一种基于人工智能视觉识别的计算机运维方法与流程

1.本发明涉及计算机运维技术领域，具体来说，涉及一种基于人工智能视觉识别的计算机运维方法。


背景技术：

2.目前，在计算机软件的使用过程中，由于软件缺陷，网络问题，系统故障等原因发生故障时，当一般用户不能直接判断故障的成因及了解如何处理时，通常会联系运维部门进行处理，运维部门人员通常要到现场才能完全了解发生故障的系统、问题的详情以及进行问题的处置，整个过程耗时太久。
3.于是计算机运维系统应运而生，计算机运维系统通常包括主流在客户端电脑的前端运维应用，后台系统两部分组成，业务流程如下：用户计算机系统故障时，通过前端运维应用发起工单，填写出错的系统名称，故障信息，有条件的可以配上系统截图，由前端运维应用把上述信息回传到后台；前端运维应用会根据用户工单关键字访问运维系统的知识库，然后向用户提出解决方案；若用户自行解决则运维工作结束，若不能解决继续推进工单执行；运维部门的客服人员在运维系统后台收到工单，查看提出的问题，由客服人员电话核实后派单给运维工程师处置；运维工程师阅读工单信息后，与客户联系，通过电话或到现场处理问题；运维工程师把问题处理结果录入到运维系统后台；运维工程师事后对运维工单的处理结果进行整合完善，形成知识库，
4.但，目前还存在如下问题：
5.1、运维系统不具备网络检测能力：前端运维应用不能自动诊断用户当前的网络状态，并且对网络情况没有自检及更新能力，由于大量的系统故障来源于网络故障，因此前端运维应用不能自动诊断网络，若发生网络故障的时候需要人力介入解决问题。
6.2、运维系统不具备软件识别能力：由于当前大量系统都是以浏览器方式呈现，因此前端运维应用不能确定现在正在运行的软件系统，也就无法从知识库上找到对应系统的问题处理的建议。
7.3、运维系统不具备故障识别能力：用户运行的系统大多属于web平台，错误弹窗无法截获，因此难以定位故障原因，不具备应用级别的故障识别能力。
8.针对相关技术中的问题，目前尚未提出有效的解决方案。


技术实现要素：

9.针对相关技术中的问题，本发明提出一种基于人工智能视觉识别的计算机运维方法，解决目前针对运维前端应用不具备网络检测能力、不具备软件识别能力、不具备故障识别能力的技术问题。
10.本发明的技术方案是这样实现的：
11.一种基于人工智能视觉识别的计算机运维方法，包括以下步骤：
12.步骤s1，获取当前网络状态运行信息，其中包括当前网络连接正常或当前网络连
接异常；
13.步骤s2，若当前网络连接异常，采集当前运行客户端界面图像信息；
14.步骤s3，进行对获取的客户端界面图像信息进行识别，获取分析报告；
15.步骤s4，基于分析报告获取解决方案，并推送给用户，其中包括向用户推送协助故障处理。
16.进一步的，所述获取当前网络状态运行信息，包括以下步骤：
17.步骤s101，当前运行客户端加载运维前端应用；
18.步骤s102，运维前端应用进行对网络状态运行进行测试。
19.进一步的，所述网络状态运行进行测试，包括以下步骤：
20.步骤s103，进行网络连通性测试，若异常并尝试修复；
21.步骤s104，进行dns测试，若异常并尝试修复；
22.步骤s105，进行网卡驱动测试，若异常并尝试修复；
23.步骤s106，进行服务器响应测试，若异常并尝试修复。
24.进一步的，所述分析报告，包括获取故障编号信息、获取故障系统信息、获取故障模块信息和获取故障类型信息。
25.进一步的，所述基于分析报告获取解决方案，包括以下步骤：
26.步骤s401，预先匹配运维数据库，其中包括搭建故障数据库和匹配故障数据库故障处理数据库。
27.本发明的有益效果：
28.本发明基于人工智能视觉识别的计算机运维方法，通过获取当前网络状态运行信息，若当前网络连接异常，采集当前运行客户端界面图像信息，进行对获取的客户端界面图像信息进行识别，获取分析报告，基于分析报告获取解决方案，并推送给用户和向用户推送协助故障处理，实现时效性高，响应及时，满足日常运维需求且满足不同人群以及不同环境的运维，可协助用户快速解决问题。
附图说明
29.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的前提下，还可以根据这些附图获得其他的附图。
30.图1是根据本发明实施例的一种基于人工智能视觉识别的计算机运维方法的流程示意图。
具体实施方式
31.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，所描述的实施例仅仅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所获得的所有其他实施例，都属于本发明保护的范围。
32.根据本发明的实施例，提供了一种基于人工智能视觉识别的计算机运维方法。
33.如图1所示，根据本发明实施例的基于人工智能视觉识别的计算机运维方法，包括以下步骤：
34.步骤s1，获取当前网络状态运行信息，其中包括当前网络连接正常或当前网络连接异常；
35.步骤s2，若当前网络连接异常，采集当前运行客户端界面图像信息；
36.步骤s3，进行对获取的客户端界面图像信息进行识别，获取分析报告；
37.步骤s4，基于分析报告获取解决方案，并推送给用户，其中包括向用户推送协助故障处理。
38.其中，所述获取当前网络状态运行信息，包括以下步骤：
39.步骤s101，当前运行客户端加载运维前端应用；
40.步骤s102，运维前端应用进行对网络状态运行进行测试。
41.其中，所述分析报告，包括获取故障编号信息、获取故障系统信息、获取故障模块信息和获取故障类型信息。
42.其中，所述基于分析报告获取解决方案，包括以下步骤：
43.步骤s401，预先匹配运维数据库，其中包括搭建故障数据库和匹配故障数据库故障处理数据库。
44.借助于上述方案，通过获取当前网络状态运行信息，若当前网络连接异常，采集当前运行客户端界面图像信息，进行对获取的客户端界面图像信息进行识别，获取分析报告，基于分析报告获取解决方案，并推送给用户和向用户推送协助故障处理，实现时效性高，响应及时，满足日常运维需求且满足不同人群以及不同环境的运维，可协助用户快速解决问题。
45.本技术方案中，运维前端应用是一个常驻用户pc系统的程序，在通知栏有图表驻留提示，在用户使用其他系统出现故障的时候，可以执行一键报功能，进行报障，尽量减少用户填写工单的压力。
46.具体的，如图1所示，在应用时，当用户计算机系统发生故障时，用户在使用运维前端执行一键故障申报功能，系统进行如下操作：运维前端应用自动检测网络状态，若发现异常则从对用户的客户端界面进行屏幕截图；截图的图片回传后台，由后台进行图片分析后获得故障编号、故障系统、故障模块、故障类型，并且查询知识库获取解决方案，返回给用户。
47.此外，用户根据解决方案进行自检处理，如果不能解决问题，则点击运维前端应用的“一键报障”继续报障。此时“一键报障”功能会显示工单填写界面，自动填入故障编号，故障系统，故障模块，故障类型以及故障描述，同时附带故障截图给用户确认，用户可在工单上添加“其他附加信息”返回后台。
48.此外，所述网络状态运行进行测试，包括以下步骤：
49.步骤s103，进行网络连通性测试，若异常并尝试修复；具体的，在多链路网络环境下，由于策略规则的原因，要实现两条链路的带宽测量，需要先对主干链路进行带宽测量，然后断开主干链路，将所有业务迁移到备份链路，再进行带宽测量。断开主干链路需要登录路由器禁用端口，或者采取插拔网线或运营商光纤的方式。手工进行该项操作有两个弊端：有可能在操作期间影响到其他端口，甚至带来接口模块的物理损坏；其次，断开主干链路
后，所有的通讯数据转移到备份链路，而备份链路带宽小，测量期间还要承载大量的数据传输，对测量结果影响较大。为改进上述测量流程，本系统利用策略路由功能，实现主备等多链路的带宽测量方案。
50.数据链路带宽测量是利用网络边缘设备测量链路端到端的带宽，端到端可用带宽真实反映了某时段内链路的实际通信能力，对提高网络接入效率和提高服务质量有着显著的指导意义。
51.另外，步骤s104，进行dns测试，若异常并尝试修复；
52.具体的，通过操作系统自带命令进行测试，以windows系统为例，以netsh命令集以及ipconfig命令集获取ip及dns信息，与后台登记的dns信息做比较，检查dns及ip信息是否已经更改，而造成由于系统ip及dns策略过滤造成的访问失效。
53.另外，步骤s105，进行网卡驱动测试，若异常并尝试修复；
54.具体的，通过软件检测网卡驱动是否正常，如果不正常则提示网卡故障，提出解决方案。
55.另外，步骤s106，进行服务器响应测试，若异常并尝试修复。
56.具体的，与后台所有系统的服务器进行连通性测试，若发现故障，查询知识库返回解决方案。
57.此外，需要特别说明的是，本技术方案中，进行对获取的客户端界面图像信息进行识别，获取分析报告。
58.另外，可采用pp-ocrv2 pipeline模型文本识别方法进行文本识别，通过客户端图片截图，以pp-ocrv2 pipeline文本识别模型获取图中文字的位置，以及图中文字对应的文本信息；并通过运维数据库查询匹配的最近的知识库，根据词的匹配度，把最匹配的知识库信息返回给用户。
59.本技术方案中，具体的，包括以下步骤：
60.步骤s1，预先通过客户端图片截图，以pp-ocrv2 pipeline文本识别模型获取图中文字的位置，以及图中文字对应的文本信息；
61.步骤s2，通过分词进行文本特征搜索，其中包括：获取图片文字信息；对描述文字段落进行分词；词性提取；比对知识库中每一条记录；使用语义分析算法(td-idf)提取最接近的信息；通过td-idf找到最近的10个词，通过数据库查询匹配的最近的知识库；根据词的匹配度，把最匹配的知识库信息返回给用户。
62.此外，对于上述使用语义分析算法(td-idf)提取最接近的信息来说，包括以下步骤：
63.计算词频：词频(tf)＝某个词在文章的出现次数/该文出现次数最多的词的出现次数；
64.计算逆文档频率idf：通过语料库，用来模拟语言的使用环境，表示为：
[0065][0066]
具体的，如果词越常见，那么分母越大，逆文档频率就越小接近0。分母之所以要加1，是因为要避免分母为0(即所有文档都不包含该词)，log表示得到的值对数。
[0067]
计算td-idf：tf-idf与一个词在文档中的出现次数成正比，与该词在整个语言中
的出现次数成反比。自动提取关键词的算法就很清楚了，就是计算出文档的每个词的tf-idf值，然后按降序排列，取排在最前面的几个词。
[0068]
综上所述，借助于本发明的上述技术方案，通过对运维系统的运维前端应用，引入网络检测，结合系统网络基础设置，自行检测解决本机网络故障；此外在用户发生故障的时候，通过运维前端应用对客户屏幕截图，回传运维系统后台，在后台服务端引入人工智能文字识别能力、图片识别能力、语义分析能力，通过对用户故障画面进行分析，根据图片对故障进行分类，提取画面中的关键字，迅速定位故障系统、故障位置、故障类型，并根据知识库实时反馈用户软件功能点使用教程及故障自检方案，协助用户快速解决问题。
[0069]
另外，在用户自检无法解决问题时，由工程师上门服务，事后可根据故障截图以及关键文字形成故障特征，进行智能训练，完善知识库，以便在用户再次出现类似问题的事后能自动识别，提供解决方案。
[0070]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
[0071]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。