如需要完整文档点击下方 "点击下载文档" 按钮

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。

如需要完整文档点击下方 "点击下载文档" 按钮

《深度学习识别光网络单元故障的设计与应用》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061645

点击下载文档