本发明涉及物联网领域，尤其涉及一种路灯上的led屏幕故障诊断方法及路灯。
背景技术：
智慧路灯集成多种外部设备，能够实时感知和作用于周围环境，其中户外led(lightemittingdiode，发光二极管)屏幕是常见的集成对象，用于文字、图像、视频的播放，是广告投放、政策宣传的理想载体。
由于led屏幕是由发光灯珠组合而成，灯珠之间的点距较大，当出现暗点、亮点时，会严重影响整体显示效果。现有技术通过人工检查户外led屏幕是否存在故障。
然而，目前智慧路灯分布区域广泛，人工检查led屏幕的效率较低。
技术实现要素：
本申请实施例提供一种路灯上led屏幕故障诊断方法，以解决路灯上led屏幕故障诊断效率低的问题。
第一方面，提供了一种路灯上led屏幕故障诊断方法，所述方法包括：
控制摄像头采集所述led屏幕的多帧图像；
对采集的所述多帧图像进行识别，以得到识别结果；
基于所述识别结果，确定所述led屏幕的故障类型。
第二方面，提供了一种路灯，所述路灯具有摄像头和led屏幕，所述路灯包括处理模块，所述处理模块用于：
控制摄像头采集所述led屏幕的多帧图像；
对采集的所述多帧图像进行识别，以得到识别结果；
基于所述识别结果，确定所述led屏幕的故障类型。
在本申请实施例提供的路灯上led屏幕故障诊断方法和路灯，通过控制摄像头采集led屏幕的多帧图像，对采集的所述多帧图像进行识别，以确定所述led屏幕的故障类型，能够从led屏幕工作效果呈现角度来进行衡量和判断，解决了led屏幕工作情况的自动化检测问题。如此，可解决路灯上led屏幕故障诊断效率低的问题，提高了工作效率，对于智慧路灯的应用和大规模普及有重要的实际意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种路灯上led屏幕故障诊断方法的流程图；
图2是本发明实施例提供的另一种路灯上led屏幕故障诊断方法的流程图；
图3是本发明实施例提供的又一种路灯上led屏幕故障诊断方法的流程图；
图4是本发明实施例提供的路灯上led屏幕故障诊断方法中涉及的路灯的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种路灯上led屏幕故障诊断方法，该方法的执行主体可以为路灯，所述路灯可以为下文中提到的智慧路灯，所述智慧路灯可以集成多种外部设备，例如，摄像头和led屏幕等等。所述智慧路灯中的边缘网关可以与云端服务器进行无线通信或有线通信，所述云端服务器处的智慧路灯管理系统可以根据自检结果提示用户是否需要检修智慧路灯上的led屏幕。
图1是本发明实施例提供的一种路灯上led屏幕故障诊断方法的流程图。如图1所示，本发明实施例提供的路灯上led屏幕故障诊断方法可包括以下步骤：
步骤120，控制摄像头采集所述led屏幕的多帧图像。
城市拥有数量众多的路灯，路灯是最密集的城市基础设施，便于信息的采集和发布。智慧路灯是智慧城市的重要组成部分，它将城市中的路灯串联起来形成物联网，是物联网重要的信息采集来源。智慧路灯实现了对路灯的远程集中控制与管理，具有根据车流量、时间、天气情况等条件设定方案自动调节亮度、远程照明控制、故障主动报警等功能。
此外，在本发明实施例中，若检测到智慧路灯上集成的led屏幕存在故障，智慧路灯的led屏幕故障主动报警功能也会提示设备检修led屏幕。
在步骤120中，所述摄像头和所述led屏幕可以是智慧路灯中集成的外部设备，能够实时感知和作用于周围环境。led屏幕是经led点阵组成的电子显示屏，通过亮灭灯珠改变屏幕显示内容，如文字、动画、图片、视频，是广告投放、政策宣传的理想载体。
led屏幕可以由led发光灯珠组合而成，由于灯珠之间的点距较大，当led发光灯珠出现暗点、亮点时，会严重影响整体显示效果。
例如，所述led屏幕可以由将红色、绿色、或者蓝色的led晶片或灯管作为一个像素制作成单色显示屏，当一个像素的led晶片或灯管出现暗点、亮点时，会严重影响整体显示效果。
又例如，所述led屏幕可以由将红、绿、蓝三种led晶片或灯管放在一起作为一个像素制作成双基色屏或三基色屏，当一个像素中的任一单基色led晶片或灯管出现暗点、亮点时，会严重影响整体显示效果。
所述控制摄像头采集所述led屏幕的多帧图像可以为，智慧路灯的处理模块控制摄像头采集画面中包含led屏幕的一小段视频，所述视频中包含led屏幕的多帧图像。其中，所述智慧路灯的处理模块可以是智慧路灯中的边缘网关，可用于执行各种操作，是智慧路灯前端的控制中心；或者，所述智慧路灯的处理模块可以是智慧路灯中的一个单独的cpu(centralprocessingunit，中央处理器)，用于执行各种操作，是智慧路灯前端的控制中心。
步骤140，对采集的所述多帧图像进行识别，以得到识别结果。
其中，智慧路灯的处理模块对led屏幕的多帧图像进行识别，可以得到led屏幕是否故障的概率，例如无故障概率，暗点概率，亮点概率等。
步骤160，基于所述识别结果，确定所述led屏幕的故障类型。
其中，led屏幕的故障类型可以包括暗点和亮点。
所述暗点一般指led屏幕背景色为全白时出现颜色较深的黑点。不论屏幕显示哪种颜色，暗点始终不发光，没有颜色。
所述暗点的测试方法可以为，通过led屏幕显示全白纯色画面，画面中与白色画面不同的点即为暗点。
所述亮点一般是指led屏幕为全黑时出现的带颜色的像素点，或者背景色在全红、全蓝、全绿之间切换时出现的由于亮点发出与其他像素点不同颜色的点。
所述亮点的测试方法可以为，通过led屏幕显示全黑画面、全红画面、全绿画面、全蓝画面，画面中与纯色画面不同的点即为亮点。
在步骤160中，可以基于所述识别结果确定所述led屏幕存在故障或无故障。若基于所述识别结果确定所述led屏幕存在故障，还可以进一步确定存在故障的led屏幕的具体故障类型为暗点或是亮点。
本申请实施例提供的路灯上led屏幕故障诊断方法和路灯，通过控制摄像头采集led屏幕的多帧图像，对采集的所述多帧图像进行识别，以确定所述led屏幕的故障类型，解决了led屏幕人工检测效率低问题。如此，可解决路灯上led屏幕故障诊断效率低的问题。
图2是本发明实施例提供的另一种路灯上led屏幕故障诊断方法的流程图。
如图2所示，本发明实施例提供另一种路灯上led屏幕故障诊断方法，本发明实施例提供的路灯上led屏幕故障诊断方法可以包括以下步骤：
步骤210，控制所述led屏幕显示单色模式的画面，其中，所述单色模式的画面包括全白画面、全黑画面、全红画面、全绿画面或全蓝画面。
优选地，若所述led屏幕为将红、绿、蓝三种led晶片或灯管放在一起作为一个像素制作成双基色屏或三基色屏，还可以控制所述led屏幕显示单色模式的画面，其中，所述单色模式的画面包括全红画面、全绿画面、全蓝画面等纯色画面。
优选地，在本发明实施例中，可以控制所述led屏幕轮流显示全白画面、全黑画面、全红画面、全绿画面、全蓝画面。
步骤220，控制摄像头采集所述led屏幕显示单色模式画面的多帧图像。
优选地，在本发明实施例中，可以控制摄像头采集所述led屏幕轮流显示全白画面、全黑画面、全红画面、全绿画面、全蓝画面。
步骤240，对采集的所述多帧图像进行识别，以得到识别结果。
优选地，在本发明实施例中，可以分别对全白画面、全黑画面、全红画面、全绿画面、全蓝画面的图像进行识别，提高检测led屏幕存在故障的准确率，进一步提高确定led屏幕的故障类型的准确率。
在本发明实施例中，所述对采集的所述多帧图像进行识别，以得到识别结果具体包括：
对采集的所述多帧图像中的一帧图像，使用第一神经网络对整帧图像进行特征提取，以获得整帧图像的特征，所述特征包括颜色、亮度、边缘、角点、纹理、几何形状中的至少一种；对整帧图像的特征进行数据拟合，以获得所述led屏幕在整帧图像中的位置；
基于所述led屏幕在整帧图像中的位置，确定led屏幕的特征；采用第二神经网络对led屏幕的特征进行数据拟合，得到led屏幕是否存在故障的概率，其中，所述第二神经网络是与第一神经网络不同的神经网络。
其中，所述使用第一神经网络对整帧图像进行特征提取具体可以为，通过第一神经网络提取整帧图像的特征图，特征图中包括颜色、亮度、边缘、角点、纹理、几何形状形成整个物体的概念特征信息，通过整帧图像的特征图来预测led屏幕在整帧图像中的位置，基于所述led屏幕在整帧图像中的位置，从特征图截取对应位置的特征信息，即led屏幕的特征。其中，所述led屏幕的特征是指通过模拟大脑神经网络处理、记忆信息的方式进行信息处理而提取到的高维度的信息。
其中，所述采用第二神经网络对led屏幕的特征进行数据拟合具体包括，采用第二神经网络对led屏幕的特征进行数据拟合，(所述第二神经网络是与第一神经网络不同的另一神经网络)，通过一系列的复合函数，拟合出出现故障的概率，拟合结果可以有无故障概率、暗点概率和亮点概率。
其中，拟合结果中的无故障概率、暗点概率、亮点概率之和为1。
其中，拟合结果中的无故障概率取值范围可以是在0至1之间的任何一个数值。
步骤260，基于所述识别结果，确定所述led屏幕的故障类型。
具体地，基于所述识别结果确定所述led屏幕是否存在故障，若拟合结果中的无故障概率大于预定阈值，则可以确定所述led屏幕不存在故障，反之，所述led屏幕存在故障。例如，若拟合结果中的无故障概率大于0.5，则可以确定所述led屏幕不存在故障。
若基于所述识别结果确定所述led屏幕存在故障，还可以进一步确定存在故障的led屏幕的故障类型为暗点或是亮点：若拟合结果中的暗点概率大于预定阈值，则可以确定所述led屏幕的故障类型为暗点，和/或，若拟合结果中的亮点概率大于预定阈值，则可以确定所述led屏幕的故障类型为亮点。其中，拟合结果是针对每帧图像，在视频中led屏幕的故障中可能同时存在暗点和亮点。
本申请实施例提供的路灯上led屏幕故障诊断方法和路灯，通过控制摄像头采集所述led屏幕显示单色模式画面的多帧图像，对采集的所述多帧图像进行识别，以确定所述led屏幕的故障类型，能够从led屏幕工作效果呈现角度来进行衡量和判断，解决了led屏幕工作情况的自动化检测问题。如此，可解决路灯上led屏幕故障诊断效率低的问题，对于智慧路灯的应用和大规模普及有重要的实际意义。
图3是本发明实施例提供的又一种路灯上led屏幕故障诊断方法的流程图。在控制摄像头采集所述led屏幕的多帧图像之前，所述摄像头可以是智慧路灯上已有的用来监测周围环境的摄像设备，所述摄像头在初始状态下朝向需要采集图像的目标对象；在接收到led屏幕故障检测指令时，控制所述摄像头进行旋转，以对准所述led屏幕。如图3所示，本发明实施例提供又一种路灯上led屏幕故障诊断方法，本发明实施例提供的路灯上led屏幕故障诊断方法可以包括以下步骤：
步骤310，在接收到led屏幕故障检测指令时，控制所述摄像头进行旋转，以对准所述led屏幕。
其中，在控制摄像头采集所述led屏幕的多帧图像之前，所述摄像头在初始状态下朝向需要采集图像的目标对象；所述需要采集图像的目标对象可以为周围环境中的目标对象，例如，道路上的行人、车辆、斑马线、保安亭门禁等等。
其中，所述led屏幕故障检测指令可以是智慧路灯上电开启时边缘网关内部执行的led屏幕自检指令；所述led屏幕故障检测指令也可以是用户根据需要在云端服务器处的智慧路灯管理系统中下达的led屏幕故障检测指令，通过云端服务器传输至智慧路灯前端的边缘网关。
其中，所述控制所述摄像头进行旋转，以对准所述led屏幕，具体包括：
若所述摄像头为智能摄像头，控制所述智能摄像头每次旋转预定小角度值，例如每次旋转15度，控制所述智能摄像头进行几次旋转操作直至所述智能摄像头预览界面中包含所述led屏幕的画面为止，控制所述摄像头对准所述led屏幕。在控制所述摄像头对准所述led屏幕之后，可以控制摄像头采集所述led屏幕的多帧图像。
或者，所述控制所述摄像头进行旋转，以对准所述led屏幕，具体包括：
所述摄像头一次性旋转预定角度值，例如一次性旋转90度，此时默认所述摄像头预览界面中包含所述led屏幕的画面，即控制所述摄像头对准所述led屏幕。在控制所述摄像头对准所述led屏幕之后，可以控制摄像头采集所述led屏幕的多帧图像。
步骤320，控制摄像头采集所述led屏幕的多帧图像。
步骤340，对采集的所述多帧图像进行识别，以得到识别结果。
步骤360，基于所述识别结果，确定所述led屏幕的故障类型。
此外，在本申请实施例中，在led屏幕自检完成后，边缘网关控制摄像头转回初始状态下的初始角度，并将确定的所述led屏幕的故障类型向云端服务器进行上报。云端服务器处的智慧路灯管理系统软件平台根据自检结果提示用户是否需要检修智慧路灯上的led屏：若led屏幕存在故障，则通过所述智慧路灯管理系统提示用户需要检修智慧路灯上的led屏幕。
本申请实施例提供的路灯上led屏幕故障诊断方法和路灯，在控制摄像头采集所述led屏幕的多帧图像之前，所述摄像头在初始状态下朝向需要采集图像的目标对象，在接收到led屏幕故障检测指令时，控制所述摄像头进行旋转，以对准所述led屏幕，采集所述led屏幕工作状态下的多帧图像进行识别，通过复用智慧路灯上已有的设备，在不增加硬件成本的基础上，解决了led屏工作情况的自动化检测问题。
基于与本发明实施例提供的路灯上led屏幕故障诊断方法相同的思路，本发明实施例还提供了一种路灯，图4是本发明实施例提供的路灯上led屏幕故障诊断方法中涉及的路灯的示意图。如图4所示，其中，所述智慧路灯可以集成多种外部设备，例如，摄像头和led屏幕等等。
边缘网关是部署在网络边缘侧的网关，通过网络联接、协议转换等功能联接物理和数字世界，提供轻量化的联接管理、实时数据分析及应用管理功能。具体地，智慧路灯专用的边缘网关是专用于智慧路灯的工业级智能网关，是智慧灯杆的核心设备。如图4所示，边缘网关可以安装在电气设备仓内。边缘网关可接入照明、安全监控、无线覆盖、广播、信息发布、环境气象监测、应急报警、市政设施监控、充电桩等信息采集传感器及传感设备的电源远程监控及能耗监控。
智慧路灯管理系统可以是应用软件或者网页，智慧路灯管理系统软件平台是智慧路灯的核心，是对路灯监控调度、运维数据管理的中心平台。智慧路灯管理系统可以通过地图的方式，迅速定位路灯并进行管理，包括查询路灯上搭载的led屏幕是否处于故障状态和历史记录，实时显示led屏幕的故障类型，便于提示设备是否需要检修led屏幕。
所述智慧路灯中的边缘网关可以与云端服务器进行无线通信或有线通信，所述云端服务器处的智慧路灯管理系统可以根据自检结果提示用户是否需要检修智慧路灯上的led屏幕。
如图4所示，10指led屏幕，20指摄像头，30指电气设备仓，40指云平台，50指摄像头的旋转角度，电气设备仓30的容纳空间用于安装边缘网关，云平台40即云端服务器上的智慧路灯管理系统软件平台。在本发明实施例的一种示例中，若旋转角度50为90度，摄像头20在初始状态下一次性旋转90度，可以控制所述摄像头对准所述led屏幕。
所述路灯具有摄像头和led屏幕，所述路灯包括处理模块，所述处理模块用于：控制摄像头采集所述led屏幕的多帧图像；对采集的所述多帧图像进行识别，以得到识别结果；基于所述识别结果，确定所述led屏幕的故障类型。
可选地，在所述控制摄像头采集所述led屏幕的多帧图像之前，所述处理模块还用于：控制所述led屏幕显示单色模式的画面，其中，所述单色模式的画面包括全白画面、全黑画面、全红画面、全绿画面或全蓝画面；所述处理模块具体用于：控制摄像头采集所述led屏幕显示单色模式画面的多帧图像。
可选地，所述处理模块具体用于：对采集的所述多帧图像中的一帧图像，使用第一神经网络对整帧图像进行特征提取，以获得整帧图像的特征，所述特征包括颜色、亮度、边缘、角点、纹理、几何形状中的至少一种；对整帧图像的特征进行数据拟合，以获得所述led屏幕在整帧图像中的位置；基于所述led屏幕在整帧图像中的位置，确定led屏幕的特征；采用第二神经网络对led屏幕的特征进行数据拟合，得到led屏幕是否存在故障的概率，其中，所述第二神经网络是与第一神经网络不同的神经网络。
可选地，在确定所述led屏幕的故障类型之后，所述处理模块还用于：将确定的所述led屏幕的故障类型向云端服务器进行上报。
可选地，在所述控制摄像头采集所述led屏幕的多帧图像之前，所述路灯还包括：所述摄像头在初始状态下朝向需要采集图像的目标对象；所述处理模块还用于：在接收到led屏幕故障检测指令时，控制所述摄像头进行旋转，以对准所述led屏幕。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
1.一种路灯上的led屏幕故障诊断方法，其特征在于，所述路灯具有摄像头和led屏幕，所述方法包括：
控制摄像头采集所述led屏幕的多帧图像；
对采集的所述多帧图像进行识别，以得到识别结果；
基于所述识别结果，确定所述led屏幕的故障类型。
2.根据权利要求1所述的方法，其特征在于，在所述控制摄像头采集所述led屏幕的多帧图像之前，所述方法还包括：
控制所述led屏幕显示单色模式的画面，其中，所述单色模式的画面包括全白画面、全黑画面、全红画面、全绿画面或全蓝画面；
所述控制摄像头采集所述led屏幕的多帧图像包括：控制摄像头采集所述led屏幕显示单色模式画面的多帧图像。
3.根据权利要求1所述的方法，其特征在于，所述对采集的所述多帧图像进行识别，以得到识别结果包括：
对采集的所述多帧图像中的一帧图像，使用第一神经网络对整帧图像进行特征提取，以获得整帧图像的特征，所述特征包括颜色、亮度、边缘、角点、纹理、几何形状中的至少一种；对整帧图像的特征进行数据拟合，以获得所述led屏幕在整帧图像中的位置；
基于所述led屏幕在整帧图像中的位置，确定led屏幕的特征；采用第二神经网络对led屏幕的特征进行数据拟合，得到led屏幕是否存在故障的概率，其中，所述第二神经网络是与第一神经网络不同的神经网络。
4.根据权利要求1所述的方法，其特征在于，在确定所述led屏幕的故障类型之后，所述方法还包括：
将确定的所述led屏幕的故障类型向云端服务器进行上报。
5.根据权利要求1所述的方法，其特征在于，在所述控制摄像头采集所述led屏幕的多帧图像之前，所述方法还包括：
所述摄像头在初始状态下朝向需要采集图像的目标对象；
在接收到led屏幕故障检测指令时，控制所述摄像头进行旋转，以对准所述led屏幕。
6.一种路灯，其特征在于，所述路灯具有摄像头和led屏幕，所述路灯包括处理模块，所述处理模块用于：
控制摄像头采集所述led屏幕的多帧图像；
对采集的所述多帧图像进行识别，以得到识别结果；
基于所述识别结果，确定所述led屏幕的故障类型。
7.根据权利要求6所述的路灯，其特征在于，在所述控制摄像头采集所述led屏幕的多帧图像之前，所述处理模块还用于：
控制所述led屏幕显示单色模式的画面，其中，所述单色模式的画面包括全白画面、全黑画面、全红画面、全绿画面或全蓝画面；
所述处理模块具体用于：控制摄像头采集所述led屏幕显示单色模式画面的多帧图像。
8.根据权利要求6所述的路灯，其特征在于，所述处理模块具体用于：
对采集的所述多帧图像中的一帧图像，使用第一神经网络对整帧图像进行特征提取，以获得整帧图像的特征，所述特征包括颜色、亮度、边缘、角点、纹理、几何形状中的至少一种；对整帧图像的特征进行数据拟合，以获得所述led屏幕在整帧图像中的位置；
基于所述led屏幕在整帧图像中的位置，确定led屏幕的特征；采用第二神经网络对led屏幕的特征进行数据拟合，得到led屏幕是否存在故障的概率，其中，所述第二神经网络是与第一神经网络不同的神经网络。
9.根据权利要求6所述的路灯，其特征在于，在确定所述led屏幕的故障类型之后，所述处理模块还用于：
将确定的所述led屏幕的故障类型向云端服务器进行上报。
10.根据权利要求6所述的路灯，其特征在于，在所述控制摄像头采集所述led屏幕的多帧图像之前，所述路灯还包括：
所述摄像头在初始状态下朝向需要采集图像的目标对象；
所述处理模块还用于：在接收到led屏幕故障检测指令时，控制所述摄像头进行旋转，以对准所述led屏幕。
技术总结