[发明专利]一种光交箱检测方法、装置及电子设备

说明书

本发明提供一种光交箱检测方法、装置及电子设备。方法包括：将待检测的光交箱图像输入至目标识别模型的第一卷积神经网络以进行特征提取，得到初始特征图谱。将初始特征图谱输入至目标识别模型的第二卷积神经网络，以映射锚点框，得到以锚点框为单位的锚点框特征图谱，第二卷积神经网络是基于光交箱部件的样本像素数据和样本像素数据对应的分类标签训练得到的。将锚点框特征图谱输入至目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和锚点框特征图谱对应的分类标签训练得到的。将目标识别模型对识别到的光交箱部件进行检测，得到目标光交箱的检测结果。

技术领域

本文件涉及深度学习技术领域，尤其涉及一种光交箱检测方法、装置及电子设备。

背景技术

光缆交接箱，简称为光交箱，一般放置在主干光缆上，用于光缆分枝。光交箱属于哑资源设备，目前通信运营商只能采用巡检的方式对光交箱盘检。具体需要人工进行现场拍照采样以及后期对采样照片中的光交箱部件进行审核后，才能敲定最终的维护策略。然而就目前普通规模的光交箱来说，光交箱部件(如防尘帽、线盘、尾纤)少则几个，多则数十个，仅依靠人工识别审核显然效率较低，无法实现对光交箱大规模的盘检。

为此，如何能够提高光交箱的检测效率是本申请所要解决的技术问题。

发明内容

本发明实施例目的是提供一种光交箱检测方法，能够机械对光交箱中的光交箱部件进行识别，更高效率根据识别结果完成光交箱的检测。

为了实现上述目的，本发明实施例是这样实现的：

第一方面，提供一种光交箱检测方法，包括：

获取待检测的目标光交箱的光交箱图像；

将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；

将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；

将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；

将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。

第二方面，提供一种光交箱检测装置，包括：

获取模块，用于获取待检测的目标光交箱的光交箱图像；

特征提取模块，将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；

锚点框映射模块，用于将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；

目标识别模块，用于将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；

检测模块，用于将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。