【技术实现步骤摘要】
本专利技术涉及图像检测，尤其涉及光缆交接箱。
技术介绍
1、随着通信技术与网络技术的发展，我国千兆宽带接入户数增长超8倍，作为支撑设备之一的光缆交接箱数量与端口都将随之飞速增长。光缆交接箱是用于光缆接入网中主干光缆与配线光缆交界处的端口设备，简称光交箱，属于哑资源，设备本身无法实现信息化监管，种类繁多，难以通过统一的模式识别完成自动化检测。目前主要的前端维护方式是技术人员定期外出巡检，排查故障端口，用表格记录每个端口的状态，然而每个光交箱通常包含200-400个光纤端口，每个省份每年日常的维护与资源普查图片记录超过十万张，人工统计与辨识需要投入大量的人力物力。因此，各运营商及代维公司都亟需一种光缆交接箱光纤端口状态自动检测系统。
2、由于光缆交接箱存量巨大，状态变化频繁，且每个光交箱端口繁多，人工辨别工作量繁重且极容易出错，目前国内外一些学者为了实现光交箱的信息化整治开展了一些研究，主要可以分为信息化改装与端口状态自动检测两种方案。在生产环境中，光交箱种类繁多，绝大多数光交箱标签没有统一格式与内容，一般都采用手写体打印体混合，以上方案信息化升级成本过高，智能检测方案仅能解决一部分标签相对特殊的光交箱端口状态识别问题，难以应用于生产环境中替代人工统计辨识工作。
技术实现思路
1、为弥补上述现有技术的缺陷，本专利技术提供一种光缆交接箱的端口状态自动识别方法，以便无需人工校正图像，即可较为准确的完成光缆交接箱端口检测任务。
2、本专利技术还提供一种光缆交接箱的端口
3、一方面，本专利技术提供一种光缆交接箱的端口状态自动识别方法，其包括以下步骤：步骤s1：将数据集中的光缆交接箱图像划分为训练集、验证集和测试集三部分；步骤s2：根据标注的端口位置和行列信息，构建计算每个端口的角度信息、尺度信息和热图的函数；在训练和测试的过程中，需要调用该函数实时的生成端口的角度，尺度信息以及热图作为标签的一部分；步骤s3：根据图像特性，构造卷积神经网络，用于检测端口的位置，回归端口的类别，是否行首尾边缘端口，角度，以及尺度；步骤s4：使用训练集的图像训练卷积神经网络，对模型的参数进行优化；并使用验证集验证效果来确定训练的超参数；步骤s5：测试集图像输入模型，得到模型输出的热图以及端口相关信息预测；通过热图去噪算法去除热图噪声，再提取端口坐标、类别、角度和尺度；步骤s6：通过行匹配算法对每一个独立的端口的坐标、类别、角度和尺度信息综合匹配，将独立的端口连接成多行；步骤s7：通过行内补全算法对每一行根据行内端口信息和上下行的端口信息对行内端口进行补全，得到最终的端口位置、类别和行列信息。
4、作为优选方式，其模型结构在于，步骤s3中，构造的一组模型，由前部分的resnet-baseline网络和后部分的hourglass网络组成，在4倍的特征图回归端口位置、类别和是否边缘端口属性，在16倍的特征图上回归端口的角度和尺度。
5、作为优选方式，步骤s5中，通过阈值、形态学、几何特征去除热图中的噪声。
6、作为优选方式，步骤s5中，将测试集图像送入模型，输出预测热图；将类别热图在类别维度累加得到目标热图，对目标热图通过阈值方法提取前景；对前景通过图像形态学开操作去除小噪点和粘连，再通过连通区域面积统计，去除面积过大和过小的区域，将区域中心点作为端口位置；根据区域中心点位置，在偏移预测图中取得偏移量，叠加得到端口坐标。
7、作为优选方式，步骤s5包括以下过程：测试集的图像整图输入模型，得到模型预测输出，其中，4倍下采样的目标热图和偏移量，16倍下采样的角度和尺度，对4倍下采样的目标热图做后处理：①累加类别预测热图，得到端口热图，通过阈值划分前景和背景，目标热图中大于等于阈值的是前景，小于阈值的是背景。使用的阈值th＝max(thosu,0.4)其中thosu为大津法求取大津阈值；②形态学处理，对前景进行开操作，去除毛刺和细小的粘连；③提取所有连通区域，统计其面积，去除面积过大和过小的连通区域，去除面积小于平均面积1/3和面积大于平均面积2倍的联通区域；④去除位置离群的连通区域；⑤提取所有连通区域的中心点，根据中心点坐标在偏移量预测图中提取偏移量，中心点坐标加上偏移量即为端口坐标。
8、作为优选方式，根据端口的位置信息和角度信息，将互相独立的端口相互匹配成行。
9、作为优选方式，步骤s6包括如下步骤：①通过端口坐标，在相应的特征图上提取所有端口的类别置信度，尺寸信息和角度信息，计算整体尺度均值smean，并将所有端口标注为未划分端口；②按照坐标从上到下，在y方向以2倍smean为窗宽滑动窗口，提取窗口内未划分端口d＝{d1,d2,…,dn}，对于端口di其坐标记为(xi,yi)，角度回归值为angi，尺度回归值为si，类别置信度为ci。提取d中3个元素组成的所有组合，组合总数为个，回归所有组合点所在直线方程(ax+by+c＝0形式)，计算每个组合的一下三个指标：1)组内元素角度差异max(|angi-angj|，|angi-angk|，|angj-angk|)；2)组内直线角度差异|angline-mean(angi，angj，angk)|；3)组内点线平均距离：组内所有点与回归直线的平均距离；选出三个指标都小于相应阈值的点组合；再从中提取组内点线平均距离最小的组合c。若没有符合条件的组合，将滑窗向下移动，重新开始本步骤；③以组合c的所有点回归直线，计算所有端口到直线的距离，窗口内所有尺度的均值为swmean，将直线距离小于0.33*swmean的端口都划归组合c，重复以上操作，直至组合c不在新增点；将组合c的点记录为已划分行的点。以0.33*smean为步长向下滑动窗口，跳转步骤②，若已经完成所有滑窗，进行下一步；④对所有未划分端口按照坐标从上到下处理，对于每个端口重复以下操作：1)取距离端口最近的已划分直线l0，按照l0的角度，在端口位置构建直线l1；2)计算所有未划分端口与直线l1的距离，距离小于阈值的点划归直线l1；3)以l1的所有的端口坐标重新回归直线，重复步骤2)直至直线不再新增端口；4)将直线及相应端口记录，并化为已划分端口；⑤将所有记录直线按照质心坐标从上到下排序，直线内部端口点从左到右排序。
10、作为优选方式，步骤s7中，根据边缘端口属性，行内端口位置完成行内端口补全的算法。
11、作为优选方式，步骤s7中，包括如下步骤：
12、将s6步骤中的结果的每一行进行一下操作：1)提取行直线在边缘端口热图中的值，通过阈值提取该直线两侧边缘端口；2)去除边缘外侧的检测到的端口；3)按照从左到右，两两一组检测处理。对于某一行li，其包含的端口为di＝{di,1,di,2,…di,n},其中di,j的尺度回归值为si,j；端口两两组合为{(di,1,di,2),(di,2,di,3),…(di,n-1,di,n)}。4)对于所有端口组合本文档来自技高网...
【技术保护点】
1.一种光缆交接箱的端口状态自动识别方法，包括以下步骤：
2.根据权利要求1所述的方法，其模型结构在于，步骤S3中，构造的一组模型，由前部分的resnet-baseline网络和后部分的hourglass网络组成，在4倍的特征图回归端口位置、类别和是否边缘端口属性，在16倍的特征图上回归端口的角度和尺度。
3.根据权利要求1所述的方法，步骤S5中，通过阈值、形态学、几何特征去除热图中的噪声。
4.根据权利要求3所述的方法，步骤S5中，将测试集图像送入模型，输出预测热图；将类别热图在类别维度累加得到目标热图，对目标热图通过阈值方法提取前景；对前景通过图像形态学开操作去除小噪点和粘连，再通过连通区域面积统计，去除面积过大和过小的区域，将区域中心点作为端口位置；根据区域中心点位置，在偏移预测图中取得偏移量，叠加得到端口坐标。
5.根据权利要求1所述的方法，步骤S5包括以下过程：
6.根据权利要求1所述的方法，步骤S6中，根据端口的位置信息和角度信息，将互相独立的端口相互匹配成行。
7.根据权利要求1所述的方法，步骤
8.根据权利要求1所述的方法，步骤S7中，根据边缘端口属性，行内端口位置完成行内端口补全的算法。
9.根据权利要求1所述的方法，步骤S7中，包括如下步骤：
10.一种光纤交接箱的端口状态自动识别装置，包括：
...【技术特征摘要】
1.一种光缆交接箱的端口状态自动识别方法，包括以下步骤：
2.根据权利要求1所述的方法，其模型结构在于，步骤s3中，构造的一组模型，由前部分的resnet-baseline网络和后部分的hourglass网络组成，在4倍的特征图回归端口位置、类别和是否边缘端口属性，在16倍的特征图上回归端口的角度和尺度。
3.根据权利要求1所述的方法，步骤s5中，通过阈值、形态学、几何特征去除热图中的噪声。
4.根据权利要求3所述的方法，步骤s5中，将测试集图像送入模型，输出预测热图；将类别热图在类别维度累加得到目标热图，对目标热图通过阈值方法提取前景；对前景通过图像形态学开操作去除小噪点和粘连，再通...
【专利技术属性】
技术研发人员：魏湘国，张国华，陈寿明，熊钦，
申请(专利权)人：亿阳安全技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。