［許耀順 張豪杰 朱建 黨志俊 康悅 劉福生 張志鵬 彭欣雅 劉志華 李飛彬］

1 引言

隨著通信技術(shù)[1]的迅速發(fā)展和人工智能（Artificial intelligence,AI）的普及應(yīng)用，光纖通信[2]作為一種高速、大容量的傳輸介質(zhì)，得到了廣泛應(yīng)用。光纖網(wǎng)絡(luò)的建設(shè)對運(yùn)營商來說至關(guān)重要，涉及到大量的光纜和分纖箱。其中，在集團(tuán)客戶（簡稱集客）業(yè)務(wù)[3]施工質(zhì)量檢測中，光纜分纖箱的接地情況智能識別對于運(yùn)營商集客業(yè)務(wù)具有重要的意義。首先，光纜分纖箱接地可以降低設(shè)備的漏電和雷擊風(fēng)險，確保網(wǎng)絡(luò)設(shè)備的安全運(yùn)行,提高網(wǎng)絡(luò)的穩(wěn)定性和可靠性。最后，通過保障光纜分纖箱接地，運(yùn)營商可以提供穩(wěn)定、可靠、安全的網(wǎng)絡(luò)服務(wù)，提高客戶滿意度，吸引更多的客戶保持長期合作關(guān)系。

2 傳統(tǒng)光纜分纖箱的接地識別巡檢方式的痛點(diǎn)

目前，傳統(tǒng)的運(yùn)營商集客業(yè)務(wù)施工質(zhì)量檢測,如光纜分纖箱[4]的接地識別，主要采用人工檢測的方式，該巡檢方式痛點(diǎn)問題突出。首先，人工巡檢規(guī)程不統(tǒng)一。傳統(tǒng)的人工巡檢規(guī)程不統(tǒng)一，易出現(xiàn)人工漏檢、錯檢導(dǎo)致巡檢數(shù)據(jù)失真的情況。其次，紙質(zhì)巡檢單易丟失。人工記錄容易發(fā)生疏漏，且紙質(zhì)化表單不易保存、管理、分析，查詢歷史數(shù)據(jù)繁瑣。最后，人工巡檢方式效率低、成本高。因此，亟待將高新技術(shù)與集客業(yè)務(wù)施工實(shí)際場景深度融合，采用智能化的巡檢方式，解決當(dāng)前痛點(diǎn)問題。

3 光纜分纖箱的接地識別智能化巡檢解決方案

針對當(dāng)前光纜分纖箱接地識別巡檢方式的痛點(diǎn)，提出一種光纜分纖箱的接地識別智能化巡檢解決方案。該解決方案是基于AI技術(shù)和圖像處理算法的一種創(chuàng)新解決方案，通過提出規(guī)范且統(tǒng)一的運(yùn)營商集客業(yè)務(wù)AI質(zhì)檢流程，實(shí)現(xiàn)自動準(zhǔn)確識別光纜分纖箱的接地狀態(tài)。提出如下AI質(zhì)檢流程：在運(yùn)營商現(xiàn)有的任意系統(tǒng)接入本解決方案提出的AI技術(shù)，施工人員可在分纖箱接地的施工現(xiàn)場，通過手機(jī)拍攝采集施工完成后的接地圖片，系統(tǒng)便會自動生成對應(yīng)的施工質(zhì)量質(zhì)檢結(jié)果，判斷光纜分纖箱是否接地。此解決方案通過制定標(biāo)準(zhǔn)化作業(yè)流程，減少施工人員誤操作、漏操作，提高施工作業(yè)規(guī)范和質(zhì)量。施工全過程可溯，管理人員可實(shí)時掌握現(xiàn)場信息及員工作業(yè)信息，精準(zhǔn)管理。本節(jié)將重點(diǎn)介紹解決方案的核心創(chuàng)新部分：新型識別接地狀態(tài)AI技術(shù)。

3.1 光纜分纖箱接地的判定

分纖箱接地指分纖箱存在線纜并與地面相連。而分纖箱未接地則包括分纖箱無線纜、分纖箱有線纜但未接地兩種情況。圖1給出了光纜分纖箱接地的判定示例圖。其中，（a）圖是分纖箱未接地-沒有線纜示例圖，（b）圖是分纖箱未接地-存在線纜但未接地示例圖、（c）圖是分纖箱接地-存在線纜并接地示例圖。

圖1 光纜分纖箱接地的判定示例圖

3.2 新型圖像識別分纖箱接地狀態(tài)的AI技術(shù)的基本原理

本小節(jié)介紹新型圖像識別接地狀態(tài)AI技術(shù)的基本原理。傳輸設(shè)備以分纖箱為例，其余傳輸設(shè)備均可借鑒本方法。AI識別光纜分纖箱是否接地本質(zhì)上是一種異常檢測，但它不同于一般的異常檢測，存在一定的技術(shù)困難：（1）在一般的異常檢測，檢測部位具有明顯的易區(qū)分點(diǎn)，易于識別，但接地線的接地位置很小且細(xì)，因此不易于直接目標(biāo)檢測。（2）地面是一個不規(guī)則，種類繁多，沒有固定統(tǒng)一形態(tài)的物體，因此不易于直接目標(biāo)檢測。

基于以上難點(diǎn)，創(chuàng)新提出結(jié)合先驗(yàn)知識的方法，即結(jié)合分纖箱的結(jié)構(gòu)信息。在分纖箱接地識別中，結(jié)構(gòu)信息是指輸入圖片通常包含以下內(nèi)容：分纖箱、線纜、背景和地面。根據(jù)上述特點(diǎn)，提出一種自上而下的檢測方法。檢測方法主要分為3個步驟，步驟一，利用YOLOv5目標(biāo)檢測算法識別分纖箱和線纜是否存在。步驟二，先在整體圖像中聚焦目標(biāo)區(qū)域，即通過分割出線纜區(qū)域和接地區(qū)域，把困難的微小目標(biāo)檢測問題轉(zhuǎn)換成容易的大目標(biāo)檢測問題。步驟三，在分割出的大目標(biāo)區(qū)域進(jìn)行接地檢測識別。該檢測方法主要有以下兩點(diǎn)好處：（1）提高算法魯棒性。由于尺寸較小的目標(biāo)物體很難目標(biāo)檢測，于是將小目標(biāo)檢測轉(zhuǎn)換為大目標(biāo)檢測，很好地提高了目標(biāo)檢測的準(zhǔn)確性和魯棒性。（2）很好地去除背景等噪聲對接地檢測的影響。

步驟一，利用YOLOv5目標(biāo)檢測算法識別分纖箱和線纜是否存在。若檢測出分纖箱不存在，則直接輸出分纖箱不存在的結(jié)果；若檢測分纖箱存在，線纜不存在，直接輸出分纖箱未接地的結(jié)果；若分纖箱和線纜檢測都存在，則進(jìn)入步驟二。

在步驟二中，如何在整體圖像中分割出利于步驟二接地檢測的線纜區(qū)域和接地區(qū)域，是一個值得思考的難題。解決方案提出基于SOLO（Segmenting Objects by Locations，按位置分割對象）算法分割輸入圖像，提出了一種良好的分割方案。分割的思路來源于，對于未接地圖片而言，線纜區(qū)域和接地區(qū)域均是處于墻面背景之下，因此兩張分割圖片的顏色直方圖相似度較高。而對于接地圖片而言，線纜區(qū)域和接地區(qū)域是處于不同背景之下，一個是墻面背景，一個是地面背景，因此兩張分割圖片的顏色直方圖相似度較低。于是，在步驟二中，可通過比較分割出的線纜區(qū)域和接地區(qū)域相似度來判定分纖箱是否接地。但考慮到分纖箱所在的背景墻面可能存在變化，也會導(dǎo)致未接地圖片的線纜區(qū)域和接地區(qū)域是處于不同墻面背景之下。于是，需要擴(kuò)展圖片b的長度，將圖片b的終點(diǎn)設(shè)定為地面開始之后的200個像素點(diǎn)處，得到圖片c。

具體地，線纜區(qū)域分割方案是，分割起點(diǎn)是分纖箱下方，終點(diǎn)是線纜結(jié)束點(diǎn)，分割寬度和分纖箱寬度保持一致，將分割得到的線纜區(qū)域命名為圖片a。接地區(qū)域分割方案是，分割起點(diǎn)是線纜結(jié)束點(diǎn)，終點(diǎn)取200個像素點(diǎn)，寬度和接地線寬度保持一致，將分割得到的線纜區(qū)域命名為圖片b。最后，將圖片b擴(kuò)展，終點(diǎn)設(shè)定為地面開始之后的200個像素點(diǎn)處，得到圖片c。

步驟三，在分割出的大目標(biāo)區(qū)域進(jìn)行接地檢測識別。分別計算圖片a和b、圖片a和c顏色直方圖的相似度，命名為相似度1和相似度2。對于未接地圖片而言，相似度1和相似度2相差較大，會超過閾值0.05。而對于接地圖片而言，相似度1和相似度2相差較小，不會超過閾值0.05。于是，若相似度1和相似度2的差距超過閾值0.05，便判定分纖箱未接地。若相似度1和相似度2的差距低于閾值0.05，便判定分纖箱接地。

圖2是新型識別分纖箱接地狀態(tài)的AI技術(shù)的整體流程示意圖。首先，采集分纖箱接地圖片，由YOLOv5目標(biāo)檢測算法識別出分纖箱位置和外界接地線位置。若分纖箱不存在，則直接輸出結(jié)果圖片為非分纖箱圖片；若分纖箱存在，外接接地線不存在，則判斷為未接地圖片；若分纖箱和線纜都存在，截取線纜區(qū)域，即圖片a；截取接地區(qū)域和接地擴(kuò)展區(qū)域，即圖片b和c，共3張圖片。然后，圖片a和b計算顏色直方圖相似度，得到相似度1；圖片a和c計算顏色直方圖相似度，得到相似度2。最后，判斷相似度1和相似度2是否高于未接地閾值，若低于未接地閾值，則判斷接地線接地；若高于未接地閾值，則判斷接地線未接地。

圖2 新型識別分纖箱接地狀態(tài)的AI技術(shù)的整體流程示意圖

圖3是分纖箱未接地的檢測過程示例圖。按照步驟二分割出圖片a～c，計算圖片a和圖片b顏色直方圖的相似度為0.183，圖片a和圖片c顏色直方圖的相似度為0.08，二者差值超過閾值0.05，則判定為分纖箱為未接地。圖4展示了分纖箱接地的檢測過程示例圖。按照步驟二分割出圖片a～c，計算圖片a和圖片b顏色直方圖的相似度為0.365，圖片a和圖片c顏色直方圖的相似度為0.339，二者差值低于閾值0.05，則判定為分纖箱為接地。

圖3 分纖箱未接地的檢測過程示例圖

圖4 分纖箱接地的檢測過程示例圖

3.3 新型識別分纖箱接地狀態(tài)的AI技術(shù)性能驗(yàn)證

3.3.1 試點(diǎn)測試情況

為了驗(yàn)證新型識別分纖箱接地狀態(tài)的AI技術(shù)的性能表現(xiàn)，本方案于2023年6月于廣州市各大集客業(yè)務(wù)施工現(xiàn)場試點(diǎn)應(yīng)用。解決方案所提出的新型識別分纖箱接地狀態(tài)的AI算法識別準(zhǔn)確率高達(dá)95.3%，具有很好的魯棒性。圖5是新型識別分纖箱接地狀態(tài)的AI算法檢測結(jié)果示例圖。此外，試點(diǎn)應(yīng)用解決方案所提出的規(guī)范且統(tǒng)一的運(yùn)營商集客業(yè)務(wù)AI質(zhì)檢流程，結(jié)果表面所提出的AI質(zhì)檢流程能有效降低運(yùn)維成本，減少不必要的人工巡檢成本，降低運(yùn)維成本高達(dá)30%。

圖5 新型識別分纖箱接地狀態(tài)的AI算法檢測結(jié)果示例圖

3.3.2 使用場景建議

解決方案通過廣州市集客業(yè)務(wù)施工質(zhì)量AI質(zhì)檢的試點(diǎn)，完成了解決方案的設(shè)計、算法的接入及測試。算法的識別準(zhǔn)確率等各項(xiàng)指標(biāo)均滿足預(yù)期，并取得良好效果。后續(xù)可廣泛適用于運(yùn)營商的集客業(yè)務(wù)施工質(zhì)檢中，其余傳輸設(shè)備的接地檢測均可借鑒本方案。

4 結(jié)束語

基于圖像識別技術(shù)的集客業(yè)務(wù)施工質(zhì)檢解決方案研究，通過在運(yùn)營商現(xiàn)有的任意系統(tǒng)接入本解決方案提出的AI技術(shù)，施工人員可在分纖箱接地的施工現(xiàn)場，通過手機(jī)拍攝采集施工完成后的接地圖片，系統(tǒng)便會自動生成對應(yīng)的施工質(zhì)量質(zhì)檢結(jié)果，判斷光纜分纖箱是否接地。此解決方案將高新技術(shù)與集客業(yè)務(wù)施工實(shí)際場景深度融合，采用線上化、智能化的巡檢方式，解決當(dāng)前人工巡檢規(guī)程不統(tǒng)一、紙質(zhì)巡檢單易丟失、人工巡檢作業(yè)效率低等核心問題，大大提升了巡檢效率，并有效節(jié)約了巡檢成本。

未來還可以考慮對本解決方案進(jìn)行一步迭代升級，結(jié)合集客業(yè)務(wù)網(wǎng)絡(luò)隱患AI巡檢與集客業(yè)務(wù)網(wǎng)絡(luò)滿意度AI預(yù)測等研究工作，有效提高客戶滿意度和運(yùn)營商品牌價值。