[發明專利]光纖鏈路部件的識別方法、裝置、設備和存儲介質

在審

• 申請號: 202110930478.4
• 申請日: 2021-08-13
• 公開（公告）號: CN113591787A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 鄒曉明;葉明武;陳麗光;劉新展;廖子熙;文波;保志榮;羅漢輝;藍映彬;黃柱輝;楊柳輝;魏志雄;陳俊輝;高如超
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司河源供電局
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 高艷紅

1.一種光纖鏈路部件的識別方法，其特征在于，包括：

獲取多個不同類型的光纖鏈路部件的圖像；

對所述光纖鏈路部件的圖像進行預處理，并將預處理后的圖像分類為訓練集圖像和測試集圖像；

建立所述光纖鏈路部件的對比識別模型，通過所述訓練集圖像和所述測試集圖像對所述對比識別模型進行訓練和優化，以得到訓練和優化后的所述對比識別模型；

基于訓練和優化后的所述對比識別模型對光纖鏈路部件的類型進行圖像識別。

2.根據權利要求1所述的光纖鏈路部件的識別方法，其特征在于，所述光纖鏈路部件為基于全絕緣光單元復合相線IOPPC的光纖鏈路部件，所述多個不同類型的光纖鏈路部件包括光纖跳線、尾纖、光發送機、光纖、光接收機、光放大器、光連接器、光分路器和光衰減器。

3.根據權利要求1所述的光纖鏈路部件的識別方法，其特征在于，對所述光纖鏈路部件的圖像進行預處理，并將預處理后的圖像分類為訓練集圖像和測試集圖像，包括：

對所述光纖鏈路部件的圖像進行灰度化處理，以得到所述光纖鏈路部件的灰度圖像；

通過高斯濾波法對灰度化處理后的所述光纖鏈路部件的圖像進行去噪處理；

將去噪處理后的所述光纖鏈路部件的圖像分類為訓練集圖像和測試集圖像；

其中，按照預設比例將所述光纖鏈路部件的圖像分類為訓練集圖像和測試集圖像，所述訓練集圖像和所述測試集圖像均包括不同類型的所述光纖鏈路部件的圖像。

4.根據權利要求3所述的光纖鏈路部件的識別方法，其特征在于，建立所述光纖鏈路部件的對比識別模型，通過所述訓練集圖像和所述測試集圖像對所述對比識別模型進行訓練和優化，以得到訓練和優化后的所述對比識別模型，包括：

基于人工神經網絡建立所述光纖鏈路部件的對比識別模型；

提取所述訓練集圖像的特征數據集；

將所述訓練集圖像的所述特征數據集代入所述對比識別模型進行訓練，以得到優化后的所述對比識別模型。

5.根據權利要求4所述的光纖鏈路部件的識別方法，其特征在于，所述特征數據集表示為：

Y＝{x₁，x₂，...x_n}；

其中，Y為所述特征數據集，{x₁，x₂，...x_n}為所述光纖鏈路部件的圖像中的特征點，且所述特征點為所述光纖鏈路部件的圖像中的坐標點；

所述對比識別模型表示為：

其中，設定類型的所述光纖鏈路部件的基準圖像為左圖像，待識別的所述光纖鏈路部件的圖像為右圖像，I_L(x，y)為所述左圖像在坐標點(x，y)處的灰度值，I_R(x，y)為所述右圖像在坐標點(x，y)處的灰度值，為梯度計算符號，K_g為灰度權重，K_d為梯度權重，K_s為平滑因子，d_(x，y)為所述左圖像和所述右圖像在坐標點上的差值，E(x，y)為所述左圖像和所述右圖像的偏差值。

6.根據權利要求5所述的光纖鏈路部件的識別方法，其特征在于，在將所述訓練集圖像的所述特征數據集代入所述對比識別模型進行訓練，以得到優化后的所述對比識別模型之后，所述光纖鏈路部件的識別方法還包括：

提取所述測試集圖像的特征數據集；

將所述測試集圖像的所述特征數據集代入所述對比識別模型，以確定所述對比識別模型的識別準確率；

在所述對比識別模型的識別準確率小于預設值時，繼續將所述訓練集圖像的所述特征數據集代入所述對比識別模型進行訓練。

7.根據權利要求6所述的光纖鏈路部件的識別方法，其特征在于，還包括：

在所述對比識別模型的識別準確率大于或等于預設值時，停止對所述對比識別模型進行訓練，得到最終的所述對比識別模型。