一种ONU故障识别、修复方法和装置制造方法及图纸

本发明专利技术实施例提供一种ONU故障识别、修复方法和装置，其中故障识别方法包括：获取待识别图像；将待识别图像输入目标检测模型，获取目标检测模型输出的ONU图像；将ONU图像输入型号分类模型，获取型号分类模型输出的ONU型号；将ONU图像输入ONU型号对应的故障识别模型，获取故障识别模型输出的故障类型。本发明专利技术实施例提供的方法和装置，用户仅需提供故障ONU设备的照片即可获取故障类型，无需额外掌握相关设备的使用常识，降低了故障识别的门槛，同时避免了通过文字或语音交互进行故障识别时由于沟通不畅导致的故障判断不准确、效率低下的问题，实现了高效、准确的故障识别，优化了用户体验。

A method and device of ONU fault identification and repair

【技术实现步骤摘要】
一种ONU故障识别、修复方法和装置
本专利技术实施例涉及机器学习
，尤其涉及一种ONU故障识别、修复方法和装置。
技术介绍
ONU(OpticalNetworkUnit，光网络单元)俗称“光猫”，作为用户侧设备，为相连的用户提供各种宽带服务。根据当前业务统计，家庭宽带业务涉及的基础宽带和电视业务中，涉及ONU的故障占比超过50％，因此引导用户自助解决ONU故障十分必要。现有的对ONU故障进行自助识别和修复的方法主要有两种：一种是在ONU上粘贴标签和二维码，引导用户扫描二维码，根据网页提供的图文信息结合标签描述自行修复；另一种是通过电子渠道发布常见故障处理指引以及功能宣传，使得用户可以通过交互方式，例如与客服人员进行语音沟通，明确故障类型和解决方式。上述自助识别和修复方法，一方面需要用户具备一定的ONU设备使用常识，能够分辨网线接口、光纤信号接口、电源接口等，并且能够分辨ONU状态灯情况，以便在ONU故障时能够通过图文描述、网页交互或者语音交互自助排障或报障；另一方面，通过语音客服协助排障，需要客服人员对种类繁多的ONU设备具有故障甄别能力，然而当前主流的ONU设备种类可能多达数十款，此外，交互过程中用户表述不清，客服人员理解不到位的情况时有发生，影响了故障修复效率。由于存在上述的种种限制，针对ONU的自助故障识别和修复率难以提升，且在自助识别和修复方法无法解决ONU故障时，往往需要装维人员上门服务，时效性不足且成本较高。
技术实现思路
本专利技术实施例提供一种ONU故障识别、修复方法和装置，用以解决现有的ONU故障识别和修复方法门槛高，解决率低且耗时长的问题。第一方面，本专利技术实施例提供一种ONU故障识别方法，包括：获取待识别图像；将所述待识别图像输入目标检测模型，获取所述目标检测模型输出的ONU图像；所述目标检测模型是由样本待识别图像和所述样本待识别图像中的样本ONU图像训练得到的；将所述ONU图像输入型号分类模型，获取所述型号分类模型输出的ONU型号；所述型号分类模型是由样本ONU图像和所述样本ONU图像对应的样本ONU型号训练得到的；将所述ONU图像输入所述ONU型号对应的故障识别模型，获取所述故障识别模型输出的故障类型；所述故障识别模型是由样本ONU图像和所述样本ONU图像对应的样本故障类型训练得到的。第二方面，本专利技术实施例提供一种ONU故障修复方法，包括：获取待识别图像的ONU型号和故障类型；ONU型号和故障类型是基于第一方面提供的故障识别方法得到的；基于AR技术调用所述ONU型号对应的3D模型，并显示所述故障类型对应的修复提示，以使得用户能够根据所述修复提示实现ONU的故障修复。第三方面，本专利技术实施例提供一种ONU故障识别装置，包括：获取单元，用于获取待识别图像；目标检测单元，用于将所述待识别图像输入目标检测模型，获取所述目标检测模型输出的ONU图像；所述目标检测模型是由样本待识别图像和所述样本待识别图像中的样本ONU图像训练得到的；型号分类单元，用于将所述ONU图像输入型号分类模型，获取所述型号分类模型输出的ONU型号；所述型号分类模型是由样本ONU图像和所述样本ONU图像对应的样本ONU型号训练得到的；故障识别单元，用于将所述ONU图像输入所述ONU型号对应的故障识别模型，获取所述故障识别模型输出的故障类型；所述故障识别模型是由样本ONU图像和所述样本ONU图像对应的样本故障类型训练得到的。第四方面，本专利技术实施例提供一种ONU故障修复装置，包括：识别单元，用于获取待识别图像的ONU型号和故障类型；ONU型号和故障类型是基于第一方面提供的故障识别方法得到的；修复单元，用于基于AR技术调用所述ONU型号对应的3D模型，并显示所述故障类型对应的修复提示，以使得用户能够根据所述修复提示实现ONU的故障修复。第五方面，本专利技术实施例提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如第一方面或第二方面所提供的方法的步骤。第六方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面或第二方面所提供的方法的步骤。本专利技术实施例提供的一种ONU故障识别、修复方法和装置，基于目标检测模型、型号分类模型和故障识别模型得到待识别图像中故障ONU设备的故障类型，用户仅需提供故障ONU设备的照片即可获取故障类型，无需额外掌握相关设备的使用常识，降低了故障识别的门槛，同时避免了通过文字或语音交互进行故障识别时由于沟通不畅导致的故障判断不准确、效率低下的问题，实现了高效、准确的故障识别，优化了用户体验。此外，通过人工智能与AR技术相结合，直接在智能终端展示ONU设备的3D模型和修复提示，引导用户进行ONU故障修复，降低了故障修复的门槛，节省了装维人员上门修复的成本投入。附图说明为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。图1为本专利技术实施例提供的ONU故障识别方法的流程示意图；图2为本专利技术实施例提供的目标检测模型的结构示意图；图3为本专利技术实施例提供的ONU故障修复方法的流程示意图；图4为本专利技术实施例提供的ONU故障识别装置的结构示意图；图5为本专利技术实施例提供的ONU故障修复装置的结构示意图；图6为本专利技术实施例提供的电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。当前针对ONU故障的自助识别和修复方法，需要用户自身了解ONU设备，导致了自助排障门方法槛较高，用户在使用图文或H5页面自助排障时的完成率较低，自助排障的问题解决率不高。此外，由于缺乏对用户端故障场景的可视化方法，即使通过在线客服人员进行自助排障，用户表述不清，客服人员理解不到位的情况也时有发生，导致了自助排障问题解决时间较长，解决率较低等情况。针对上述问题，本专利技术实施例提供了一种ONU故障识别方法，以实现高效、准确的ONU故障识别，从而为用户自助排障提供条件。图1为本专利技术实施例提供的ONU故障识别方法的流程示意图，如图1所示，该识别方法的执行主体可以是具备拍摄功能的智能终端，也可以是服务器等具备信息处理功能的处理单元，本专利技术实施例对此不作具体限定。该方法包括：110，获取待本文档来自技高网...

【技术保护点】
1.一种ONU故障识别方法，其特征在于，包括：/n获取待识别图像；/n将所述待识别图像输入目标检测模型，获取所述目标检测模型输出的ONU图像；所述目标检测模型是由样本待识别图像和所述样本待识别图像中的样本ONU图像训练得到的；/n将所述ONU图像输入型号分类模型，获取所述型号分类模型输出的ONU型号；所述型号分类模型是由样本ONU图像和所述样本ONU图像对应的样本ONU型号训练得到的；/n将所述ONU图像输入所述ONU型号对应的故障识别模型，获取所述故障识别模型输出的故障类型；所述故障识别模型是由样本ONU图像和所述样本ONU图像对应的样本故障类型训练得到的。/n

【技术特征摘要】
1.一种ONU故障识别方法，其特征在于，包括：
获取待识别图像；
将所述待识别图像输入目标检测模型，获取所述目标检测模型输出的ONU图像；所述目标检测模型是由样本待识别图像和所述样本待识别图像中的样本ONU图像训练得到的；
将所述ONU图像输入型号分类模型，获取所述型号分类模型输出的ONU型号；所述型号分类模型是由样本ONU图像和所述样本ONU图像对应的样本ONU型号训练得到的；
将所述ONU图像输入所述ONU型号对应的故障识别模型，获取所述故障识别模型输出的故障类型；所述故障识别模型是由样本ONU图像和所述样本ONU图像对应的样本故障类型训练得到的。


2.根据权利要求1所述的故障识别方法，其特征在于，所述将所述待识别图像输入目标检测模型，获取所述目标检测模型输出的ONU图像，具体包括：
将所述待识别图像输入所述目标检测模型中的第一检测模型，获取所述第一检测模型输出的候选ONU图像和所述候选ONU图像的置信度；
若所述候选ONU图像的置信度大于等于预设置信度，则将所述候选ONU图像作为所述ONU图像；
否则，将所述候选ONU图像输入所述目标检测模型中的第二检测模型，获取所述第二检测模型输出的检测结果；
若所述检测结果为存在ONU，则将所述候选ONU图像作为所述ONU图像。


3.根据权利要求2所述的故障识别方法，其特征在于，所述将所述候选ONU图像输入所述目标检测模型中的第二检测模型，获取所述第二检测模型输出的检测结果，之后还包括：
若所述检测结果为不存在ONU，则基于所述目标检测模型输出的检测结果，发出重新获取待识别图像提示。


4.根据权利要求2所述的故障识别方法，其特征在于，所述第一检测模型为Tensorflow物体检测API，所述...

【专利技术属性】
技术研发人员：汤斯鹏，曹海山，张培炜，池鸿源，赵佳琳，陈楠，张炳华，陈梓珩，
申请(专利权)人：中国移动通信集团广东有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：广东;44