本公开一般涉及信号检测，具体涉及一种基于图像识别算法的设备面板信号检测方法。
背景技术：
1、随着时代的发展，基于图像识别算法的设备面板信号异常定位技术在工业控制和自动化领域得到了广泛关注和应用。现有的基于图像识别算法的设备面板信号检测技术主要为传统的人工检测方法和训练识别模型。
2、传统的人工检测方法依赖操作人员目视检查设备面板上的信号指示器，如指示灯，操作人员需要逐个检查信号指示器，根据指示器的状态判断设备的运行状态，并在发现异常时采取相应措施，存在效率低下、准确性差和人工成本较高的问题，且容易因疲劳和注意力不集中等原因导致漏检或误检。而训练识别模型虽然具有高度自动化和高识别精度，但需要大量的训练数据和计算资源，模型训练和维护成本较高，对技术人员要求较高，实施复杂。
技术实现思路
1、鉴于现有技术中的上述缺陷或不足，期望提供一种基于图像识别算法的设备面板信号检测方法，能够高效、准确、低成本的完成设备面板信号检测。
2、第一方面，本申请提出了一种基于图像识别算法的设备面板信号检测方法，包括：
3、获取设备面板的待检测图像，并基于所述设备面板对应的至少一个信号检测区域进行图像分割，得到每个所述信号检测区域对应的信号检测图像；所述信号检测图像包括至少一个指示器以及每个所述指示器对应的坐标；
4、对每个所述信号检测图像进行颜色检测，确定所述信号检测图像对应的状态颜色；
5、基于所述信号检测图像对应的异常策略和所述状态颜色，确定所述信号检测图像对应的信号是否异常。
6、在一些实施例中，所述基于所述设备面板对应的至少一个信号检测区域进行图像分割，包括：
7、将所述待检测图像转换为灰度图像；
8、对所述灰度图像进行逐像素标记，确定所述灰度图像中至少一个连通区域，
9、计算每个所述连通区域的面积，将满足预设面积条件的至少一个所述连通区域作为所述至少一个信号检测区域；
10、基于所述至少一个信号检测区域对所述待检测图像进行图像分割。
11、在一些实施例中，所述基于所述至少一个信号检测区域对所述待检测图像进行图像分割，包括：
12、基于每个所述信号检测区域对所述待检测图像进行掩膜处理，得到每个所述信号检测区域对应的边缘轮廓；
13、基于边缘轮廓对所述待检测图像进行图像分割，并得到每个所述信号检测图像对应的坐标。
14、在一些实施例中，所述基于所述设备面板对应的至少一个信号检测区域进行图像分割，包括：
15、将所述待检测图像输入至图像语义分割模型处理；
16、通过所述图像语义分割模型对所述待检测图像进行图像分割，并得到每个所述信号检测图像对应的坐标。
17、在一些实施例中，所述对每个所述信号检测图像进行颜色检测，确定所述信号检测图像对应的状态颜色，包括：
18、获取每个所述信号检测图像中各颜色分量对应的颜色比例；
19、将所述颜色比例最大的颜色分量，作为所述信号检测图像对应的状态颜色。
20、在一些实施例中，所述对每个所述信号检测图像进行颜色检测，确定所述信号检测图像对应的状态颜色，包括：
21、基于所述至少一个信号检测区域对所述灰度图像进行图像分割，得到所述信号检测图像对应的灰度检测图像；
22、针对每个所述灰度检测图像，基于灰度值计算色彩三通道对应的色彩值；
23、将所述色彩值占比最多的通道颜色，作为所述信号检测图像对应的状态颜色。
24、在一些实施例中，在所述基于所述至少一个信号检测区域对所述灰度图像进行图像分割之前，还包括：
25、对所述灰度图像进行图像增强，得到增强图像；
26、获取所述增强图像中至少一种指示器颜色对应的对比度评价指数；
27、在任一指示器颜色对应的所述对比度评价指数大于预设评价指数，完成对所述灰度图像的修正，得到修正后的所述灰度图像。
28、在一些实施例中，采用如下公式计算对比度评价指数：
29、
30、其中，p为所述增强图像内任一指示器颜色对应的对比度评价指数，sn为所述增强图像内任一指示器颜色的灰度平均值，tm为所述增强图像内其他指示器颜色的灰度平均值，ss为与该指示器颜色标准灰度值，x为所述增强图像中该指示器颜色对应的像素点数量，y为其他指示器颜色对应的像素点数量，k为sn和ss相同的像素点数量。
31、在一些实施例中，所述基于所述信号检测区域对应的异常策略和所述状态颜色，确定所述信号检测区域对应的信号是否异常，包括：
32、利用文字识别技术获取每个所述信号检测区域对应的标识信息；
33、获取所述标识信息对应的异常策略；
34、在所述状态颜色满足所述异常策略中的异常条件时，确定所述信号检测区域对应的信号异常。
35、在一些实施例中，所述利用文字识别技术获取每个所述信号检测区域对应的标识信息，还包括：
36、基于所述指示器对应的坐标，获取所述指示器对应的所述标识信息的标识区域；
37、对所述标识区域进行文字识别，得到所述指示器对应的标识信息。
38、本申请实施例提供的基于图像识别算法的设备面板信号检测方法，能够通过图像算法对设备面板对应的待检测图像进行信号检测，利用改进的图像算法，有效克服了相邻指示灯之间受光晕、散射等的影响，大大提高了基于图像的颜色检测的准确性，提高了设备检测的可靠性。而且，无需人工参与，有效避免了人为识别误差的产生，而且未使用大型模型，在保证了数据准确性和可靠性的基础上，降低了训练压力和成本。
39、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种基于图像识别算法的设备面板信号检测方法，其特征在于，包括：
2.根据权利要求1所述的基于图像识别算法的设备面板信号检测方法，其特征在于，所述基于所述设备面板对应的至少一个信号检测区域进行图像分割，包括：
3.根据权利要求2所述的基于图像识别算法的设备面板信号检测方法，其特征在于，所述基于所述至少一个信号检测区域对所述待检测图像进行图像分割，包括：
4.根据权利要求1所述的基于图像识别算法的设备面板信号检测方法，其特征在于，所述基于所述设备面板对应的至少一个信号检测区域进行图像分割，包括：
5.根据权利要求1所述的基于图像识别算法的设备面板信号检测方法，其特征在于，所述对每个所述信号检测图像进行颜色检测，确定所述信号检测图像对应的状态颜色，包括：
6.根据权利要求2所述的基于图像识别算法的设备面板信号检测方法，其特征在于，所述对每个所述信号检测图像进行颜色检测，确定所述信号检测图像对应的状态颜色，包括：
7.根据权利要求6所述的基于图像识别算法的设备面板信号检测方法，其特征在于，在所述基于所述至少一个信号检测区域对所述灰度图像进行图像分割之前，还包括：
8.根据权利要求7所述的基于图像识别算法的设备面板信号检测方法，其特征在于，采用如下公式计算对比度评价指数：
9.根据权利要求1所述的基于图像识别算法的设备面板信号检测方法，其特征在于，所述基于所述信号检测区域对应的异常策略和所述状态颜色，确定所述信号检测区域对应的信号是否异常，包括：
10.根据权利要求9所述的基于图像识别算法的设备面板信号检测方法，其特征在于，所述利用文字识别技术获取每个所述信号检测区域对应的标识信息，还包括：
