CN116152179A - 一种光缆交接箱的检测方法、装置、设备及存储介质 - Google Patents
一种光缆交接箱的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116152179A CN116152179A CN202211733552.4A CN202211733552A CN116152179A CN 116152179 A CN116152179 A CN 116152179A CN 202211733552 A CN202211733552 A CN 202211733552A CN 116152179 A CN116152179 A CN 116152179A
- Authority
- CN
- China
- Prior art keywords
- detection
- feature
- inputting
- information
- network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种光缆交接箱的检测方法、装置、设备及存储介质。本发明首先获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,检测部位包括防尘帽、孔洞以及尾纤。然后将包含有防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出防尘帽的分布特征信息。接着将包含有孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出孔洞的封堵特征信息。再将包含有尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出尾纤的走线特征信息。最后依据特征信息,生成光缆交接箱的检测结果。从而根据多个模型的自动检测,生成光缆交接箱的巡检记录,提高检测效率。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种光缆交接箱的检测方法、装置、设备及存储介质。
背景技术
无源光网络是当前宽带接入网最主要的承载方式,且光缆交接箱作为无源光网络中核心的无源设施,其承载着用户光信号分配、路由跳接以及转接等重要功能。因此,对所述光缆交接箱的维护和检测显得尤为重要。
但是,现有技术中对光缆交接箱的检测,往往通过维护人员在现场目测,并形成对应的纸质记录。这种方式不仅费时费力,还降低了检测效率。
发明内容
鉴于上述问题,提出了本发明,以便提供一种克服上述问题或者至少部分地解决上述问题的光缆交接箱的检测方法、装置、设备及存储介质。
基于本发明的第一方面,提供了一种光缆交接箱的检测方法,所述方法包括:
获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤;
将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息;
将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息;
将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息;
依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。
基于本发明的第二方面,还提供了一种光缆交接箱的检测装置,所述装置包括:
图像获取模块,用于获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤;
第一特征确定模块,用于将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息;
第二特征确定模块,用于将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息;
第三特征确定模块,用于将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息;
结果生成模块,用于依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。
基于本发明的第三方面,还提供了一种电子设备,包括:
一个或多个处理器;
存储器;
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行上述中任一所述的方法。
基于本发明的第四方面,还提供了一种计算机可读存储介质,存储与电子设备结合使用的计算机程序,所述计算机程序可被处理器执行以完成上述中任一所述的方法。
与现有技术相比,本发明首先获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤。然后将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息。接着将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息。再将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息。最后依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。从而在维护人员巡检拍照后,根据多个模型的自动检测,生成所述光缆交接箱的巡检记录,提高检测效率,且省时省力。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。
在附图中:
图1是本发明实施例提供的一种光缆交接箱的检测方法的步骤流程示意图;
图2是本发明实施例提供的另一种光缆交接箱的检测方法的步骤流程示意图;
图3是本发明实施例提供的一种光缆交接箱的防尘帽的结构示意图;
图4是本发明实施例提供的一种光缆交接箱的孔洞的结构示意图;
图5是本发明实施例提供的一种光缆交接箱的尾纤的走线示意图;
图6是本发明实施例提供的一种光缆交接箱的检测装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
参照图1,示出了本发明实施例提供的一种光缆交接箱的检测方法,所述方法可以包括:
S101、获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤。
本发明实施例中,可以通过摄像装置对所述光缆交接箱的各检测部位进行拍摄,由此,可以获取到包含有不同检测部位的多张检测图像。其中,所述摄像装置是通过维护人员在巡检时,手持移动的。例如,在对不同的检测部位进行拍摄时,采用不同的图像标识对不同检测部位的检测图像进行标记。
参照图3所示,所述防尘帽用于封闭所述光缆交接箱内的、端子面板上的接线端子,从而避免在接线端子上无业务插线的情况下,有灰尘等杂质进入到接线端子内,影响光缆性能。因此,无业务插线的端子,需要套设防尘帽。若未套设,则确定为防尘帽检测不合规。
参照图4所示,所述孔洞位于光缆交接箱的下部,其用于提供光缆等业务插线的穿设通路。但是,为了实现防水、防潮以及防盗等功能,在线路铺设完成后,需要采用封堵泥料对孔洞进行封堵。因此,当所述光缆交接箱内的多个孔洞全部处于封堵状态时,说明孔洞检测合规;当多个孔洞中的其中一个未处于封堵状态(也可以称为疏通状态)时,说明孔洞检测不合规。
参照图5所示,对所述尾纤进行检测,主要是检测所述尾纤的走线是否合规。例如,每束尾纤都严格规整,走线整齐,则确定尾纤检测合规。若走线杂乱,存在遮挡缠绕等的情况,则说明尾纤检测不合规。
S102、将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息。
S103、将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息。
S104、将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息。
本发明实施例中,可以将包含有防尘帽的检测图像输入到第一检测模型进行第一特征检测,将包含有孔洞的检测图像输入到第二检测模型中进行第二特征检测,将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测。其中,第一检测模型、第二检测模型和第三检测模型都是经过深度学习训练得到的,能够在得到对应的检测图像后,快速地对检测图像进行识别,提高了光缆交接箱的检测效率和检测精确度。
一实施例中,所述分布特征信息可以包括端子面板上的接线端子未套设防尘帽的端子位置和数量;所述封堵特征信息可以包括孔洞的当前状态;所述走线特征信息可以包括尾纤的当前走线状态。
S105、依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。
本发明实施例中,可以综合分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。从而在维护人员巡检完毕后,自动生成巡检记录,提高检测效率。
参照图2,示出了本发明实施例提供的另一种光缆交接箱的检测方法,所述方法可以包括:
S201、获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤。
本发明实施例中,对步骤S201的描述内容参照对步骤S101的描述内容。
一种实施例中,所述第一检测模型可以包括第一特征网络和目标检测网络,其中,所述第一特征网络用于提取包含有所述防尘帽的检测图像的图像特征,所述目标检测网络用于根据所述图像特征预测出端子面板上未套设防尘帽的端子位置和数量。
S202、将包含有所述防尘帽的检测图像,输入到所述第一特征网络进行第一特征提取,得到所述检测图像对应的第一特征信息。
本发明实施例中,所述第一特征网络还可以包括第一特征提取模块和第一特征融合模块。
将包含有所述防尘帽的检测图像,输入到所述第一特征提取模块进行第一特征提取,得到所述检测图像对应的多个第一提取信息。
将多个第一提取信息,分别输入到所述第一特征融合模块进行第一特征融合,得到所述检测图像对应的第一特征信息。
一种示例中,所述第一特征提取模块可以包括多个级联的卷积层,从而得到包含有所述防尘帽的检测图像所对应的多个第一提取信息。其中,第一提取信息可以是对应层级的卷积层输出卷积特征图像。经过每一层的卷积层进行特征提取后,得到的卷积特征图像一方面送入下一层级的卷积层继续进行特征提取,一方面还可以作为第一提取信息,输出到第一特征网络外,便于后期对多个第一提取信息进行特征融合。其中,多个第一提取信息所对应的图像分辨率均不同。
将多个第一提取信息,分别输入到所述第一特征融合模块进行第一特征融合,得到所述检测图像对应的第一特征信息。其中,所述第一特征融合模块用于对不同层级的特征图像进行多尺度融合,并将经过第一特征融合模块得到的第一特征信息,送入到目标检测网络中。一实施例中,所述第一特征融合网络可以包括多个特征融合模块。例如,每个特征融合模块用于融合相邻两个层级的特征图像。融合可以理解为对两个层级的特征图像执行图像拼接。针对两个层级的特征图像而言,可以对层级较低(可以理解为图像分辨率较低)的第一提取信息执行上采样,使其图像分辨率与层级较高(可以理解为图像分辨率较高)的第一提取信息一致。使其长度和宽度一致,再执行拼接操作,从而能够得到所述检测图像在不同层级上的语义表达。进而提高后续目标检测网络对所述防尘帽的识别精度。对应的,不同第一特征信息的尺度不同(也可以理解为图像分辨率不同)。
S203、将所述第一特征信息输入到所述目标检测网络中进行第一特征识别,确定出所述防尘帽的分布特征信息。
本发明实施例中,所述目标检测网络包括多个检测头模块和第二特征融合模块。其中,多个检测头分别用于识别不同尺度的第一特征信息。将多个第一特征信息,分别输入到对应尺度的检测头模块中进行第一特征预测,得到所述检测图像对应的多个预测特征信息,其中,所述预测特征信息包括所述防尘帽的预测框信息。
一实施例中,所述检测头模块中包括训练得到的防尘帽的特征图像。所述防尘帽的特征图像的特征主要在于:小尺寸和高分辨率,从而更有利于对小型结构的防尘帽进行特征识别。在第一特征预测过程中,所述检测头模块会计算同一位置的所述第一特征信息和特征图像之间的特征相似度,若相似度大于或等于预设阈值,则确定对应位置的预测框内存在所述防尘帽。若相似度小于预设阈值,则确定对应位置的预测框内没有所述防尘帽。以此类推,得到所述检测图像对应的预测特征信息。
考虑到在不同尺度上得到的预测特征信息可能存在差异,可以将多个预测特征信息,输入到所述第二特征融合模块中进行第二特征融合,得确定出所述防尘帽的分布特征信息。所述第二特征融合模块用于综合多个预测特征信息,输出最终的预测特征信息,例如,在第二特征融合的过程中,可以根据通过注意力机制确定出的各特征权重值,通过对各预测特征信息对应的特征向量与各特征权重值进行相乘后,再累计得到所述检测图像最终的预测特征信息。
一种可选的发明实施例中,所述第二检测模型可以包括图像切割网络、第二特征网络以及分类网络。
S204、将包含有所述孔洞的检测图像,输入到所述图像切割网络中进行图像切割,得到多张第二图像。
S205、按序将多张第二图像输入到所述第二特征网络中进行特征提取,得到对应的第二特征信息。
S206、将所述第二特征信息输入到所述分类网络中进行分类预测,确定出所述孔洞的封堵特征信息。
本发明实施例中,所述图像切割网络用于图像切割,在将包含有所述孔洞的检测图像输入到所述图像切割网络中,可以得到多张分辨率一致的第二图像,例如,可以得到N张16*16的第二图像,对应的,包含有所述孔洞的检测图像对应的分辨率预先设置,其与所述第二图像的分辨率成倍数关系,例如包含有所述孔洞的检测图像的图像分辨率可以为224*224。
所述第二特征网络还可以包括第二映射模块和第二编码模块等结构,按照图像的切割顺序将多张第二图像输入到所述第二特征网络中进行特征提取。首先对各第二图像执行卷积操作,并将各第二图像经过卷积操作之后得到的特征信息,按序分别输入到所述第二映射模块中进行线性映射,得到各第二图像组合后的线性特征信息。然后将将所述线性特征信息输入到所述第二编码模块中进行编译转换,得到对应的第二特征信息。即得到所述包含有所述孔洞的检测图像的第二特征信息,其中,所述第二特征信息为一维向量。
所述分类网络用于根据所述第二特征信息,确定出所述孔洞是封堵状态还是疏通状态。其中,所述分类网络的训练图像可以是不同光照下、不同拍摄角度的孔洞图像。其中,所述训练图像中的孔洞包括封堵和疏通两种状态。将所述训练图像输入到所述分类网络中进行分类预测,得到所述训练图像的预测类别。从而基于所述训练图像的预测类别和真实类别,确定出所述分类模型的损失函数值(损失函数可以采用交叉熵损失函数),并依据所述损失函数值调整所述分类网络的网络参数,确定出训练完成的分类网络。
S207、将包含有所述尾纤的检测图像,输入到所述第三特征网络中进行第三特征提取,得到多个包含有所述尾纤的走线纹理的第三特征图像。
S208、将多个第三特征图像输入到所述特征聚合网络中进行特征识别,确定出所述尾纤的走线特征信息。
本发明实施例中,所述第三检测模型可以包括第三特征网络和特征聚合网络。将包含有尾纤的检测图像,输入到所述第三特征网络中进行第三特征提取。在第三特征提取的过程中,可以通过所述第三特征网络中的不同的卷积模块,产生图像的不同分辨率的特征,从而可以得到多个包含有所述尾纤的走线纹理的第三特征图像,其中,多个第三特征图像的图像分辨率不同。
所述特征聚合网络用于聚合不同分辨率的特征,即通过上采样或下采样的方式,将不同图像分辨率的第三特征图像转换为相同图像分辨率,接着对各相同图像分辨率的特征图像进行拼接,得到聚合特征图像,经过对聚合特征图像的识别,确定出尾纤的走线特征信息,所述走线特征信息可以包括走线整齐和走线杂乱两种类别。
所述第三检测模型的训练图像可以采用包括有所述尾纤两种类别的图像,将所述训练图像输入到所述第三检测模型中进行识别,得到预测类别,根据所述训练图像的预测类别和真实类别,确定出所述第三检测模型的损失函数值,并根据所述损失函数值,调整模型参数,并确定出训练完成的第三检测模型,其中,在损失函数值下降幅度很小或是几不变时,停止调参。
209、依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。
本发明实施例中,可以综合分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。例如,根据所述分布特征信息可以确定端子面板上未接线的接线端子均套设有防尘帽;根据所述封堵特征信息可以确定孔洞的当前状态为封堵状态;根据所述走线特征信息可以确定尾纤的当前走线状态为走线整齐。则对应的检测结果可以如下:防尘帽检测合规,孔洞检测合规,尾纤检测合规。从而在维护人员巡检完毕后,自动生成所述光缆交接箱的巡检记录,提高检测效率。
综上,本发明实施例公开了一种光缆交接箱的检测方法,所述方法可以包括首先获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤。然后将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息。接着将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息。再将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息。最后依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。从而在维护人员巡检拍照后,根据多个模型的自动检测,生成所述光缆交接箱的巡检记录,提高检测效率,且省时省力。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图6,示出了本发明实施例提供的一种光缆交接箱的检测装置,所述装置可以包括:
图像获取模块601,用于获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤;
第一特征确定模块602,用于将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息;
第二特征确定模块603,用于将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息;
第三特征确定模块604,用于将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息;
结果生成模块605,用于依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。
一种可选的发明实施例,所述第一检测模型包括第一特征网络和目标检测网络,所述第一特征确定模块602可以包括:
第一特征提取子模块,用于将包含有所述防尘帽的检测图像,输入到所述第一特征网络进行第一特征提取,得到所述检测图像对应的第一特征信息。
第一特征识别子模块,用于将所述第一特征信息输入到所述目标检测网络中进行第一特征识别,确定出所述防尘帽的分布特征信息。
一种可选的发明实施例,所述第一特征网络包括第一特征提取模块和第一特征融合模块,所述第一特征提取子模块还可以包括:
第一特征提取单元,用于将包含有所述防尘帽的检测图像,输入到所述第一特征提取模块进行第一特征提取,得到所述检测图像对应的多个第一提取信息。
第一特征融合单元,用于将多个第一提取信息,分别输入到所述第一特征融合模块进行第一特征融合,得到所述检测图像对应的第一特征信息。
一种可选的发明实施例,所述目标检测网络包括多个检测头模块和第二特征融合模块,所述第一特征识别子模块可以包括:
第一特征预测单元,用于将多个第一特征信息,分别输入到多个检测头模块中进行第一特征预测,得到所述检测图像对应的多个预测特征信息,其中,所述预测特征信息包括所述防尘帽的预测框。
第二特征融合单元,用于将多个预测特征信息,输入到所述第二特征融合模块中进行第二特征融合,得确定出所述防尘帽的分布特征信息。
一种可选的发明实施例,所述第二检测模型包括图像切割网络、第二特征网络以及分类网络,所述第二特征确定模块603可以包括:
图像切割子模块,用于将包含有所述孔洞的检测图像,输入到所述图像切割网络中进行图像切割,得到多张第二图像。
特征提取子模块,用于按序将多张第二图像输入到所述第二特征网络中进行特征提取,得到对应的第二特征信息。
分类预测子模块,用于将所述第二特征信息输入到所述分类网络中进行分类预测,确定出所述孔洞的封堵特征信息。
一种可选的发明实施例,所述第二特征网络包括第二映射模块和第二编码模块,所述特征提取子模块还可以用于:
按序将多张第二图像分别输入到所述第二映射模块中进行线性映射,得到各第二图像组合后的线性特征信息。
将所述线性特征信息输入到所述第二编码模块中进行编译转换,得到对应的第二特征信息。
一种可选的发明实施例,所述第三特征确定模块604可以包括:
第三特征提取子模块,用于将包含有所述尾纤的检测图像,输入到所述第三特征网络中进行第三特征提取,得到多个包含有所述尾纤的走线纹理的第三特征图像,其中,多个第三特征图像的图像分辨率不同。
特征识别子模块,用于将多个第三特征图像输入到所述特征聚合网络中进行特征识别,确定出所述尾纤的走线特征信息。
综上,本发明实施例公开了一种光缆交接箱的检测装置,所述装置可以包括首先获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤。然后将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息。接着将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息。再将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息。最后依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。从而在维护人员巡检拍照后,根据多个模型的自动检测,生成所述光缆交接箱的巡检记录,提高检测效率,且省时省力。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域技术人员易于想到的是:上述各个实施例的任意组合应用都是可行的,故上述各个实施例之间的任意组合都是本发明的实施方案,但是由于篇幅限制,本说明书在此就不一一详述了。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
一种电子设备,包括:
一个或多个处理器;
存储器;
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行上述实施例所述的方法。
一种计算机可读存储介质,存储与电子设备结合使用的计算机程序,所述计算机程序可被处理器执行以完成上述实施例所述的方法。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种光缆交接箱的检测方法和一种光缆交接箱的检测装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种光缆交接箱的检测方法,其特征在于,所述方法包括:
获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤;
将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息;
将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息;
将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息;
依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。
2.根据权利要求1所述的光缆交接箱的检测方法,其特征在于,所述第一检测模型包括第一特征网络和目标检测网络,所述将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息,包括:
将包含有所述防尘帽的检测图像,输入到所述第一特征网络进行第一特征提取,得到所述检测图像对应的第一特征信息;
将所述第一特征信息输入到所述目标检测网络中进行第一特征识别,确定出所述防尘帽的分布特征信息。
3.根据权利要求2所述的光缆交接箱的检测方法,其特征在于,所述第一特征网络包括第一特征提取模块和第一特征融合模块,所述将包含有所述防尘帽的检测图像,输入到所述第一特征网络进行第一特征提取,得到所述检测图像对应的第一特征信息,包括:
将包含有所述防尘帽的检测图像,输入到所述第一特征提取模块进行第一特征提取,得到所述检测图像对应的多个第一提取信息;
将多个第一提取信息,分别输入到所述第一特征融合模块进行第一特征融合,得到所述检测图像对应的第一特征信息。
4.根据权利要求3所述的光缆交接箱的检测方法,其特征在于,所述目标检测网络包括多个检测头模块和第二特征融合模块,所述将所述第一特征信息输入到所述目标检测网络中进行第一特征识别,确定出所述防尘帽的分布特征信息,包括:
将多个第一特征信息,分别输入到多个检测头模块中进行第一特征预测,得到所述检测图像对应的多个预测特征信息,其中,所述预测特征信息包括所述防尘帽的预测框;
将多个预测特征信息,输入到所述第二特征融合模块中进行第二特征融合,得确定出所述防尘帽的分布特征信息。
5.根据权利要求1所述的光缆交接箱的检测方法,其特征在于,所述第二检测模型包括图像切割网络、第二特征网络以及分类网络,所述将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息,包括:
将包含有所述孔洞的检测图像,输入到所述图像切割网络中进行图像切割,得到多张第二图像;
按序将多张第二图像输入到所述第二特征网络中进行特征提取,得到对应的第二特征信息;
将所述第二特征信息输入到所述分类网络中进行分类预测,确定出所述孔洞的封堵特征信息。
6.根据权利要求5所述的光缆交接箱的检测方法,其特征在于,所述第二特征网络包括第二映射模块和第二编码模块,所述按序将多张第二图像输入到所述第二特征网络中进行特征提取,得到对应的第二特征信息,包括:
按序将多张第二图像分别输入到所述第二映射模块中进行线性映射,得到各第二图像组合后的线性特征信息;
将所述线性特征信息输入到所述第二编码模块中进行编译转换,得到对应的第二特征信息。
7.根据权利要求1所述的光缆交接箱的检测方法,其特征在于,所述第三检测模型包括第三特征网络和特征聚合网络,所述将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息,包括:
将包含有所述尾纤的检测图像,输入到所述第三特征网络中进行第三特征提取,得到多个包含有所述尾纤的走线纹理的第三特征图像,其中,多个第三特征图像的图像分辨率不同;
将多个第三特征图像输入到所述特征聚合网络中进行特征识别,确定出所述尾纤的走线特征信息。
8.一种光缆交接箱的检测装置,其特征在于,所述装置包括:
图像获取模块,用于获取包含有光缆交接箱的各检测部位的多张检测图像,各检测图像中所包含的检测部位不同,所述检测部位包括防尘帽、孔洞以及尾纤;
第一特征确定模块,用于将包含有所述防尘帽的检测图像,输入到第一检测模型中进行第一特征检测,确定出所述防尘帽的分布特征信息;
第二特征确定模块,用于将包含有所述孔洞的检测图像,输入到第二检测模型中进行第二特征检测,确定出所述孔洞的封堵特征信息;
第三特征确定模块,用于将包含有所述尾纤的检测图像,输入到第三检测模型中进行第三特征检测,确定出所述尾纤的走线特征信息;
结果生成模块,用于依据所述分布特征信息、封堵特征信息以及走线特征信息,生成所述光缆交接箱的检测结果。
9.一种电子设备,包括:
一个或多个处理器;
存储器;
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质,存储与电子设备结合使用的计算机程序,所述计算机程序可被处理器执行以完成权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211733552.4A CN116152179A (zh) | 2022-12-30 | 2022-12-30 | 一种光缆交接箱的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211733552.4A CN116152179A (zh) | 2022-12-30 | 2022-12-30 | 一种光缆交接箱的检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116152179A true CN116152179A (zh) | 2023-05-23 |
Family
ID=86340113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211733552.4A Pending CN116152179A (zh) | 2022-12-30 | 2022-12-30 | 一种光缆交接箱的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116152179A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117232577A (zh) * | 2023-09-18 | 2023-12-15 | 杭州奥克光电设备有限公司 | 一种光缆交接箱承载内部监测方法、***和光缆交接箱 |
-
2022
- 2022-12-30 CN CN202211733552.4A patent/CN116152179A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117232577A (zh) * | 2023-09-18 | 2023-12-15 | 杭州奥克光电设备有限公司 | 一种光缆交接箱承载内部监测方法、***和光缆交接箱 |
CN117232577B (zh) * | 2023-09-18 | 2024-04-05 | 杭州奥克光电设备有限公司 | 一种光缆交接箱承载内部监测方法、***和光缆交接箱 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112435215B (zh) | 一种基于图像的车辆定损方法、移动终端、服务器 | |
CN113095346A (zh) | 数据标注的方法以及数据标注的装置 | |
CN107886104A (zh) | 一种图像的标注方法 | |
CN110853033A (zh) | 基于帧间相似度的视频检测方法和装置 | |
CN111428805B (zh) | 显著性物体的检测方法、模型、存储介质及电子设备 | |
CN116152179A (zh) | 一种光缆交接箱的检测方法、装置、设备及存储介质 | |
CN108881947A (zh) | 一种直播流的侵权检测方法及装置 | |
CN110968689A (zh) | 罪名及法条预测模型的训练方法以及罪名及法条预测方法 | |
CN107133951B (zh) | 图像篡改检测方法及装置 | |
CN111044149A (zh) | 电压互感器的温度异常点检测方法、装置及可读存储介质 | |
CN112258507B (zh) | 互联网数据中心的目标对象检测方法、装置和电子设备 | |
CN110517260A (zh) | 电路板的检测方法和装置、存储介质、电子设备 | |
CN112163480B (zh) | 一种行为识别方法及装置 | |
CN110796053A (zh) | 视频检测方法、装置、电子设备及计算机可读存储介质 | |
CN107886105A (zh) | 一种图像的标注装置 | |
CN113076961B (zh) | 一种图像特征库更新方法、图像检测方法和装置 | |
CN110716857B (zh) | 测试用例管理方法、装置、计算机设备和存储介质 | |
CN115834935A (zh) | 多媒体信息审核方法、广告审核方法、设备及存储介质 | |
CN114743217A (zh) | 一种基于局部特征感知图文跨模态模型的行人识别方法和模型的训练方法 | |
KR101755980B1 (ko) | 스케일 스페이스 표현에 기반한 유사 영역 검출 방법 및 그 장치 | |
CN115374517A (zh) | 布线软件的测试方法、装置、电子设备及存储介质 | |
CN110443322A (zh) | 图像处理方法、装置、服务器及可读存储介质 | |
CN115909408A (zh) | 一种基于Transformer网络的行人重识别方法及装置 | |
CN109783713A (zh) | 一种动态网站分类方法、***、设备及介质 | |
CN109697457A (zh) | 物体重识别***的训练方法、物体重识别方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |