CN115861173A - 基于数字孪生和ai的分光器资源准确性自动检测***和方法 - Google Patents

Abstract

本发明公开了基于数字孪生和AI的分光器资源准确性自动检测***和方法，***包括：数字孪生模块：对分光器设备进行数字孪生建模；孪生施工模块：生成施工方案及施工后的孪生态模型和相关的特征值变化情况；图像采集模块：采集分光设备的端口面板的图像信息；图像分析模块：提取分光设备端口状态及特征信息；端口变化标注模块：分析分光设备端口状态的变化情况并标注，提取特征值以及特征值变化情况；现实&孪生校验模块：对分光器特征值变化情况进行校验，判断分光器资源使用准确性；异常占用告警模块：对校验异常的分光器，提示进一步现场复核。实现对分光设备资源自动识别和违规预警。

Description

基于数字孪生和AI的分光器资源准确性自动检测***和方法

技术领域

本发明属于分光设备技术领域，具体涉及基于数字孪生和AI的分光器资源准确性自动检测***和方法。

背景技术

目前光宽带业务主要依靠分光设备作为末梢接入设备承载。但分光设备是一种无源光功率分配器件，无法对端口占用状态进行自动采集，只能靠维护人员现场核查，手工记录的方式进行资源准确率管理。光宽业务开通流程中虽然要求工作人员对分光设备进行拍照，但只能靠人工审核检查，工作量大，核查率低。

基于深度学习的目标检测技术近年来在计算机视觉领域有着广泛的应用，它不需要人为设计特征，只需针对不同检测场景来训练相应模型，检测精度以及泛化性都有很大提高。随着视频监控设备的升级和终端拍照性能的提高，高清视频/图像的采集、传输的广泛应用和普及，使得对视频/图像中的细节识别程度具备了显著提升，为分光设备通过图像自动识别的准确性和可行性提供了有力支持。

随着数字孪生技术的广泛推广，其在设备管理领域也开始涉及，而对于大量端口的分光器设备，通过数字孪生技术进行孪生管理，亦可对分光器资源的准确性管理进行有效提升。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供基于数字孪生和AI的分光器资源准确性自动检测***和方法，实现对分光设备资源自动识别和违规预警。

为实现上述技术目的，本发明采取的技术方案为：

基于数字孪生和AI的分光器资源准确性自动检测***，包括：数字孪生模块、孪生施工模块、图像采集模块、图像分析模块、端口变化标注模块、现实&孪生校验模块、异常占用告警模块；

其中，数字孪生模块：通过数字孪生技术，对分光器设备的信息进行数字孪生建模；

孪生施工模块：依托于数字孪生模块，结合施工工单信息，在分光器的数字孪生模型上进行模拟施工，生成施工方案，并生成对应的施工后的孪生态模型和相关的特征值变化情况；

图像采集模块：通过监控摄像头或采集终端，对分光设备的端口面板的图像信息进行采集，并将其上传到图像分析模块；

图像分析模块：通过视频/图像分析服务器对采集到的视频或图像进行识别，提取并记录分光设备端口状态及特征信息；

端口变化标注模块：对本次视频或图像中分析提取的分光设备端口状态和特征信息结合前次图像中状态和特征信息，分析分光设备端口状态的变化情况并标注，提取特征值以及特征值变化情况；

现实&孪生校验模块：基于图像分析模块获取的现场分光器特征值数据和端口变化标注模块获取的分光器特征值变化情况与数字孪生模块中的分光器特征值以及孪生施工模块产生的特征值变化情况数据进行校验，判断分光器资源使用准确性；

异常占用告警模块：对校验存在分光器资源使用异常的分光器，关联查询分光设备负责人，提示相关工作人员进一步现场复核。

为优化上述技术方案，采取的具体措施还包括：

上述的分光器设备的信息包括基础信息、端口信息、端口状态、端口特征、线序状态、线序标签、线序特征信息。

上述的分光设备端口状态包括空闲、占用和遮挡状态。

上述的现实&孪生校验模块中，对现实和孪生中的特征信息进行基础比对，对特征信息一致则判断无异常；若现实和孪生特征发生变化，则进行智能核验，以发现异常占用情况；对机器无法完成精确识别的问题，反馈人工进行核验，同时优化机器算法；通过信息核验判断现实分光器资源使用的准确性。

上述的***实现的基于数字孪生和AI的分光器资源准确性自动检测方法，其特征在于，分光器资源准确性检查步骤包括：

步骤一：数字孪生模块通过数字孪生技术，对分光器设备的信息进行数字孪生建模，生成运行态的分光器模型，并支撑通过修改特征参数完成特征值的提取，参与和视频/图像的准确性校验工作；

步骤二：图像采集模块通过视频监控设备实时采集分光设备的端口视频信息，并将采集到的视频流信息发送到视频分析服务器。

步骤三：在视频分析服务器中，对视频进行解析处理，完成分光设备特征信息的提取、分光设备端口状态的识别，并将相关的分光设备特征信息和端口使用状态信息发送到端口变化标注模块实现端口变化标注；

步骤四：现实&孪生校验模块通过将步骤三获取的现场的分光器图像/视频的特征信息，将其中的特征参数信息发送到数字孪生服务器，完成孪生的设定并生成对应的场景下的孪生分光器特征信息，将现实图像/视频的特征信息和场景修订后的孪生分光器特征信息进行信息核验；

步骤五：异常占用告警模块针对步骤四分析发现存在异常的情况，通过分光设备基础信息获取对应的施工人员信息，发送相关的异常告警提示工作人员进行现场复核。

上述的特征参数包括环境、角度、光照、能见、遮挡参数；

所述分光设备特征信息分为两个部分，一部分为分光器自身的特征信息，另一部分为采集时当前分光器所处环境以及采集角度相关特征信息。

上述的步骤四包括：对现实和孪生中的特征信息进行基础比对，对特征信息一致的判断无异常；对现实和孪生特征发生变化的通过误差分析、模拟判断、机器识别算法进行智能核验，发现异常占用情况；对机器无法完成精确识别的问题，反馈人工进行核验，同时优化机器算法；通过信息核验校验其资源使用的准确性，如若发现异常则向异常占用模块进行信息同步。

上述的***实现的基于数字孪生和AI的分光器资源准确性自动检测方法，其特征在于，分光器施工的准确性检查步骤包括：

步骤一：数字孪生模块通过数字孪生技术，对分光器设备的信息进行数字孪生建模，生成运行态的分光器模型，并支撑通过修改特征参数完成特征值的提取，参与和视频/图像的准确性校验工作；

步骤二：当产生施工工单信息时，孪生施工模块从数字孪生服务调用运行态的分光器模型，在其上依据工单内容进行施工模拟，完成最优施工方案的生成，并生成设计态的分光器模型以及相关特征值的生成，并支撑通过修改特征参数完成运行态>>设计态特征值及其变化情况的提取，参与和施工的准确性校验工作；

步骤三：施工前后，图像采集模块通过视频监控设备实时采集分光设备的端口视频信息，并将采集到的视频流信息发送到视频分析服务器；

步骤四：图像分析模块，在视频分析服务器中，对施工前后的图像进行解析处理，完成分光设备特征信息的提取、分光设备端口使用状态信息的识别，并将相关的分光设备特征信息和端口使用状态信息发送到端口变化标注模块进行端口变化标注服务；

步骤五：现实&孪生校验模块通过将步骤四获取的现场的施工前后的分光器图像/视频的特征信息，将其中的特征信息发送到数字孪生/孪生施工模块，完成孪生的设定并生成对应的场景下的孪生分光器特征信息以及特征值变化信息，并将现实图像/视频的特征信息及特征值变化信息和场景修订后的孪生分光器特征信息及特征值变化信息进行信息核验，校验其施工的准确性，如若发现异常施工时则向异常占用模块进行信息同步；

步骤六：异常占用告警模块针对步骤四分析发现存在异常的情况，通过分光设备基础信息获取对应的施工人员信息，发送相关的异常告警信息，提升工作人员进行现场复核。

本发明具有以下有益效果：

1、引入AI视频/图像分析能力，关联分光设备施工记录等信息，实现分光设备施工合规性自动检测，分光设备资源情况可自动识别，替代人工检查，进而实现端口资源智能化管理，提升网络安全生产服务水平，实现运营降本增效的目的，解决不准确的分光设备端口状态无法投产使用，沉默成本巨大，重要分光设备违规施工操作无法及时发现等问题；

2、通过图像/视频分析提取对分光器进行信息采集时的环境、采集角度等特征信息并将其在孪生模型中进行模拟，提取响应的孪生特征信息，排查分光器自身所处环境、采集状态的影响，保障信息校验的准确性，消除孪生环境中分光器和现实采集时分光器的状态差异。

3、引入数字孪生技术，将分光器资源进行数字孪生，通过对分光器现况的孪生模拟与现实采集视频图像进行核对校验，实现分光器资源使用准确性的判断，完成分光器设备资源的准确性识别和管理，避免当存在端口遮挡、监控像素低等情况下，分光器密集端口在识别中产生误差导致异常报警的问题。

4、通过依托数字孪生，结合施工工单完成施工的孪生模拟，进行最优施工方案的生成，并对现场施工进行指导和对施工结果进行校验；通过对施工工单的模拟，生成最优执行方案产生的特征值变化量，并对施工前后视频/图像采集的图像特征值变化量进行校验，超过容错的进行预警人工核验，保障施工的准确性。

附图说明

图1为本发明基于数字孪生和AI的分光器资源准确性自动检测***构成图；

图2为本发明基于数字孪生和AI的分光器资源准确性自动检测***运行逻辑图；

图3为本发明分光器资源准确性检查逻辑图；

图4为本发明分光器施工的准确性检查逻辑图。

具体实施方式

以下结合附图对本发明的实施例作进一步详细描述。

实施例1

如图1-2所示，本发明基于数字孪生和AI的分光器资源准确性自动检测***，包括：数字孪生模块、孪生施工模块、图像采集模块、图像分析模块、端口变化标注模块、现实&孪生校验模块、异常占用告警模块；

其中，数字孪生模块：通过数字孪生技术，对分光器设备的信息进行数字孪生建模，为孪生施工和孪生校验提供支撑；

孪生施工模块：依托于数字孪生模块，结合施工工单信息，在分光器的数字孪生模型上进行模拟施工，生成施工方案，并生成对应的施工后的孪生态模型和相关的特征值变化情况，支撑现场施工后进行现场&孪生的核验，保障施工的准确性；

孪生施工模块，对产生施工单时，优先在孪生模型上进行施工模拟，生成最佳施工方案并生成对应的孪生态，记录施工后的特征变化情况，为现场施工后的孪生校验核实施工准确性提供帮助；

图像采集模块：通过监控摄像头或采集终端，对分光设备的端口面板的图像信息进行采集，并将其上传到视频/图像分析服务器；

图像分析模块：视频/图像分析服务器在获取到资产实物的视频/图像后，通过对采集到的视频或图像进行识别，提取并记录分光设备端口状态及特征信息；

端口变化标注模块：对本次视频或图像中分析提取的分光设备端口状态和特征信息结合前次图像中状态和特征信息，分析分光设备端口状态的变化情况并标注，提取特征值以及特征值变化情况，用于进行现实&孪生校验；

现实&孪生校验模块：基于图像分析模块获取的现场分光器特征值数据和端口变化标注模块获取的分光器特征值变化情况与数字孪生模块中的分光器特征值以及孪生施工模块产生的特征值变化情况数据进行校验，判断分光器资源使用准确性；

异常占用告警模块：对校验存在分光器资源使用异常的分光器，关联查询分光设备负责人，提示相关工作人员进一步现场复核。

实施例中，所述分光器设备的信息包括基础信息、端口信息、端口状态、端口特征、线序状态、线序标签、线序特征信息。

所述分光设备端口状态包括空闲、占用和遮挡状态。

所述现实&孪生校验模块中，对现实和孪生中的特征信息进行基础比对，对特征信息一致则判断无异常；若现实和孪生特征发生变化，则通过误差分析、模拟判断、机器识别算法等进行智能核验，以发现异常占用情况；对机器无法完成精确识别的问题，反馈人工进行核验，同时优化机器算法；通过信息核验判断现实分光器资源使用的准确性。

实施例2

如图3所示，根据所述***实现的基于数字孪生和AI的分光器资源准确性自动检测方法，分光器资源准确性检查步骤包括：

步骤一：数字孪生模块通过数字孪生技术，对分光器设备的基础信息、端口信息、端口状态、端口特征、线序状态、线序标签、线序特征等相关信息进行数字孪生建模，生成运行态的分光器模型，并支撑通过修改环境、角度、光照、能见、遮挡等特征参数完成特征值的提取，参与和视频/图像的准确性校验工作。

步骤二：图像采集模块通过视频监控设备实时采集分光设备的端口视频信息，并将采集到的视频流信息发送到视频分析服务器。

步骤三：图像分析模块在视频分析服务器中，对视频进行解析处理，完成分光设备特征信息的提取、分光设备端口使用状态信息的识别，并将相关的分光设备特征信息和端口使用状态信息发送到端口变化标注模块进行端口变化标注服务。

其中，分光设备特征信息分为两个部分，一部分为分光器自身的特征信息，另一部分为采集时当前分光器所处环境以及采集角度等相关特征信息。

本发明不限定分光设备的具体特征范围，采集的两部分特征以能满足数字孪生服务/孪生施工服务进行环境等特征值的设定并生成有效可校验的孪生特征信息为准；

分光设备端口使用状态信息包含但不限于端口的占用、闲置、遮挡以及线序走向特征等信息，以达到变化标注要求为准。

步骤四：现实&孪生校验模块通过将步骤三获取的现场的分光器图像/视频的特征信息，将其中的环境、角度、光照、能见、遮挡等特征信息发送到数字孪生服务器，完成孪生的设定并生成对应的场景下的孪生分光器特征信息，将现实图像/视频的特征信息和场景修订后的孪生分光器特征信息进行信息核验。

信息核验中对现实和孪生中的特征信息进行基础比对，对特征信息一致的判断无异常；

对现实和孪生特征发生变化的通过误差分析、模拟判断、机器识别算法等进行智能核验，发现异常占用情况；

对机器无法完成精确识别的问题，反馈人工进行核验，同时优化机器算法。通过信息核验校验其资源使用的准确性，如若发现异常则向异常占用模块进行信息同步。

步骤五：异常占用告警模块针对步骤四分析发现存在异常的情况，通过分光设备基础信息获取对应的施工人员信息，发送相关的异常告警提示工作人员进行现场复核。

本发明不限定异常告警信息的具体内涵，具体以满足工作人员使用需求为准。

实施例3

如图4所示，根据所述***实现的基于数字孪生和AI的分光器资源准确性自动检测方法，分光器施工的准确性检查步骤包括：

步骤一：数字孪生模块通过数字孪生技术，对分光器设备的基础信息、端口信息、端口状态、端口特征、线序状态、线序标签、线序特征等相关信息进行数字孪生建模，生成运行态的分光器模型，并支撑通过修改环境、角度、光照、能见、遮挡等特征参数完成特征值的提取，参与和视频/图像的准确性校验工作。

步骤二：当产生施工工单信息时，孪生施工模块从数字孪生服务调用运行态的分光器模型，在其上依据工单内容进行施工模拟，完成最优施工方案的生成，并生成设计态的分光器模型以及相关特征值的生成，并支撑通过修改环境、角度、光照、能见、遮挡等特征参数完成运行态>>设计态特征值及其变化情况的提取，参与和施工的准确性校验工作。

步骤三：施工前后，图像采集模块通过视频监控设备实时采集分光设备的端口视频信息，并将采集到的视频流信息发送到视频分析服务器。

步骤四：图像分析模块，在视频分析服务器中，对施工前后的图像进行解析处理，完成分光设备特征信息的提取、分光设备端口使用状态信息的识别，并将相关的分光设备特征信息和端口使用状态信息发送到端口变化标注模块进行端口变化标注服务。

其中，分光设备特征信息分为两个部分，一部分为分光器自身的特征信息，另一部分为采集时当前分光器所处环境以及采集角度等相关特征信息；

本发明不限定分光设备的具体特征范围，采集的两部分特征以能满足数字孪生服务/孪生施工服务进行环境等特征值的设定并生成有效可校验的孪生特征信息为准；

分光设备端口使用状态信息包含但不限于端口的占用、闲置、遮挡以及线序走向特征等信息，以达到变化标注要求为准。

步骤五：现实&孪生校验模块通过将步骤四获取的现场的施工前后的分光器图像/视频的特征信息，将其中的环境、角度、光照、能见、遮挡等特征信息发送到数字孪生/孪生施工服务器，完成孪生的设定并生成对应的场景下的孪生分光器特征信息以及特征值变化信息，并将现实图像/视频的特征信息及特征值变化信息和场景修订后的孪生分光器特征信息及特征值变化信息进行信息核验，校验其施工的准确性，如若发现异常施工时则向异常占用模块进行信息同步。

步骤六：异常占用告警模块针对步骤四分析发现存在异常的情况，通过分光设备基础信息获取对应的施工人员信息，发送相关的异常告警信息，提升工作人员进行现场复核。

本发明不限定异常告警信息的具体内涵，具体以满足工作人员使用需求为准。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (8)

1.基于数字孪生和AI的分光器资源准确性自动检测***，其特征在于，包括：数字孪生模块、孪生施工模块、图像采集模块、图像分析模块、端口变化标注模块、现实&孪生校验模块、异常占用告警模块；

其中，数字孪生模块：通过数字孪生技术，对分光器设备的信息进行数字孪生建模；

孪生施工模块：依托于数字孪生模块，结合施工工单信息，在分光器的数字孪生模型上进行模拟施工，生成施工方案，并生成对应的施工后的孪生态模型和相关的特征值变化情况；

图像采集模块：通过监控摄像头或采集终端，对分光设备的端口面板的图像信息进行采集，并将其上传到图像分析模块；

图像分析模块：通过视频/图像分析服务器对采集到的视频或图像进行识别，提取并记录分光设备端口状态及特征信息；

端口变化标注模块：对本次视频或图像中分析提取的分光设备端口状态和特征信息结合前次图像中状态和特征信息，分析分光设备端口状态的变化情况并标注，提取特征值以及特征值变化情况；

现实&孪生校验模块：基于图像分析模块获取的现场分光器特征值数据和端口变化标注模块获取的分光器特征值变化情况与数字孪生模块中的分光器特征值以及孪生施工模块产生的特征值变化情况数据进行校验，判断分光器资源使用准确性；

异常占用告警模块：对校验存在分光器资源使用异常的分光器，关联查询分光设备负责人，提示相关工作人员进一步现场复核。

2.根据权利要求1所述的基于数字孪生和AI的分光器资源准确性自动检测***，其特征在于，所述分光器设备的信息包括基础信息、端口信息、端口状态、端口特征、线序状态、线序标签、线序特征信息。

3.根据权利要求1所述的基于数字孪生和AI的分光器资源准确性自动检测***，其特征在于，所述分光设备端口状态包括空闲、占用和遮挡状态。

4.根据权利要求1所述的基于数字孪生和AI的分光器资源准确性自动检测***，其特征在于，所述现实&孪生校验模块中，对现实和孪生中的特征信息进行基础比对，对特征信息一致则判断无异常；若现实和孪生特征发生变化，则进行智能核验，以发现异常占用情况；对机器无法完成精确识别的问题，反馈人工进行核验，同时优化机器算法；通过信息核验判断现实分光器资源使用的准确性。

5.根据权利要求1-4任一所述***实现的基于数字孪生和AI的分光器资源准确性自动检测方法，其特征在于，分光器资源准确性检查步骤包括：

步骤一：数字孪生模块通过数字孪生技术，对分光器设备的信息进行数字孪生建模，生成运行态的分光器模型，并支撑通过修改特征参数完成特征值的提取，参与和视频/图像的准确性校验工作；

步骤二：图像采集模块通过视频监控设备实时采集分光设备的端口视频信息，并将采集到的视频流信息发送到视频分析服务器。

步骤三：在视频分析服务器中，对视频进行解析处理，完成分光设备特征信息的提取、分光设备端口状态的识别，并将相关的分光设备特征信息和端口使用状态信息发送到端口变化标注模块实现端口变化标注；

步骤四：现实&孪生校验模块通过将步骤三获取的现场的分光器图像/视频的特征信息，将其中的特征参数信息发送到数字孪生服务器，完成孪生的设定并生成对应的场景下的孪生分光器特征信息，将现实图像/视频的特征信息和场景修订后的孪生分光器特征信息进行信息核验；

步骤五：异常占用告警模块针对步骤四分析发现存在异常的情况，通过分光设备基础信息获取对应的施工人员信息，发送相关的异常告警提示工作人员进行现场复核。

6.根据权利要求5所述的基于数字孪生和AI的分光器资源准确性自动检测方法，其特征在于，所述特征参数包括环境、角度、光照、能见、遮挡参数；

所述分光设备特征信息分为两个部分，一部分为分光器自身的特征信息，另一部分为采集时当前分光器所处环境以及采集角度相关特征信息。

7.根据权利要求5所述的基于数字孪生和AI的分光器资源准确性自动检测方法，其特征在于，所述步骤四包括：对现实和孪生中的特征信息进行基础比对，对特征信息一致的判断无异常；对现实和孪生特征发生变化的通过误差分析、模拟判断、机器识别算法进行智能核验，发现异常占用情况；对机器无法完成精确识别的问题，反馈人工进行核验，同时优化机器算法；通过信息核验校验其资源使用的准确性，如若发现异常则向异常占用模块进行信息同步。

8.根据权利要求1-4任一所述***实现的基于数字孪生和AI的分光器资源准确性自动检测方法，其特征在于，分光器施工的准确性检查步骤包括：

步骤一：数字孪生模块通过数字孪生技术，对分光器设备的信息进行数字孪生建模，生成运行态的分光器模型，并支撑通过修改特征参数完成特征值的提取，参与和视频/图像的准确性校验工作；

步骤二：当产生施工工单信息时，孪生施工模块从数字孪生服务调用运行态的分光器模型，在其上依据工单内容进行施工模拟，完成最优施工方案的生成，并生成设计态的分光器模型以及相关特征值的生成，并支撑通过修改特征参数完成运行态>>设计态特征值及其变化情况的提取，参与和施工的准确性校验工作；

步骤三：施工前后，图像采集模块通过视频监控设备实时采集分光设备的端口视频信息，并将采集到的视频流信息发送到视频分析服务器；

步骤四：图像分析模块，在视频分析服务器中，对施工前后的图像进行解析处理，完成分光设备特征信息的提取、分光设备端口使用状态信息的识别，并将相关的分光设备特征信息和端口使用状态信息发送到端口变化标注模块进行端口变化标注服务；

步骤五：现实&孪生校验模块通过将步骤四获取的现场的施工前后的分光器图像/视频的特征信息，将其中的特征信息发送到数字孪生/孪生施工模块，完成孪生的设定并生成对应的场景下的孪生分光器特征信息以及特征值变化信息，并将现实图像/视频的特征信息及特征值变化信息和场景修订后的孪生分光器特征信息及特征值变化信息进行信息核验，校验其施工的准确性，如若发现异常施工时则向异常占用模块进行信息同步；

步骤六：异常占用告警模块针对步骤四分析发现存在异常的情况，通过分光设备基础信息获取对应的施工人员信息，发送相关的异常告警信息，提升工作人员进行现场复核。

Images