基于改进Faster R-CNN算法的光纤端子序号识别系统

针对电信机房中继器上的光纤跳线与端子进行匹配的问题,提出了一种基于深度学习的目标定位与数字识别的系统。该系统优化了深度学习中单点多盒探测器(SSD)算法与快速基于区域的卷积神经网络(Faster R-CNN)算法的网络结构,结合SSD算法提取有效区域速度快的特点,对自然场景下拍摄的图片进行读数区域的有效分割,然后使用Faster R-CNN算法进行读数区域识别。该系统在实验中测试成功率达到99.9%,能够确保端子号和光纤跳线做到一一对应。

光缆多路自动对纤测试系统的设计与实现

针对短、中、长距离光纤通信网络中突发故障情况下难以快速、准确地恢复光缆中每条光纤的首尾端序号一一对应的现状,文章设计了一种基于信道编码技术的48路自动对纤测试系统。本系统分为光源发送端、功率接收端和操作终端,由光源发送端送入一段特定的编码信号,光纤接收端识别编码信号,从而实现自动识别光纤信号特征来完成纤序对应关系。系统以单片机STM32F407为控制器,以FPGA和CPLD为主要数据处理单元完成各路光纤的纤序识别功能,操作终端生成自动对纤结果的报表并保存以备日后维修。整机产品经过实际测试,能够满足10～200 km中短距离或300 km长距离光缆的纤序识别,检测光功率信号在40 dB动态范围内,并且48路光纤的自动对纤时间控制在5 min之内,纤序识别率达到100%。