【技术实现步骤摘要】
一种装维质检中分光器施工一致性检验方法
本专利技术涉及宽带装维工单的质检领域,具体涉及一种装维质检中分光器施工一致性检验方法。
技术介绍
当前家庭宽带装维工单的质检工作普遍采用人工抽查的方式进行,需要大量人力进行重复性劳作,存在覆盖率低、延时长、效率低、成本高等问题。同时装维质量及资源利用情况无法第一时间反馈呈现,二次上门整改过程周期过长。因此,装维质量监管力量有限,成为影响装维工作质量的重要因素之一。近些年,人工智能技术得到了飞速发展,其已广泛应用于人脸识别、智能驾驶、场景分类等领域。作为人工智能技术的基石,深度学习、大数据分析等新型技术也可用于对家庭宽带装维质量的管控。
技术实现思路
针对上述现有技术存在的问题,本专利技术提供了一种装维质检中分光器施工一致性检验方法,通过人工智能中的目标检测技术、语义分割技术、OCR识别技术,对装维中分光器施工情况与系统分发的资源进行一致性检验,包括:第一网络模型训练,将采集图像中的分光器端口进行标注后,输入到目标检测网络进行训练,用于获取分光器端口的占用情况及端口位置,端口所占用的像素区域记为Ai,其中i表示端口号;第二网络模型训练,将采集图像中的带标签的尾纤及其连接的标签和端口进行整体标注后,输入到目标检测网络进行训练,用于获取带标签的尾纤及其连接的标签和端口整体所在位置,所述带标签的尾纤及其连接的标签和端口整体所占用的像素区域记为B;尾纤实际接入端口识别,将待检测图像输入到训练好的第一网络模型和第二网络模型,对比两个网络模 ...
【技术保护点】
1.一种装维质检中分光器施工一致性检验方法,其特征在于:包括:/n第一网络模型训练,将采集图像中的分光器端口进行标注后,输入到目标检测网络进行训练,用于获取分光器端口的占用情况及端口位置,端口所占用的像素区域记为Ai,其中i表示端口号;/n第二网络模型训练,将采集图像中的带标签的尾纤及其连接的标签和端口进行整体标注后,输入到目标检测网络进行训练,用于获取带标签的尾纤及其连接的标签和端口整体所在位置,所述带标签的尾纤及其连接的标签和端口整体所占用的像素区域记为B;/n尾纤实际接入端口识别,将待检测图像输入到训练好的第一网络模型和第二网络模型,对比两个网络模型的输出结果,获取带标签的尾纤对应接入的端口号;/n尾纤待施工端口识别,将待检测图像输入到训练好的文本识别网络,用于识别标签的文字内容,获取与标签相连的尾纤待施工的端口号;/n工单一致性检验,将工单上系统分配的施工端口号与所述尾纤实际接入端口、尾纤待施工端口进行比对,若三者端口号相同,则检验结果为施工一致。/n
【技术特征摘要】
1.一种装维质检中分光器施工一致性检验方法,其特征在于:包括:
第一网络模型训练,将采集图像中的分光器端口进行标注后,输入到目标检测网络进行训练,用于获取分光器端口的占用情况及端口位置,端口所占用的像素区域记为Ai,其中i表示端口号;
第二网络模型训练,将采集图像中的带标签的尾纤及其连接的标签和端口进行整体标注后,输入到目标检测网络进行训练,用于获取带标签的尾纤及其连接的标签和端口整体所在位置,所述带标签的尾纤及其连接的标签和端口整体所占用的像素区域记为B;
尾纤实际接入端口识别,将待检测图像输入到训练好的第一网络模型和第二网络模型,对比两个网络模型的输出结果,获取带标签的尾纤对应接入的端口号;
尾纤待施工端口识别,将待检测图像输入到训练好的文本识别网络,用于识别标签的文字内容,获取与标签相连的尾纤待施工的端口号;
工单一致性检验,将工单上系统分配的施工端口号与所述尾纤实际接入端口、尾纤待施工端口进行比对,若三者端口号相同,则检验结果为施工一致。
2.根据权利要求1所述的一种装维质检中分光器施工一致性检验方法,其特征在于:所述尾纤实际接入端口识别中,对比两个网络模型的输出结果的方法具体为:
获取像素区域Ai和B内的每个像素点的坐标,遍历B内的每个像素点的坐标,检测Ai内是否存在相同的坐标位置,统计Ai内与B内像素点坐标相同的个数sum,sum值最大的Ai对应的i即为尾纤实际接入端口号。
3.根据权利要求1所述的一种装维质检中分光器施工一致性检验方法,其特征在于:所述尾纤待施工端口识别中,包括对识别出来的文字是否属于标签进行检测。
4.根据权利要求3所述的一种装维质检中分光器施工一致性检验方法,其特征在于:所述尾纤待施工端口识别,训练好的文本识别网络中采用CTPN算法和OCR文字识别算...
【专利技术属性】
技术研发人员:赵龙,盛刚,毕佳佳,林雪勤,倪家鹏,冯强中,李飞,
申请(专利权)人:科大国创软件股份有限公司,
类型:发明
国别省市:安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。