一种基于深度学习的数据中心机房配电柜检测方法

    公开(公告)号:CN115937198A

    公开(公告)日:2023-04-07

    申请号:CN202310015929.0

    申请日:2023-01-06

    摘要: 本发明涉及一种基于深度学习的数据中心机房配电柜检测方法,包括:数据采集;进行目标检测标签标注;搭建Yolov5网络模型进行训练;搭建MaskRCNN网络模型进行训练;获取检测结果,若检测结果中包含仪表盘则进入下一步,否则进入步骤(9);进行图像细化、边缘检测、直线检测,判断是否出现异常情况,若出现异常情况则进行报警;将步骤(8)中获取的仪表盘读数与设定的发出警报的最大值和最小值进行对比,若超过最大值和/或小于最小值进行报警。本发明的成本更低,可大大降低数据中心运维成本;本发明可处理复杂业务识别,本发明针对设备指示灯与仪器仪表,基于Yolov5的检测算法有更为精准的定位与识别效果,基于MaskRCNN的分割算法有更好的指针提取效果。

    一种用于污水处理行业的海量数据存储方法

    公开(公告)号:CN107766529B

    公开(公告)日:2020-02-14

    申请号:CN201711018477.2

    申请日:2017-10-27

    IPC分类号: G06F16/22 G06F3/06 H04L29/08

    摘要: 本发明涉及一种用于污水处理行业的海量数据存储方法,与现有技术相比解决了难以针对海量数据进行高效存取的缺陷。本发明包括以下步骤:采集数据,获取污水处理厂各级智能终端的测点数据;布置分布式缓存数据节点并预存测点数据;数据库的分区存储;Key信息的优化处理;测点数据的存入。本发明提出分布式缓存扩展方案,并通过相应方法进一步对数据进行分区和快速定位;同时结合污水行业采集系统信号采集的特点,按照时间规则优化了Key和Value值的生成机制,构建了一套完整的分布式可动态扩展缓存处理方法。