一种光交箱检测方法、装置及电子设备制造方法及图纸

本发明专利技术提供一种光交箱检测方法、装置及电子设备。方法包括：将待检测的光交箱图像输入至目标识别模型的第一卷积神经网络以进行特征提取，得到初始特征图谱。将初始特征图谱输入至目标识别模型的第二卷积神经网络，以映射锚点框，得到以锚点框为单位的锚点框特征图谱，第二卷积神经网络是基于光交箱部件的样本像素数据和样本像素数据对应的分类标签训练得到的。将锚点框特征图谱输入至目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和锚点框特征图谱对应的分类标签训练得到的。将目标识别模型对识别到的光交箱部件进行检测，得到目标光交箱的检测结果。果。果。

【技术实现步骤摘要】
一种光交箱检测方法、装置及电子设备


[0001]本文件涉及深度学习
，尤其涉及一种光交箱检测方法、装置及电子设备。

技术介绍

[0002]光缆交接箱，简称为光交箱，一般放置在主干光缆上，用于光缆分枝。光交箱属于哑资源设备，目前通信运营商只能采用巡检的方式对光交箱盘检。具体需要人工进行现场拍照采样以及后期对采样照片中的光交箱部件进行审核后，才能敲定最终的维护策略。然而就目前普通规模的光交箱来说，光交箱部件(如防尘帽、线盘、尾纤)少则几个，多则数十个，仅依靠人工识别审核显然效率较低，无法实现对光交箱大规模的盘检。
[0003]为此，如何能够提高光交箱的检测效率是本申请所要解决的技术问题。

技术实现思路

[0004]本专利技术实施例目的是提供一种光交箱检测方法，能够机械对光交箱中的光交箱部件进行识别，更高效率根据识别结果完成光交箱的检测。
[0005]为了实现上述目的，本专利技术实施例是这样实现的：
[0006]第一方面，提供一种光交箱检测方法，包括：
[0007]获取待检测的目标光交箱的光交箱图像；
[0008]将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；
[0009]将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；
[0010]将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；
[0011]将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。
[0012]第二方面，提供一种光交箱检测装置，包括：
[0013]获取模块，用于获取待检测的目标光交箱的光交箱图像；
[0014]特征提取模块，将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；
[0015]锚点框映射模块，用于将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；
[0016]目标识别模块，用于将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；
[0017]检测模块，用于将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。
[0018]第三方面，提供一种电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行：
[0019]获取待检测的目标光交箱的光交箱图像；
[0020]将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；
[0021]将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；
[0022]将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；
[0023]将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。
[0024]第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
[0025]获取待检测的目标光交箱的光交箱图像；
[0026]将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；
[0027]将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；
[0028]将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；
[0029]将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。
[0030]本本专利技术实施例的方案采用深度学习领域的目标识别算法，训练用于对光交箱部件进行目标识别的目标识别模型，从而利用目标识别模型代替人眼识别光交箱巡检图像中的光交箱部件，以实现对光交箱部件的快速盘检。由于在成本和效率上得到改善，因此具有较高的实用性，特别适用于大批量光交箱盘检的应用场景。
附图说明
[0031]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简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术实施例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。
[0032]图1为本专利技术实施例提供的光交箱检测方法的流程示意图。
[0033]图2为本专利技术实施例提供的目标识别模型的工作流程示意图。
[0034]图3为本专利技术实施例提供的光交箱检测方法识别光交箱尾纤的示意图。
[0035]图4为本专利技术实施例提供的光交箱检测装置的结构意图。
[0036]图5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
[0037]为了使本
的人员更好地理解本说明书中的技术方案，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，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。
[0038]如前所述，光交箱属于哑资源设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光交箱检测方法，其特征在于，包括：获取待检测的目标光交箱的光交箱图像；将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。2.根据权利要求1所述的方法，其特征在于，所述第一卷积神经网络包含有至少两种采样算法的池化层，所述初始特征图谱是对所述光交箱图像在所述至少两种采样算法的池化层对应的池化结果进行融合得到的。3.根据权利要求1所述的方法，其特征在于，在将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络前，还包括：将映射有锚点框的初始特征图谱输入至所述目标识别模型的第四卷积神经网络，以对所述初始特征图谱的锚点框的尺寸和/或位置进行修正，得到修正后的锚点框特征图谱，其中，所述第四卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的。4.根据权利要求3所述的方法，其特征在于，所述第三卷积神经网络前包含有：用于对修正后的锚点框特征图谱进行积降维的卷积层，所述卷积层的卷积核为3X3、卷步长为1、输出通道数量小于输入通道数量。5.根据权利要求1所述的方法，其特征在于，在将目标光交箱的光交箱图像输入至目标识别模型的第一卷积神经网络前，还包括：基于色调、饱和度以及明度三个维度对所述光交箱图像进行颜色空间转换，并对颜色空间转换后的光交箱图像进行基于图像形态学膨胀的降噪处理，其中，所述图像形态学膨胀的像素执行范围为:色调值26到72、饱和度值43到255和明度值46到255。6.根据权利要求1所述的方法，其特征在于，所述光交箱部件包括光交箱的防尘帽、纤盘和光尾纤中的至少一者，所述目标光交箱的检测结果包括：所述目标光交箱中各类光交箱部件的数量信息和/或位置信息。7.根据权利要求1所述的方法，其特征在于，获取待检测的目标光交箱的光交箱图像，包括：从针对目标光交箱创建的电子检测工单中获取所述目标光交箱的光交箱图像，所述光交箱图像是巡检拍摄后网络上传至所述电子检测工单的；所述方法还包括：基于所述目标光交箱的检测结果，完成针对所述电子检测工单的检测报表。8.一种光交箱检测装置，其特征在于，包括：
获取模块，用于获取待检测的目标...

【专利技术属性】
技术研发人员：丁宏，靳雷，朱辉，宋晓飞，梁宇，张蓉，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：