典型文献
基于图像深度学习模型的机房设备运行状态识别
文献摘要：
针对数据中心的服务器设备运行状态监测的现实需求以及现有方法的缺点,提出了基于视觉图像的检测服务器面板工作状态指示灯颜色特征的方法.引入YOLO算法完成图像中目标的分类和位置回归检测任务;为了满足现场嵌入式检测设备运行需求,将YOLO算法中的主干网络替换为MobileNet,实现了检测网络的参数压缩,在保证检测效果的前提下减少了网络运算力的消耗;制作了基于图像增强方法的数据集用于网络训练,得到了 mAP为60.3,故障信号检测准确率为96.1％,漏检率1.4％的效果;在树莓派终端上进行实验,单张图片检测时间为1.5s,满足工程采样周期要求.文章提供了低成本、高效率、可扩展的服务器设备运行状态视觉检测接口.
文献关键词：
状态监测;图像识别;深度学习;参数压缩;检测接口
中图分类号：
作者姓名：
舒彧;张克贤;卢仁猛
作者机构：
贵州电网有限责任公司信息中心,贵州 贵阳550002
文献出处：
引用格式：
[1]舒彧;张克贤;卢仁猛-.基于图像深度学习模型的机房设备运行状态识别)[J].电力大数据,2022(12):9-17
A类：
检测接口
B类：
图像深度学习,深度学习模型,机房设备,设备运行状态,运行状态识别,数据中心,服务器,运行状态监测,视觉图像,检测服务,工作状态,指示灯,颜色特征,YOLO,成图,位置回归,检测设备,运行需求,主干网络,MobileNet,测网,参数压缩,检测效果,运算力,图像增强,增强方法,网络训练,mAP,故障信号,信号检测,检测准确率,漏检率,树莓派,端上,单张,检测时间,5s,采样周期,可扩展,视觉检测,图像识别
AB值：
0.477294
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
