摘要：針對(duì)現(xiàn)有數(shù)據(jù)中心機(jī)房智能巡檢系統(tǒng)復(fù)雜、作業(yè)效率低等問(wèn)題，提出了一種基于設(shè)備指示燈輪廓及顏色識(shí)別的視覺(jué)巡檢系統(tǒng)。首先對(duì)采集的視頻圖像進(jìn)行顏色空間轉(zhuǎn)換及二值化處理，然后選取合適的濾波方式對(duì)二值化圖像進(jìn)行去噪，最后利用霍夫圓檢測(cè)完成異常指示燈識(shí)別，以此實(shí)現(xiàn)機(jī)房?jī)?nèi)硬件設(shè)備的故障檢測(cè)與報(bào)警。該系統(tǒng)具有操作方便、準(zhǔn)確率高等優(yōu)點(diǎn)，既提高了機(jī)房設(shè)備巡檢效率，又保證了設(shè)備的穩(wěn)定安全運(yùn)行。

關(guān)鍵詞：智能巡檢;顏色識(shí)別;輪廓提取;濾波

中圖分類(lèi)號(hào)：TP308? 文獻(xiàn)標(biāo)志碼：A? 文章編號(hào)：1671-0797（2022）01-0073-04

DOI：10.19514/j.cnki.cn32-1628/tm.2022.01.020

0? ? 引言

數(shù)據(jù)中心機(jī)房?jī)?nèi)裝載了大量計(jì)算機(jī)硬件設(shè)備，為保證這些設(shè)備的安全穩(wěn)定運(yùn)行，需要對(duì)其進(jìn)行7×24 h實(shí)時(shí)監(jiān)控與巡檢。常規(guī)的人工巡檢方式通過(guò)查看計(jì)算機(jī)設(shè)備前后面板上的指示燈了解設(shè)備的當(dāng)前運(yùn)行狀態(tài)，如電源指示燈、硬盤(pán)/IDE設(shè)備活動(dòng)指示燈、網(wǎng)卡指示燈、系統(tǒng)異常指示燈等，根據(jù)不同顏色的指示燈代表的不同意義來(lái)判斷設(shè)備是否發(fā)生異常。由于機(jī)房的設(shè)備數(shù)量較多，加上設(shè)備類(lèi)型不一，品牌型號(hào)繁雜，巡檢人員完成一次常規(guī)巡檢需要耗費(fèi)很長(zhǎng)時(shí)間。此外，巡檢人員工作強(qiáng)度大、內(nèi)容枯燥，其間很容易產(chǎn)生視覺(jué)疲勞，出現(xiàn)人為漏檢、誤檢的情況。鑒于此，為避免人為因素給數(shù)據(jù)中心帶來(lái)風(fēng)險(xiǎn)，許多運(yùn)維管理方開(kāi)始嘗試智能巡檢方式[1-6]。

目前，針對(duì)計(jì)算機(jī)設(shè)備的智能巡檢大多采用動(dòng)態(tài)識(shí)別設(shè)備的狀態(tài)指示燈方式，即通過(guò)機(jī)器人上搭載的攝像頭實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)，并與設(shè)備正常指示燈狀態(tài)的圖像進(jìn)行分析對(duì)比，如發(fā)現(xiàn)問(wèn)題立即記錄并報(bào)警[7-13]。由于機(jī)房?jī)?nèi)環(huán)境、機(jī)器人位置及攝像頭角度等都會(huì)對(duì)視頻圖像的獲取產(chǎn)生一定影響，這就給圖像處理增加了不小的難度，同時(shí)還降低了檢測(cè)效率與準(zhǔn)確率。為解決上述問(wèn)題，本文研制了一種基于設(shè)備指示燈輪廓及顏色識(shí)別的智能巡檢系統(tǒng)。

1? ? 系統(tǒng)工作原理及檢測(cè)算法

本系統(tǒng)通過(guò)視覺(jué)系統(tǒng)對(duì)計(jì)算機(jī)設(shè)備前后面板進(jìn)行檢測(cè)，根據(jù)指示燈輪廓與顏色來(lái)判斷當(dāng)前設(shè)備的運(yùn)行狀態(tài)，發(fā)現(xiàn)異常后記錄并報(bào)警。系統(tǒng)檢測(cè)算法流程如圖1所示。

2? ? 系統(tǒng)組成

2.1? ? 視頻采集

本系統(tǒng)采用VideoCapture（）函數(shù)調(diào)用外置攝像頭獲取視頻圖像，使用cap.read（）函數(shù)按幀讀取視頻[14]，通過(guò)調(diào)用cv2.resize（）函數(shù)調(diào)整圖像的尺寸，如圖2所示。由于攝像頭以30幀/s的速率采集視頻，為減少圖像處理時(shí)間，提高檢測(cè)效率，本系統(tǒng)按0.5 s的時(shí)間間隔截取視頻。

2.2? ? 圖像顏色空間轉(zhuǎn)化

HSV顏色模型采用色調(diào)（Hue）、飽和度（Saturation）、亮度（Value）3個(gè)屬性來(lái)表示，它是一種比較直觀的顏色模型，便于顏色對(duì)比，常用于指定顏色的分割識(shí)別。在opencv中默認(rèn)讀取圖像是RGB通道，現(xiàn)需要轉(zhuǎn)化到HSV顏色空間，本文采用cvtColor函數(shù)對(duì)顏色空間進(jìn)行轉(zhuǎn)換。

本文試驗(yàn)采集的設(shè)備指示燈主要有橙色、綠色與藍(lán)色，其中綠色與藍(lán)色為正常工作狀態(tài)，橙色為異常狀態(tài)。將上述3種顏色的RGB色彩值轉(zhuǎn)化為HSV值后，可以浮動(dòng)得到上下閾值，如表1所示。

2.3? ? 圖像二值化處理

為了便于異常指示燈檢測(cè)，需要選取合適的閾值對(duì)采集的圖像進(jìn)行二值化處理。在HSV顏色空間中，橙色閾值的上限與下限分別是[25，255，255]與[11，43，46]。采用cv2.inRange函數(shù)設(shè)置閾值，去除背景部分，即將圖像中低于橙色閾值下限的圖像值變?yōu)?，將圖像中高于橙色閾值上限的圖像值變?yōu)?，介于兩者之間的值變?yōu)?55。

為了便于觀察目標(biāo)輪廓，本文利用cv2.bitwise_not（）函數(shù)對(duì)圖像做取反處理，如圖3所示，黑色區(qū)域表示圖像中所有橙色部分的輪廓。

2.4? ? 濾波處理

由于故障指示燈燈光通過(guò)機(jī)柜網(wǎng)孔門(mén)時(shí)會(huì)產(chǎn)生反射作用，因此采集的圖像上產(chǎn)生了許多與目標(biāo)顏色相同的區(qū)域或離散點(diǎn)，這對(duì)故障燈的識(shí)別產(chǎn)生了一定的干擾，為減少系統(tǒng)在上述情況下的誤判，本文引入濾波處理方式。

常用的濾波方式有均值濾波、高斯濾波、雙邊濾波與中值濾波[15]。

（1）均值濾波是一種線性濾波，主要是利用目標(biāo)像素及周?chē)袼氐钠骄荡婺繕?biāo)像素值，公式如下：

（2）高斯濾波是一種線性平滑濾波，利用高斯函數(shù)計(jì)算出每一個(gè)像素點(diǎn)本身和鄰域內(nèi)的其他像素點(diǎn)的值，然后進(jìn)行加權(quán)平均的過(guò)程。

（3）雙邊濾波是一種非線性濾波，利用空間距離的權(quán)重與灰度信息的權(quán)重的乘積得到最終的卷積模板。相比高斯濾波，其增加了灰度信息的權(quán)重，即在鄰域內(nèi)灰度值與中心點(diǎn)灰度值相差小的點(diǎn)權(quán)重更大，而灰度值相差大的點(diǎn)權(quán)重更小。

（4）中值濾波是一種非線性濾波，其主要原理是對(duì)圖像中的目標(biāo)點(diǎn)及該點(diǎn)的鄰域中各個(gè)像素值進(jìn)行排序，取中值來(lái)代替目標(biāo)點(diǎn)的像素值。

采用上述4種濾波方式對(duì)二值化圖像進(jìn)行處理，如圖4所示。

均值濾波、高斯濾波、雙邊濾波均未能過(guò)濾掉圖像中的黑點(diǎn)，而中值濾波能夠在濾除孤立噪聲點(diǎn)的情況下較好地保留紋理信息，目標(biāo)像素周?chē)咏鎸?shí)值，圖像質(zhì)量較高。

2.5? ? 異常指示燈輪廓識(shí)別

由于報(bào)警燈外輪廓為圓形，而機(jī)柜門(mén)反光產(chǎn)生的圖像輪廓為不規(guī)則圖形，因此本系統(tǒng)采用cv2.HoughCircles（）函數(shù)對(duì)中值濾波后的圖像進(jìn)行霍夫圓檢測(cè)，它是基于圖像梯度的方法實(shí)現(xiàn)的。其原理為對(duì)圖像進(jìn)行邊緣檢測(cè)，對(duì)邊緣中的每一個(gè)非零點(diǎn)計(jì)算局部梯度，該梯度方向就是圓切線的垂線，三條垂線可以確定一個(gè)圓心，通過(guò)累加器得到重合度最高的圓心，從該中心的最小距離算起，選擇非零像素最支持的一條半徑，以此確定報(bào)警燈外圓。

如圖5所示，圖像左側(cè)的干擾區(qū)域被系統(tǒng)過(guò)濾，報(bào)警燈處的區(qū)域被獲取并進(jìn)行圓心標(biāo)記。

2.6? ? 報(bào)警

在系統(tǒng)識(shí)別出計(jì)算機(jī)設(shè)備指示燈出現(xiàn)異常時(shí)，采用cv2.rectangle（）與cv2.putText（）函數(shù)在監(jiān)控視頻圖像右上角顯示alarm報(bào)警信息，同時(shí)調(diào)用winsound模塊來(lái)播放報(bào)警聲音，向外界傳遞示警信號(hào)。運(yùn)維人員可在第一時(shí)間關(guān)注到報(bào)警事件的發(fā)生并及時(shí)應(yīng)對(duì)響應(yīng)，極大地提高了設(shè)備故障處理效率。

2.7? ? 存儲(chǔ)

為了便于運(yùn)維人員后續(xù)處理、記錄與查閱，本系統(tǒng)采用cv2.imwrite（）函數(shù)對(duì)報(bào)警圖像進(jìn)行保存，并按時(shí)間依次命名文件。

3? ? 結(jié)語(yǔ)

本文設(shè)計(jì)的基于設(shè)備指示燈輪廓及顏色識(shí)別的視覺(jué)巡檢系統(tǒng)，能方便運(yùn)維人員及時(shí)準(zhǔn)確地掌握機(jī)房設(shè)備運(yùn)行狀態(tài)，發(fā)現(xiàn)問(wèn)題并立即處置，有效提升了人員對(duì)機(jī)房設(shè)備的遠(yuǎn)程管控能力，確保了數(shù)據(jù)中心機(jī)房的安全穩(wěn)定運(yùn)行;同時(shí)，還提高了人員的工作效率，降低了巡檢成本。

[參考文獻(xiàn)]

[1] 張志韜，周瑾，彭朝亮.鐵路機(jī)房智能巡檢系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].數(shù)字通信世界，2021（2）：92-93.

[2] 俞曉靜.數(shù)據(jù)中心機(jī)房智能巡檢機(jī)器人應(yīng)用研究[J].中國(guó)金融電腦，2021（2）：77-80.

[3] 牟俊.智能巡檢機(jī)器人在數(shù)據(jù)中心的應(yīng)用分析[J].通信與信息技術(shù)，2021（1）：25-28.

[4] 楊曹.一種數(shù)據(jù)中心巡檢機(jī)器人的設(shè)計(jì)[J].機(jī)電信息，2020（2）：111.

[5] 趙東明，田雷.基于計(jì)算機(jī)視覺(jué)的電信運(yùn)營(yíng)商智能巡檢機(jī)器人技術(shù)研究[J].電信工程技術(shù)與標(biāo)準(zhǔn)化，2021，34（4）：51-56.

[6] 曾驥，韓巍，翁芳.機(jī)房智能巡檢機(jī)器人應(yīng)用研究[J].科學(xué)技術(shù)創(chuàng)新，2020（4）：77-78.

[7] 侯學(xué)輝，謝乾，朱建軍，等.軌道交通電子信息機(jī)房智能巡檢系統(tǒng)的設(shè)計(jì)與應(yīng)用[J].中國(guó)新技術(shù)新產(chǎn)品，2021（4）：13-15.

[8] 王誠(chéng)，董蕓州，潘德泰，等.基于物聯(lián)網(wǎng)的無(wú)人值守機(jī)房智能巡檢管理模式研究[J].機(jī)械與電子，2021，38（11）：42-46.

[9] 杜冠軍，潘海囤，王鵬展，等.基于AR的通信機(jī)房運(yùn)維巡檢技術(shù)[J].中國(guó)科技信息，2020（22）：66-67.

[10] 薛俊偉，劉雨濛.應(yīng)用于數(shù)據(jù)機(jī)房巡檢的雙目視覺(jué)機(jī)器人設(shè)計(jì)[J].通信電源技術(shù)，2019，36（9）：99-101.

[11] 張俊，馬迅飛，張進(jìn)鐸，等.基于人工智能學(xué)習(xí)的巡檢監(jiān)控機(jī)器人系統(tǒng)的探索與研究[J].計(jì)算機(jī)時(shí)代，2019（11）：15-17.

[12] 唐琳，王順陽(yáng)，王永剛，等.一種基于視頻圖像識(shí)別的服務(wù)器故障輔助診斷系統(tǒng)[J].科技通報(bào)，2020，36（8）：58-61.

[13] 梁飛，何英杰，孫豐.基于HSV的機(jī)房設(shè)備狀態(tài)燈顏色智能識(shí)別系統(tǒng)[J].電子技術(shù)與軟件工程，2021（12）：96-99.

[14] SOLEM J E.Python計(jì)算機(jī)視覺(jué)編程[M].朱文濤，袁勇，譯.北京：人民郵電出版社，2004.

[15] GONZALEZ R C，WOODS R E.數(shù)字圖像處理[M].3版.阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2017.

收稿日期：2021-10-20

作者簡(jiǎn)介：郭文亮（1984—），男，河南安陽(yáng)人，碩士，工程師，主要從事智能制造方面的工作。