；同时，机器视觉还能够识别区域内的设备状态、人员装备状态、人员行进路径、人员维护操作规范、人员维护与故障设备对应状态。

[0060] 可选地，通过机器视觉系统可将识别工业设备的状态及状态转换，并与预定义的维护流程进行比对，看是否匹配。

[0061] 在一些实施例中，将发现的异常情况上传至服务器，并根据异常情况生成相应地运维指令，用于通知运维人员开启运维流程。

[0062] 在一些实施例中，方法还包括：

[0063] 建立标准化工业场所或工业设备的数据库；

[0064] 将所述异常情况、所述报警信息、所述运维流程及运维结果形成运维记录，并将所述运维记录更新至数据库中。

[0065] 具体地，数据库包括人员数据库、报警类型数据库、运维流程数据库、运维验证数据库、运维知识数据库中的一个或多个。

[0066] 进一步地，当监控视频/图像中的目标物体出现的异常情况时，将报警类型数据更新至报警类型数据库；

[0067] 更进一步地，在运维结束后，运用所述机器视觉系统与传感器进行交叉验证，若异常情况消除，则联动运维验证数据库进行验证，同时联动运维知识库进行分类存储；若异常情况仍未消除，继续下发运维任务，直至运维结束。

[0068] 在一些实施例中，本公开还基于最前沿的TensorFlow 框架，运行卷积神经网络算法，对视频/图像中的每一帧画面进行提取处理。

[0069] 具体地，本公开运用神经网络中的region proposal(候选区域)方法对每一帧画面进行目标提取，通过提取目标物体的特征进而达到对目标物体的实时监测，并且在处理过程中可以分别通过archor机制和softmax分类方法来得到目标物体的实时位置和名称。

[0070] 在一些实施例中，通过机器视觉系统对所述监控视频/图像进行实时监控处理，具体包括：

[0071] 通过机器视觉系统实现对标准化工业场所和/或工业设备的各种故障和异常的实时监测。

[0072] 更具体地，机器视觉系统可以通过使用训练好的神经网络结构对目标物体进行检测处理、可以实现非法人员入侵判断、标准化着装检测、运维过程违规检测、人员轨迹追踪以及语音报警和信息传输报警等新型功能。

[0073] 如图2所示，本公开实施例还提供了一种运维监控装置200，具体包括：

[0074] 实时监控模块201，用于通过机器视觉系统对标准化工业场所和/或工业设备运行状态进行实时监控处理；

[0075] 异常情况处理模块202，用于当所述机器视觉系统发现所述监控视频/图像中出现异常情况，则进行报警和/或生成运维指令；

[0076] 运维流程监控模块203，用于在运维过程中，通过所述机器视觉系统对所述运维流程进行自动监控；

[0077] 验证模块204，用于待警报解除和/或运维结束后，运用所述机器视觉系统和传感器对标准化工业场所和/或工业设备运行状态进行交叉验证。

[0078] 在一些实施例中，标准化工业场所日常运行中对现场的管控流程一般分为：日常监控、发现故障、通知运维、过程监控、结果监控、认证反馈。

[0079] 在一些实施例中，以配电室的运维监控为例，说明本发明提供的运维监控方法，通过机器视觉系统获得配电室的设备的图像/视频，并识别设备的运行状态，该状态也可以与其他物联网传感器识别的状态进行交叉验证。当识别系统存在故障时，例如烟雾报警或跳闸后，获得配电室的图像，并对运维过程进行识别和监控。此时，将识别进入配电室的人员状态，结果可为维修人员或非维修人员，如果是被非维修人员，则认为异常入侵，将识别结果报警。在识别结果为维修人员时，识别维修人员的安全装备、行进路径和维护的设备。当维护设备与故障设备不对应时，将提供维护流程错误报警。最后，在识别运维结束后，例如识别运维人员离开工业场所后，系统对设备状态进行识别，当设备状态与运维后的预期状态有差异时，提供报警；图3展示了配电室的运维监控流程，日常通过机器视觉系统对配电室进行实时监控处理，同时结合传感器进行交叉验证；若通过所述机器视觉系统发现人员类出现异常情况，通过获取员工数据库数据对人员进行识别，自动定义人员异常类型，并对人员异常类型进行分类，分为异常1、2、3…N等，例如异常1：非法人员入侵；异常2：未标准化穿戴；异常3：运维过程中违规；异常4：运维任务与员工类型不匹配；异常N：其他异常等；同时，当发生报警后自动进行异常类型推送，通知监控中心。通过警报器进行本地报警并长传；此外，利用机器视觉系统对报警结果进行监控，例如可以是报警器报警后员工纠正违规异常直至恢复正常；优选地，将运维记录一一对应存储录入运维数据库。

[0080] 进一步地，若通过所述机器视觉系统发现设备类出现异常情况时，报警并自动定义故障类型，且对故障类型进行分类，分为故障1、2、3…N等，例如故障1：A号高压柜监控数据异常、外形变化、指示灯变化；故障2:A号低压柜监控数据异常、外形变化、指示灯变化；故障3：配电室标准布置不到位，必需物品损失；故障4：配电室内有A号柜柜门未关闭；故障N：其他故障等；将故障异常信息上传至服务器后，生成运维指令通知运维人员前往清除故障；
在运维过程中，通过机器视觉系统获得图像数据，针对运维人员对故障类型的流程识别及整个运维过程进行自动监控；例如，故障1：人员抵达A号高压柜定位监控，维修流程监控；故障2：人员抵达A号低压柜定位监控，维修流程监控；故障3：人员是否携带缺失标准器具到指定位置安放；故障4：人员是否抵达A号柜，是否越线其他区域；故障N：其他故障流程识别；同时，利用机器视觉系统对运维结果进行监控，例如结果1：A号高压柜监控数据、外形、指示灯恢复正常；结果2：A号低压柜监控数据、外形、指示灯恢复正常；结果3：配电室标准布置正常；结果4：配电室内A号柜柜门关闭一切正常；结果N：其他正常；

[0081] 更进一步地，对将设备类异常和人员类异常出现的异常或故障对应的报警类型进行归类，每个报警类型都具有相应流程管控识别，当报警触发后自动切换识别管理监控，可多个报警同时进行；同时，每个报警对应运维流程完成后通过卷积神经网络算法与传感器进行交叉验证，判断报警是否已解除。若报警已解除，则将运维结果分类存储，若没解决继续进行流程监管，分发运维任务直至报警信息解除。

[0082] 再进一步地，待警报解除和/或运维结束后，运用所述机器视觉系统与传感器对标准化工业场所和/或工业设备运行状态进行交叉验证并反馈。

[0083] 在一些实施例中，如图4所示，对应地给出了一种配电室报警运维流程的示意图。其中，当日常监控发现存在人员识别异常时，首先根据异常详情进行报警类型归类，例如是人员报警：非法人员进入、未标准化穿戴、运维过程中违规、运维任务与员工类型不匹配；然后启动运维过程，同时对所述运维过程进行自动识别和监控；例如人员流程识别1：人员入侵识别、未带安全帽、未穿工作服、抽烟等；最后将报警处理结果归类存储，例如报警处理结果为报警后人员纠正违规恢复正常，将报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库。当日常监控发现存在设备异常时，首先根据异常详情进行报警类型归类，例如是故障1：A号高压柜监控数据异常、外形变化、指示灯变化；然后启动运维过程，同时对所述运维过程进行自动识别和监控，例如流程识别1：人员抵达A号高压柜定位监控，维修流程监控；最后将报警处理结果归类存储，例如报警处理结果为结果1：A号高压柜监控数据、外形、指示灯恢复正常，并将此报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库。

[0084] 在一些实施例中，以加油站的运维监控为例，说明本发明提供的运维监控方法，当识别现场出现异常时，例如有人抽烟、烟雾/消防器材缺失等，发出报警信息通知工作人员处理。此时，系统将识别进入加油站设备区的人员状态，如果是被系统识别为非维修人员，则认为异常入侵，将识别结果报警；如果被系统识别为维修人员时，识别维修人员的安全着装、行进路径和维护的设备。当维护设备与故障设备不对应时，将提供维护流程错误报警。在系统识别运维结束后，例如识别运维人员离开工业场所后，系统通过深度神经网络与物联网传感交叉验证维护结果并记录。当设备状态与运维后的预期状态有差异时，提供报警。
具体如图5所示；图5展示了加油站的运维监控流程，日常通过机器视觉系统对加油站进行实时监控处理，同时结合传感器进行交叉验证；若通过所述机器视觉系统发现人员类出现异常情况，通过获取员工数据库数据对人员进行识别，自动定义人员异常类型，并对人员异常类型进行分类，分为异常1、2、3…N等，例如异常1：非法人员入侵；异常2：人员加油站内抽烟；异常3：运维过程中违规；异常4：运维任务与员工类型不匹配；异常N：其他异常等；同时，当发生报警后自动进行异常类型推送，通知监控中心。通过警报器进行本地报警并长传；此外，利用机器视觉系统对报警结果进行监控，例如可以是报警器报警后员工纠正违规异常直至恢复正常；

[0085] 相应地，若通过所述机器视觉系统发现设备类出现异常情况时，报警并自动定义故障类型，且对故障类型进行分类，分为故障1、2、3…N等，例如故障1：A号加油机数据异常、外形变化、指示灯变化；故障2:B号加油机加油枪未放到指定位置；故障3：加油站标准布置不到位，必需物品损失；故障4：加油站内有A号加油柜柜门未关闭；故障N：其他故障等；将故障异常信息上传至服务器后，生成运维指令通知运维人员前往清除故障；在运维过程中，通过机器视觉系统获得图像数据，针对运维人员对故障类型的流程识别及整个运维过程进行自动监控；例如，故障1：人员抵达A号加油机定位监控，维修流程监控；故障2：人员抵达B号加油机加油枪定位监控，维修流程监控；故障3：人员是否携带缺失标准器具到指定位置安放；故障4：人员是否抵达A号加油机，是否越线其他区域；故障N：其他故障流程识别；同时，利用机器视觉系统对运维结果进行监控，例如结果1：A号高压柜监控数据、外形、指示灯恢复正常；结果2：B号加油机加油枪恢复正常；结果3：加油站消防器材布置正常；结果4：加油站内A号柜柜门关闭一切正常；结果N：其他正常；

[0086] 优选地，将运维记录一一对应存储录入运维数据库。

[0087] 进一步地，对将设备类异常和人员类异常出现的异常或故障对应的报警类型进行归类，每个报警类型都具有相应流程管控识别，当报警触发后自动切换识别管理监控，可多个报警同步进行；同时，每个报警对应运维流程完成后通过卷积神经网络算法与传感器进行交叉验证，判断报警是否已解除。若报警已解除，则将运维结果分类存储，若没解决继续进行流程监管，分发运维任务直至报警信息解除。

[0088] 更进一步地，待警报解除和/或运维结束后，运用所述机器视觉系统可以与其他物联网传感器对对标准化工业场所和/或工业设备运行状态进行交叉验证并反馈。

[0089] 在一些实施例中，如图6所示，给出了一种加油站报警运维流程的示意图。其中，当日常监控发现存在人员识别异常时，首先根据异常详情进行报警类型归类，例如是人员报警：非法人员进入、未标准化穿戴、运维过程中违规、运维任务与员工类型不匹配；然后启动运维过程，同时对所述运维过程进行自动识别和监控；例如人员流程识别1：人员入侵识别、未带安全帽、未穿工作服、抽烟等；最后将报警处理结果归类存储，例如报警处理结果为报警后人员纠正违规恢复正常，将报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库；当日常监控发现存在设备异常时，首先根据异常详情进行报警类型归类，例如是故障1：A号加油机数据异常、外形变化、指示灯变化；然后启动运维过程，同时对所述运维过程进行自动识别和监控，例如流程识别1：人员抵达A号加油机定位监控，维修流程监控；最后将报警处理结果归类存储，例如报警处理结果为结果1：A号加油机监控数据、外形、指示灯恢复正常，并将此报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库。

[0090] 在一些实施例中，以采油机的运维监控为例，说明本发明提供的运维监控方法，在采油机设备的各个重点监控系统位加装摄像机，系统获得采油机环境图像和设备运行图像，并识别设备的运行状态，该状态与设备自检程序进行相互补充且可以交叉验证。当采油机出现异常时，可以根据设备故障原因对应相应的故障类型报警，可通知相关负责人员至现场进行设备维护；首先对到位人员进行身份信息检测，结果可为维修人员或非维修人员，当判定为非维修人员，则认为异常人员入侵，将识别结果报警；在识别结果为维修人员时，进行下一步标准着装和安全装备检测，并对行进路径和维护流程进行监控；当维护项目与故障信息不对应时，将提供维护流程错误报警，提示维护人员及时更正。最后，在系统识别运维结束后，例如识别运维人员离开工业场所后，系统对设备状态进行识别，当设备状态与运维后的预期状态有差异时，提供报警。图7详细展示了采油机的运维监控流程，日常通过机器视觉系统对采油机进行实时监控处理，同时结合传感器进行交叉验证；若通过所述机器视觉系统发现人员类出现异常情况，通过获取员工数据库数据对人员进行识别，自动定义人员异常类型，并对人员异常类型进行分类，分为异常1、2、3…N等，例如异常1：非法人员入侵；异常2：未标准化穿戴；异常3：运维过程中违规；异常4：运维任务与员工类型不匹配；异常N：其他异常等；同时，当发生报警后自动进行异常类型推送，通知监控中心。通过警报器进行本地报警并长传；此外，利用机器视觉系统对报警结果进行监控，例如可以是报警器报警后员工纠正违规异常直至恢复正常；

[0091] 相应地，若通过所述机器视觉系统发现设备类出现异常情况时，报警并自动定义故障类型，且对故障类型进行分类，分为故障1、2、3…N等，例如故障1：动力系统故障(电机、减速机)；故障2:传动系统故障(皮带、钢绳)；故障3：工作系统故障(主连杆、尾轴、游梁)；故障4：输送系统故障(输油管线)；故障N：其他故障等；将故障异常信息上传至服务器后，生成运维指令，通知运维人员前往清除故障；在运维过程中，通过机器视觉系统获得图像数据，针对运维人员对故障类型的流程识别及整个运维过程进行自动监控；例如故障1：人员位置、路径监控，维护减速机、电机过程监控；故障2：人员位置、路径监控，更换皮带、维护钢绳过程监控；故障3：人员位置、路径监控，更换主连杆、尾轴、游梁过程监控；故障4：人员位置、路径监控，更换输油管线密封、维护管道过程监控；故障N：人员位置、路径监控，其他故障流程识别；同时，利用机器视觉系统对运维结果进行监控，例如结果1：减速机输出平稳；结果2：皮带轮张紧程度适中、无跳动，钢绳排布整齐，钢绳无散股、断股；结果3：主连杆、尾轴、游梁无变形运动精度达标；结果4：输油管线无漏油、震动；结果N：其他正常；

[0092] 优选地，将运维记录一一对应存储录入运维数据库。

[0093] 进一步地，对将设备类异常和人员类异常出现的异常或故障对应的报警类型进行归类，每个报警类型都具有相应流程管控识别，当报警触发后自动切换识别管理监控，可多个报警同步进行；同时，每个报警对应运维流程完成后通过卷积神经网络算法与传感器进行交叉验证，判断报警是否已解除。若报警已解除，则将运维结果分类存储，若没解决继续进行流程监管，分发运维任务直至报警信息解除。

[0094] 更进一步地，待警报解除和/或运维结束后，运用所述机器视觉系统与传感器对标准化工业场所和/或工业设备运行状态进行交叉验证并反馈。

[0095] 在一些实施例中，如图8所示，给出了一种采油机报警运维流程的示意图。其中，当日常监控发现存在人员识别异常时，首先根据异常详情进行报警类型归类，例如是人员报警：非法人员进入、未标准化穿戴、运维过程中违规、运维任务与员工类型不匹配；然后启动运维过程，同时对所述运维过程进行自动识别和监控；例如人员流程识别1：人员入侵识别、未带安全帽、未穿工作服、抽烟等；最后将报警处理结果归类存储，例如报警处理结果为报警后人员纠正违规恢复正常，将报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库；当日常监控发现存在设备异常时，首先根据异常详情进行报警类型归类，例如是故障1：动力系统故障(电机、减速机)；然后启动运维过程，同时对所述运维过程进行自动识别和监控，例如流程识别1：人员位置、路径监控，维护减速机、电机过程监控；最后将报警处理结果归类存储，例如报警处理结果为结果1：减速机输出平稳，并将此报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库。

[0096] 在一些实施例中，以变电站的运维监控为例，说明本发明提供的运维监控方法，通过对现场图像进行识别，发现周边非法入侵、固定器材缺失、设备故障等发出报警，该状态也可以与其他物联网传感器识别的状态进行交叉验证；发现异常时上报工作人员处理，工作人员进入变电站后对其穿戴标准化、维修区域标准化、修护过程标准化等进行管控，违规时报警，并记录；维护完成后通过识别图像与其他物联网传感器识别的状态进行交叉验证；反馈维护结果并存储；当设备状态与运维后的预期状态有差异时，提供报警。图9详细展示了变电站的运维监控流程，日常通过机器视觉系统对变电站进行实时监控处理，同时结合传感器进行交叉验证；若通过所述机器视觉系统发现人员类出现异常情况，通过获取员工数据库数据对人员进行识别，自动定义人员异常类型，并对人员异常类型进行分类，分为异常1、2、3…N等，例如异常1：非法人员入侵；异常2：未标准化穿戴；异常3：运维过程中违规；
异常4：运维任务与员工类型不匹配；异常N：其他异常等；同时，当发生报警后自动进行异常类型推送，通知监控中心。通过警报器进行本地报警并长传；此外，利用机器视觉系统对报警结果进行监控，例如可以是报警器报警后员工纠正违规异常直至恢复正常；

[0097] 相应地，若通过所述机器视觉系统发现设备类出现异常情况时，报警并自动定义故障类型，且对故障类型进行分类，分为故障1、2、3…N等，例如故障1：设备监控数据异常、指示灯变化；故障2：母线附着异物；故障3：变电站标准布置不到位，必需物品缺失；故障4：设备区闸门未关闭；故障N：其他故障；将故障类型上传至服务器，并生成运维指令，通知相应地运维人员到现场进行运维工作；在运维过程中，通过机器视觉系统获得图像数据，针对运维人员对故障类型的流程识别及整个运维过程进行自动监控；例如故障1：人员抵达设备区定位监控，维修流程监控；故障2：人员抵达母线定位监控，维修流程监控；故障3：人员是否携带缺失标准器具到指定位置安放；故障4：人员是否抵达设备区，是否越线其他区域；故障N：其他故障流程识别；同时，利用机器视觉系统对运维结果进行监控，例如结果1：设备监控数据、指示灯恢复正常；结果2：母线异物已清理完毕；结果3：变电站标准布置正常；结果
4：设备区闸门关闭且正常；结果N：其他正常；

[0098] 优选地，将运维记录一一对应存储录入运维数据库。

[0099] 进一步地，对将设备类异常和人员类异常出现的异常或故障对应的报警类型进行归类，每个报警类型都具有相应流程管控识别，当报警触发后自动切换识别管理监控，可多个报警同步进行；同时，每个报警对应运维流程完成后通过卷积神经网络算法与传感器进行交叉验证，判断报警是否已解除。若报警已解除，则将运维结果分类存储，若没解决继续进行流程监管，分发运维任务直至报警信息解除。

[0100] 更进一步地，待警报解除和/或运维结束后，运用所述机器视觉系统与传感器对标准化工业场所和/或工业设备运行状态进行交叉验证并反馈。

[0101] 在一些实施例中，如图10所示，给出了一种变电站报警运维流程的示意图。其中，当日常监控发现存在人员识别异常时，首先根据异常详情进行报警类型归类，例如是人员报警：非法人员进入、未标准化穿戴、运维过程中违规、运维任务与员工类型不匹配；然后启动运维过程，同时对所述运维过程进行自动识别和监控；例如人员流程识别1：人员入侵识别、未带安全帽、未穿工作服、抽烟等；最后将报警处理结果归类存储，例如报警处理结果为报警后人员纠正违规恢复正常，将报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库；当日常监控发现存在设备异常时，首先根据异常详情进行报警类型归类，例如是故障1：设备监控数据异常、指示灯变化；然后启动运维过程，同时对所述运维过程进行自动识别和监控，例如流程识别1：人员抵达设备区定位监控，维修流程监控；最后将报警处理结果归类存储，例如报警处理结果为结果1：设备监控数据、指示灯恢复正常，并将此报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库。

[0102] 在一些实施例中，以电力隧道的运维监控为例，说明本发明提供的运维监控方法，系统通过对现场图像进行识别，发现非法入侵盗割电缆、非法入侵布放光缆、固定器材缺失、电缆脱落等发出报警，该状态也可以与其他物联网传感器识别的状态进行交叉验证，出现异常时上报工作人员处理。工作人员进入电力隧道后对其穿戴标准化、维修区域标准化、修护过程标准化等进行管控，违规时报警，并记录。维护完成后通过识别图像与其他物联网传感器识别的状态进行交叉验证。反馈维护结果并存储。当设备状态与运维后的预期状态有差异时，提供报警。图11详细展示了电力隧道的运维监控流程，日常通过机器视觉系统对电力隧道进行实时监控处理，同时结合传感器进行交叉验证；若通过所述机器视觉系统发现人员类出现异常情况，通过获取员工数据库数据对人员进行识别，自动定义人员异常类型，并对人员异常类型进行分类，分为异常1、2、3…N等，例如异常1：非法人员入侵；异常2：未标准化穿戴；异常3：运维过程中违规；异常4：运维任务与员工类型不匹配；异常N：其他异常等；同时，当发生报警后自动进行异常类型推送，通知监控中心。通过警报器进行本地报警并长传；此外，利用机器视觉系统对报警结果进行监控，例如可以是报警器报警后员工纠正违规异常直至恢复正常；

[0103] 相应地，若通过所述机器视觉系统发现设备类出现异常情况时，报警并自动定义故障类型，且对故障类型进行分类，分为故障1、2、3…N等，例如故障1：桥架上电缆脱落；故障2：电力隧道内标准布置不到位，必需物品缺失；故障3：电力隧道防护门未关闭；故障N：其他故障；将故障类型上传至服务器，并生成运维指令，通知相应地运维人员到现场进行运维工作，在运维过程中，通过机器视觉系统获得图像数据，针对运维人员对故障类型的流程识别及整个运维过程进行自动监控；例如故障1：人员抵达脱落电缆处定位监控，维修流程监控；故障2：人员是否携带缺失标准器具到指定位置安放；故障3：人员是否抵达电力隧道，是否越线其他区域；故障N：其他故障流程识别；同时，利用机器视觉系统对运维结果进行监控，例如结果1：脱落电缆归位；结果2：电力隧道内标准布置正常；结果3：电力隧道防护门关闭且正常；结果N：其他正常；

[0104] 优选地，将运维记录一一对应存储录入运维数据库。

[0105] 进一步地，对将设备类异常和人员类异常出现的异常或故障对应的报警类型进行归类，每个报警类型都具有相应流程管控识别，当报警触发后自动切换识别管理监控，可多个报警同步进行；同时，每个报警对应运维流程完成后通过卷积神经网络算法与传感器进行交叉验证，判断报警是否已解除。若报警已解除，则将运维结果分类存储，若没解决继续进行流程监管，分发运维任务直至报警信息解除。

[0106] 更进一步地，待警报解除和/或运维结束后，运用所述机器视觉系统与传感器对标准化工业场所和/或工业设备运行状态进行交叉验证并反馈。

[0107] 在一些实施例中，如图12所示，给出了一种电力隧道报警运维流程的示意图。其中，当日常监控发现存在人员识别异常时，首先根据异常详情进行报警类型归类，例如是人员报警：非法人员进入、未标准化穿戴、运维过程中违规、运维任务与员工类型不匹配；然后启动运维过程，同时对所述运维过程进行自动识别和监控；例如人员流程识别1：人员入侵识别、未带安全帽、未穿工作服、抽烟等；最后将报警处理结果归类存储，例如报警处理结果为报警后人员纠正违规恢复正常，将报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库；当日常监控发现存在设备异常时，首先根据异常详情进行报警类型归类，例如是故障1：桥架上电缆脱落，同时对所述运维过程进行自动识别和监控，例如流程识别1：人员抵达脱落电缆处定位监控，维修流程监控；最后将报警处理结果归类存储，例如报警处理结果为结果1：脱落电缆归位，并将此报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库。

[0108] 在一些实施例中，以汽车充电站的运维监控为例，说明本发明提供的运维监控方法，在汽车充电站的各个重点监控区域加装摄像机，系统获得充电站内视频图像和设备运行影像数据，并识别设备的运行状态；对进入汽车充电站的车辆自动进行识别，出现新能源车牌的车辆显示正常并记录出入时间；当出现其他牌照或无牌照车辆进入时，系统自动就地语音报警驱离异常闯入车辆，并对车辆信息进行记录，自动识别车牌号，同时对车辆驶入、驶出信息及视频进行留存；当机器视觉一旦检测到充电桩充电枪头外壳破损、枪头线缆裸露、监控数据异常、指示灯变化异常等设备故障时，自动下发运维任务通知工作人员到现场进行维护。工作人员抵达现场后系统首先自动判别本次运维任务与员工类型是否匹配、作业位置是否正确、记录人员行动路径，其次对运维人员标准着装规范、标准操作等进行识别，完成维护工作后通过深度神经网络与物联网传感器进行交叉验证，上报维护结果并记录。当设备状态与运维后的预期状态有差异时，提供报警。图13详细展示了汽车充电站的运维监控流程，日常通过机器视觉系统对汽车充电站进行实时监控处理，同时结合传感器进行交叉验证；若通过所述机器视觉系统发现人员类出现异常情况，通过获取维修人员数据库数据对人员进行识别，自动定义人员异常类型，并对人员异常类型进行分类，分为异常1、2、3…N等，例如异常1：非法人员入侵，对设备进行偷盗、破坏；异常2：维护人员着装不规范；
异常3：维护人员运维过程中存在操作违规；异常N：其他异常等；而且，还可以判断运维任务与员工类型是否匹配、作业位置是否正确、人员路径自动识别等；同时，当发生报警后自动进行异常类型推送，通知监控中心。通过警报器进行本地报警并长传；此外，利用机器视觉系统对报警结果进行监控，例如可以是报警器报警后员工纠正违规异常直至恢复正常；

[0109] 相应地，若通过所述机器视觉系统发现设备状态、车辆识别出现异常情况时，通过获取设备状态数据库和车辆数据库数据对设备和/或车辆进行识别，报警并自动定义设备故障/车辆异常类型，并对设备故障/车辆异常进行分类，分为设备故障1、2、3…N、车辆异常1(可能存在其他车辆异常，图中仅以异常1为例)等，设备故障例如可以是故障1：充电桩A充电枪头外壳破损、枪头线缆裸露；故障2：充电桩A设备监控数据、指示灯变化异常；故障3：充电桩A显示屏被破坏；故障4：充电站内标准布置不到位，消防器材缺失；故障N：其他故障；车辆异常例如可以是异常1：进入车辆为非新能源充电车辆或无牌车辆；若是设备故障则将故障/异常详情上传至服务器，并通知相应地运维人员到现场进行运维工作，在运维过程中，通过机器视觉系统获得图像数据，针对运维人员对设备故障类型和车辆异常的流程识别及整个运维过程进行自动监控；例如对应故障类型的流程识别可以是故障1：人员抵达A号充电桩，对充电枪进行维修，维修流程监控；故障2：维修人员抵达A号充电桩定位监控，维修流程监控；故障3：维修人员抵达A号充电桩，对显示屏进行更换，维修过程监控；故障4：人员是否携带缺失标准器具到指定位置安放；故障N：其他故障流程识别；针对车辆异常的运维监控，例如可以是异常1：系统自动就地语音报警驱离异常闯入非新能源车辆或无牌车辆，并对车辆信息进行记录，自动识别车牌号，同时对车辆驶入、驶出信息及视频进行留存；而且，在运维过程的监控中，还要持续监控运维任务与员工类型是否匹配、作业位置是否正确、人员路径自动识别等。同时，利用机器视觉系统对运维结果进行监控，例如针对设备故障的结果监控可以是：结果1：充电桩A充电枪经维修后恢复正常工作；结果2：充电桩A经维修后监控数据、指示灯变化正常；结果3：充电桩A显示屏经维修后恢复正常工作；结果4：充电站标准布置正常；结果N：其他正常；针对车辆异常的结果监控可以是结果1：车辆经语音驱离后驶离充电站。

[0110] 优选地，将运维记录一一对应存储录入运维数据库。

[0111] 进一步地，对将设备类异常和人员类异常出现的异常或故障对应的报警类型进行归类，每个报警类型都具有相应流程管控识别，当报警触发后自动切换识别管理监控，可多个报警同步进行；同时，每个报警对应运维流程完成后通过卷积神经网络算法与传感器进行交叉验证，判断报警是否已解除。若报警已解除，则将运维结果分类存储，若没解决继续进行流程监管，分发运维任务直至报警信息解除。

[0112] 更进一步地，待警报解除和/或运维结束后，运用所述机器视觉系统与传感器对标准化工业场所和/或工业设备运行状态进行交叉验证并反馈。

[0113] 在一些实施例中，如图14所示，给出了一种汽车充电站报警运维流程的示意图。其中，当智能监控发现存在人员识别异常时，首先根据异常详情进行报警类型归类，例如是人员报警：非法人员进入、未标准化穿戴、运维过程中违规、运维任务与员工类型不匹配；然后启动运维过程，同时对所述运维过程进行自动识别和监控；例如人员流程识别1：人员入侵识别、未带安全帽、未穿工作服等；最后将报警处理结果归类存储，例如报警处理结果为报警后人员纠正违规恢复正常，将报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库；其中，当智能监控发现存在车辆管理异常时，首先根据异常详情进行报警类型归类，例如是异常1：进入车辆为非新能源充电车辆或无牌车辆；然后启动运维过程，同时对所述运维过程进行自动识别和监控；例如可以是流程识别：系统自动就地语音报警驱离车辆，并记录车辆信息，对车辆驶入、驶出信息及视频进行留存；最后将报警处理结果归类存储，例如报警处理结果为车辆经语音驱离后驶离充电站，将报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库。

[0114] 在一些实施例中，以数据机房的运维监控为例，说明本发明提供的运维监控方法，系统获得机房设备、环境图像，并识别设备的运行状态，该状态也可以与其他物联网传感器识别的状态进行交叉验证；当识别机房内出现异常时，系统通知维护人员，并对运维过程进行识别和监控。此时，系统将识别进入现场人员状态，结果可为维修人员或非维修人员，系统如果是非维修人员，则认为异常入侵，将识别结果报警。在识别结果为维修人员时，识别维修人员的安全装备、维修程序、行进路径和维护的设备。当维护设备与故障设备不对应或对设备维护前进行必须的操作(如对设备板卡进行热插拔时必须戴防静电手环)时，将提供维护流程错误报警。最后，在系统识别运维结束后，例如识别运维人员离开工业场所后，系统对设备状态进行识别，当设备状态与运维后的预期状态有差异时，提供报警。图15详细展示了数据机房的运维监控流程，日常通过机器视觉系统对数据机房进行实时监控处理，同时结合传感器进行交叉验证；若通过所述机器视觉系统发现人员类出现异常情况，通过获取员工数据库数据对人员进行识别，自动定义人员异常类型，并对人员异常类型进行分类，分为异常1、2、3…N等，例如异常1：非法人员入侵；异常2：未标准化穿戴；异常3：运维过程中违规；异常4：运维任务与员工类型不匹配；异常N：其他异常等；同时，当发生报警后自动进行异常类型推送，通知监控中心。通过警报器进行本地报警并长传；此外，利用机器视觉系统对报警结果进行监控，例如可以是报警器报警后员工纠正违规异常直至恢复正常；

[0115] 相应地，若通过所述机器视觉系统发现设备类出现异常情况时，报警并自动定义故障类型，且对故障类型进行分类，分为故障1、2、3…N等，例如故障1：服务器机柜监控数据异常、外形变化、指示灯变化；故障2：数据机房A号柜柜门未关闭；故障3：数据机房标准布置不到位，必备消防物品缺失；故障4：设备线缆散乱、标牌缺失、未按规定绑扎；故障N：其他故障；将故障类型上传至服务器，并生成运维指令，通知相应地运维人员到现场进行运维工作，在运维过程中，通过机器视觉系统获得图像数据，针对运维人员对故障类型的流程识别及整个运维过程进行自动监控；例如故障1：运维人员抵达服务器机柜定位监控，维修流程监控；故障2：运维人员是否抵达A号柜，是否越线其他区域；故障3：运维人员是否携带缺失标准器具到指定位置安放；故障4：运维人员是否按规定对线缆进行整改；故障N：其他故障流程识别；同时，利用机器视觉系统对运维结果进行监控，例如结果1：服务器机柜监控数据、外形、指示灯恢复正常；结果2：A号柜柜门关闭切正常；结果3：数据机房标准布置正常，缺失物品补齐；结果4：线缆绑扎整齐，标牌完整；结果N：其他正常；

[0116] 优选地，将运维记录一一对应存储录入运维数据库。

[0117] 进一步地，对将设备类异常和人员类异常出现的异常或故障对应的报警类型进行归类，每个报警类型都具有相应流程管控识别，当报警触发后自动切换识别管理监控，可多个报警同步进行；同时，每个报警对应运维流程完成后通过卷积神经网络算法与传感器进行交叉验证，判断报警是否已解除。若报警已解除，则将运维结果分类存储，若没解决继续进行流程监管，分发运维任务直至报警信息解除。

[0118] 更进一步地，待警报解除和/或运维结束后，运用所述机器视觉系统与传感器对标准化工业场所和/或工业设备运行状态进行交叉验证并反馈。

[0119] 在一些实施例中，如图16所示，给出了一种数据机房报警运维流程的示意图。其中，当日常监控发现存在人员识别异常时，首先根据异常详情进行报警类型归类，例如是人员报警：非法人员进入、未标准化穿戴、运维过程中违规、运维任务与员工类型不匹配；然后启动运维过程，同时对所述运维过程进行自动识别和监控；例如人员流程识别1：人员入侵识别、未戴安全帽、未穿工作服、抽烟、未戴防静电手环等；最后将报警处理结果归类存储，例如报警处理结果为报警后人员纠正违规恢复正常，将报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库；当日常监控发现存在设备异常时，首先根据异常详情进行报警类型归类，例如是故障1：服务器机柜监控数据异常、外形变化、指示灯变化，同时对所述运维过程进行自动识别和监控，例如流程识别1：运维人员抵达服务器机柜定位监控，维修流程监控；最后将报警处理结果归类存储，例如报警处理结果为结果1：服务器机柜监控数据、外形、指示灯恢复正常，并将此报警处理结果与对应的报警记录形成一条运维记录存入至运维数据库。

[0120] 参考附图17，为本公开一个实施例提供的电子设备示意图。如图3所示，该电子设备500包括：

[0121] 存储器530以及一个或多个处理器510；

[0122] 其中，所述存储器530与所述一个或多个处理器510通信连接，所述存储器530中存储有可被所述一个或多个处理器执行的指令532，所述指令532被所述一个或多个处理器510执行，以使所述一个或多个处理器510执行本申请前述实施例中的方法。

[0123] 具体地，处理器510和存储器530可以通过总线或者其他方式连接，图13中以通过总线540连接为例。处理器510可以为中央处理器(Central Processing Unit，CPU)。处理器510还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

[0124] 存储器530作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的级联渐进网络等。处理器510通过运行存储在存储器530中的非暂态软件程序、指令以及模块532，从而执行处理器的各种功能应用以及数据处理。

[0125] 存储器530可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器510所创建的数据等。此外，存储器530可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器530可选包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络(比如通过通信接口520)连接至处理器510。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

[0126] 本申请的一个实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被执行后执行本申请前述实施例中的方法。

[0127] 前述的计算机可读取存储介质包括以存储如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方式或技术来实现的物理易失性和非易失性、可移动和不可移动介质。计算机可读取存储介质具体包括，但不限于，U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、可擦除可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、闪存或其他固态存储器技术、CD-ROM、数字多功能盘(DVD)、HD-DVD、蓝光(Blue-Ray)或其他光存储设备、磁带、磁盘存储或其他磁性存储设备、或能用于存储所需信息且可以由计算机访问的任何其他介质。

[0128] 尽管此处所述的主题是在结合操作系统和应用程序在计算机系统上的执行而执行的一般上下文中提供的，但本领域技术人员可以认识到，还可结合其他类型的程序模块来执行其他实现。一般而言，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构和其他类型的结构。本领域技术人员可以理解，此处所述的本主题可以使用其他计算机系统配置来实践，包括手持式设备、多处理器系统、基于微处理器或可编程消费电子产品、小型计算机、大型计算机等，也可使用在其中任务由通过通信网络连接的远程处理设备执行的分布式计算环境中。在分布式计算环境中，程序模块可位于本地和远程存储器存储设备的两者中。

[0129] 本领域普通技术人员可以意识到，结合本文中所本申请的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

[0130] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对原有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。

[0131] 本公开通过机器视觉系统代替人员进行巡检，大大降低了劳动成本，通过对标准化工业场所和/或工业设备的全方位监控，确保标准化工业场所安全有效的运行；同时能够对运维流程进行自动化监控；还利用机器视觉系统与传感器的结合进行交叉验证，实现更高级别的运行维护的监控，确保标准化工业场所和/或工业设备运行状态的正常。

[0132] 应当理解的是，本公开的上述具体实施方式仅仅用于示例性说明或解释本公开的原理，而不构成对本公开的限制。因此，在不偏离本公开的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。此外，本公开所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

标题	发布/更新时间	阅读量
用于制备用于包装产品的灭菌柔性袋的机器和工艺	2020-05-08	646
一种基于机器学习的水文预报精度评价方法及系统	2020-05-11	441
确定分类结果的方法、装置、设备及存储介质	2020-05-11	800
一种基于摄像监控的联网告警系统	2020-05-08	66
用于订单履行的识别和计划系统及方法	2020-05-08	956
一种用于智慧数据碰撞的机器学习方法及装置	2020-05-11	851
用于识别对象的方法和设备	2020-05-08	133
数据处理方法、装置、介质及电子设备	2020-05-08	797
一种运维监控方法、装置、电子设备及存储介质	2020-05-11	0
一种基于智能物联网的配网抢修系统及方法	2020-05-08	80

一种运维监控方法、装置、电子设备及存储介质

一种运维监控方法、装置、电子设备及存储介质

技术领域

背景技术

具体实施方式

该功能需要专业版企业版VIP权限，您可以：