深度学习识别光网络单元故障的设计与应用

• 作者: 张培炜 张炳华 池鸿源 汤斯鹏 蔡毅
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 深度学习 物体检测 图片分类 客户服务 光网络单元
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 应用开发研究
• 页码范围: 211-215
• 页数: 5页
• 分类号: TP391.4
• 字数: 2742字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.05.040

摘要

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别.近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础.文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障.从数据上看产品的端到端准确率超过84％,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡毅	华南理工大学软件学院	6	28	3.0	5.0