基于深度学习和区域生长算法的分光器端口检测方法

针对现有检测方法存在目标识别耗时长、识别准确率低的情况,提出了一种基于深度学习和区域生长算法的分光器端口检测方法。通过YOLO目标检测算法和颜色提取计算,可快速识别分光器端口和标签区;通过区域生长算法,实现准确分割目标尾纤区域的目的。经试点数据表明,提出的分光器端口检测方法可以对分光器尾纤不端正导致识别不准确的情况进行修正,能有效提升端口检测效率和识别准确度。

基于图像识别的分光器端口分析方法

为了解决中国移动资源数据库中哑设备资源难以精确把控的问题,以分光器为切入点、图像识别角度作为突破口,提出了模拟时间延迟积分(Time delay integration,TDI)成像解析分光器端口的算法。首先对运维人员上传的图像进行筛选,保证图像数据的质量;然后利用HSV颜色空间进行端口位置和轮廓的提取;再使用图像轮廓进行杂点过滤和分光器端口分布方向拟合;最后,使用拟TDI成像算法解析端口占用情况,输出分光器端口占用情况,给出分光器的分光比、占用端口号,以提升资源数据平台对分光器资源的数据质量。结果表明该算法运行速度快,端口分析准确,具有较高的应用前景。