辉煌彩票下载

版权所有 ? 《光通信技术》编辑部

地址:桂林市七星区六合路98号(541004) ? ? ? ?电话:0773-6346107

引用本文:

王驿钊,黄曼莉,陈舜儿,等:基于改进Faster R-CNN算法的光纤端子序号识别系统[J]. 光通信技术,2019,43(5):44-46.

基于改进Faster R-CNN算法的光纤端子序号识别系统

王驿钊,黄曼莉,陈舜儿,黄红斌,刘伟平
(暨南大学 信息科学技术学院,广州 510632)

【下载PDF全文】

摘要:针对电信机房中继器上的光纤跳线与端子进行匹配的问题,提出了一种基于深度学习的目标定位与数字识别的系统。该系统优化了深度学习中单点多盒探测器(SSD)算法与快速基于区域的卷积神经网络(Faster R-CNN)算法的网络结构,结合SSD算法提取有效区域速度快的特点,对自然场景下拍摄的图片进行读数区域的有效分割,然后使用Faster R-CNN算法进行读数区域识别。该系统在实验中测试成功率达到99.9%,能够确保端子号和光纤跳线做到一一对应。
关键词:光纤端子;序号识别;数字识别;匹配
中图分类号: TN929.1 文献标识码:A 文章编号:1002-5561(2019)05-0044-03
DOI:10.13921/j.cnki.issn1002-5561.2019.05.011

0 引言
       众所周知,人类感知外界信息,大约80%的信息是通过视觉这一途径来实现,图像作为信息的主要载体,是获取信息的关键[1]。在通信系统中光纤作为传输介质就显得尤为重要,远距离的传输需要大量的信号中继器,中继器上每个光纤跳线都对应相应的端口号,为了确保信息能够做到端对端的精确传输,保证网络信息传递的安全性,人们在电信机房的光纤端子上贴上标签与相应的端口一一对应[2]。传统保证光纤跳线与端口匹配的方法是人工去接通网路时按照一一对应的表格接通跳线与端子,此种方法费时费力,而且错接情况大量存在。由于每个电信机房中都存在着上万个光纤端子和跳线,大量错接端口和跳线对故障排查工作带来了极大的难度。因此,结合了图像信息加工处理技术和人工智能技术的计算机视觉处理技术应运而生。本文为了解决通信系统中光纤传输的跳线与端口的匹配问题,提出一种基于单点多盒探测器(SSD)算法[3]与快速基于区域的卷积神经网络(Faster R-CNN)算法[4]的数字识别系统,对光纤跳线上的序列进行识别,与相应的接口进行一对一匹配,从而监测光纤是否正确连通。

4 结束语
       光纤跳线与端子不能够做到一一匹配,为网络的传输带来了严重的安全隐患,给故障网络的排查造成了极大的障碍。本文通过深度学习的方法对数字进行识别,通过智能物联设备对光纤端子和跳线图片进行采集,解决了长期以来困扰我们的光纤跳线与端子匹配出错的问题,同时保证了信息传递的准确性。本文提出的光纤端子识别系统具有以下几点优势: ①通过人工智能的应用,为网络信息的精确传输和个人信息安全保障提供更为便捷的方法。②通过SSD模型对图像有效区域的提取,降低了识别算法的时间复杂度,从而解决了人工查询时效慢的问题,并且降低了工人的劳动强度。③基于改进Faster R-CNN算法的标号读数识别系统相较于传统标签读数识别系统,识别率从70%提升到99%,训练速度极快,可在实际生活中获得应用,大大地提高了人工安装时的精度;实现了原始图片与读数的端对端输入、输出,省去了繁琐的图像处理过程。本识别系统适用性广,可广泛应用于医疗图像检验、验证码识别和自然场景下的字符识别等。