基于图像深度学习模型的机房设备运行状态识别

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。