CN108682016B - 一种插纤识别方法及系统 - Google Patents

Abstract

本发明实施例涉及通信技术领域，公开了一种插纤识别方法及系统。其中所述的插纤识别方法，包括：获取所述光纤配线架的使用情况的初始图片；对所述初始图片进行预处理，得到预处理图片；根据所述预处理图片，确定所述预处理图片中的目标检测区域；将所述预处理图片中的目标检测区域分割成若干个小图片，每一所述小图片对应一光纤插孔，获取所述若干个小图片的像素；将所述像素与标准像素进行比对，确定每一光纤插孔的插纤情况，生成识别结果。通过上述方式，本发明实施例能够自动识别光纤配线架的使用情况，方便管理和监督操作员现场对光纤配线架的维护工作。

Description

一种插纤识别方法及系统

技术领域

本发明涉及通信技术领域，特别是涉及一种插纤识别方法及系统。

背景技术

目前运营商在部署光纤到户上网时有大量光纤配线架部署在街道边，楼道等地方。由于这些光纤配线架在户外，而且光纤的数量巨大，给运营商在管理，维护等方面带来了巨大的困难。

而目前运营商对光纤配线架的管理都只能靠人工贴标签纸来标识端口所对应的连接关系，再通过人工手动录入运营商的光纤资源管理系统。在光纤配线架刚开始部署时，开通光纤上网的用户还不多。但随着时间的推移，端口开通逐步增多，用户变更端口，开通/关闭端口等各种情况，导致经常发生实际端口使用情况和光纤资源管理系统中的数据不一致，给运营商的资源管理带来了巨大的挑战和浪费。

目前运营商需要派出大量的运维人员，对户外的光纤配线架进行维护。但由于对运维人员管理和监督的方法不能即时发现问题。最后还只能依靠人工的方式去重新清理光纤和端口的使用情况，再更新光纤资源管理系统中的数据。此种处理方法造成了人力物力的巨大浪费，所以运营商急需一种可以即时管理和监督运维人员现场工作和维护光纤配线架的方法。

基于此，本发明实施例提出一种插纤识别方法及系统，在运维人员在户外工作时，可以即时的监督其工作质量防止工程质量失控。在与运营商的光纤资源系统对接后，可以即时显示端口使用情况，并指示运维人员连接正确的端口，防止网络资源浪费，减少故障风险。由于运维人员所有的操作记录都在系统的后台有记录，因此可以更方便的追溯问题。

发明内容

本发明实施例旨在提供一种插纤识别方法及系统，其实现了能够自动识别光纤配线架的使用情况，方便管理和监督操作员现场对光纤配线架的维护工作。

本发明实施例提供以下技术方案：

第一方面，本发明实施例提供一种插纤识别方法，应用于插纤识别系统，所述插纤识别系统包括至少一个光纤配线架，所述光纤配线架设置有若干个光纤插孔和/或防尘帽，其特征在于，所述方法包括：

获取所述光纤配线架的使用情况的初始图片；

对所述初始图片进行预处理，得到预处理图片；

根据所述预处理图片，确定所述预处理图片中的目标检测区域；

将所述预处理图片中的目标检测区域分割成若干个面积相等的小图片，每一所述小图片对应一光纤插孔，获取每一所述小图片的每一像素的HSV颜色空间各分量的值，并确定目标像素；

根据每一所述小图片的目标像素的数量，确定每一光纤插孔的插纤情况，并生成识别结果。

在一些实施例中，所述光纤配线架的四个角分别设置有标记红点，所述HSV颜色空间各分量包括色调、饱和度以及明暗度，所述方法还包括：

多次获取所述光纤配线架的使用情况的样本图片；

对所述样本图片进行样本训练,确定所述样本图片的标记红点和防尘帽的色调、饱和度以及明暗度的值的合理范围。

在一些实施例中，所述获取每一所述小图片的每一像素的HSV颜色空间各分量的值，并确定目标像素，包括：

确定每一所述小图片的每一像素的HSV颜色空间各分量的值，若所述像素的色调、饱和度以及明暗度的值均位于所述防尘帽色调、饱和度以及明暗度的值的合理范围内，则将该像素确定为目标像素。

在一些实施例中，所述根据每一所述小图片的目标像素的数量，确定每一光纤插孔的插纤情况，包括：

确定每一所述小图片的目标像素的数量和总像素的数量；

预设百分比阈值，若所述目标像素的数量占所述总像素的数量的百分比大于所述百分比阈值，则确定所述小图片对应的光纤插孔存在防尘帽。

在一些实施例中，所述对所述初始图片进行预处理，得到预处理图片，包括：

将所述初始图片从RGB格式转为HSV格式，并生成灰度图片；

获取所述灰度图片的明暗度；

根据所述明暗度，调整所述灰度图片的亮度；

对调整后的灰度图片进行噪声过滤。

在一些实施例中，所述获取所述灰度图片的明暗度，包括：

将所述灰度图片分割成若干个固定像素的小图片；

统计所述若干个固定像素的小图片的明暗度的均值，将所述均值确定为所述灰度图片的明暗度。

在一些实施例中，所述根据所述明暗度，调整所述灰度图片的亮度，包括：

将所述明暗度的均值比对所述样本训练后的明暗度的合理范围的最大值和最小值的平均值；

若所述明暗度的均值大于所述样本训练后的明暗度的合理范围的最大值和最小值的平均值，则降低亮度；

若所述明暗度的均值小于所述样本训练后的明暗度的合理范围的最大值和最小值的平均值，则增加亮度。

在一些实施例中，所述调整所述灰度图片的亮度，包括：

将所述若干个固定像素的小图片的亮度全部调整为所述样本训练后的明暗度的合理范围的最大值和最小值的平均值。

在一些实施例中，所述根据所述预处理图片，确定所述预处理图片中的目标检测区域，包括：

根据所述预处理图片，识别所述光纤配线架的四个角的标记红点，并确定所述标记红点的位置；

将所述标记红点进行连接，将所述标记红点连接后形成的区域确定为所述预处理图片中的目标检测区域。

在一些实施例中，所述确定所述预处理图片中的目标检测区域步骤后，所述方法还包括：

对所述预处理图片中的目标检测区域进行畸变校正。

在一些实施例中，所述方法还包括：

将所述识别结果发送到操作员的移动终端；

接收所述操作员通过所述移动终端发送的调整指令；

根据所述调整指令，调整所述识别结果。

第二方面，本发明实施例提供一种插纤识别系统，所述系统包括：

运营商业务管理系统，用于记录光纤配线架的插纤情况；

光纤管理系统，连接所述运营商业务管理系统，用于通过分析图片来记录光纤配线架的插纤情况并比对所述运营商业务管理系统中的光纤配线架的插纤情况；所述光纤管理系统包括：云服务器，所述云服务器包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法；

光纤配线架，设置有若干个光纤插孔，每一所述光纤插孔连接光纤或防尘帽；

移动终端，连接光纤管理系统，用于发送图片到所述光纤管理系统并接收所述光纤管理系统发送的信息。

本发明实施例的有益效果是：区别于现有技术的情况下，本发明实施例提供的一种插纤识别方法，获取所述光纤配线架的使用情况的初始图片；对所述初始图片进行预处理，得到预处理图片；根据所述预处理图片，确定所述预处理图片中的目标检测区域；将所述预处理图片中的目标检测区域分割成若干个小图片，每一所述小图片对应一光纤插孔，获取所述若干个小图片的像素；将所述像素与标准像素进行比对，确定每一光纤插孔的插纤情况，生成识别结果。通过上述方式，本发明实施例能够自动识别光纤配线架的使用情况，方便管理和监督操作员现场对光纤配线架的维护工作。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本发明实施例提供的一种光纤配线架的示意图；

图2是本发明实施例提供的一种光纤配线架的样本图；

图3是本发明实施例提供的一种插纤识别方法的流程示意图；

图4是图3中的步骤S20的细化方法流程图；

图5是本发明实施例提供的一种HSV颜色空间模型示意图；

图6是本发明实施例提供的一种标记点的示意图；

图7是本发明实施例提供的一种图片倾斜方式的示意图；

图8是本发明实施例提供的一种插纤识别系统的结构示意图；

图9是本发明实施例提供的一种云服务器的结构示意图；

图10是本发明实施例提供的一种移动终端的示意图。

参见图1至图10,100、插纤识别系统；10、运营商业务管理系统；20、光纤配线架；21、标记红点；22、防尘帽；30、光纤管理系统；31、云服务器；311、处理器；312、存储器；40、移动终端；41、显示框；42、确认框；43、取消框。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

实施例1

请参阅图1，图1是本发明实施例提供的一种光纤配线架的示意图；

如图1所示，该光纤配线架包括多个光纤插孔，所述光纤插孔连接光纤或防尘帽，当所述光纤插孔上没有插上光纤时，所述光纤插孔将通过防尘帽来防止灰尘对光纤插孔的污染，保护光纤插孔。

请参阅图2，图2是本发明实施例提供的一种光纤配线架的样本图；

如图2所示，该光纤配线架20的四个角落分别贴有标记红点21，所述标记红点21用于定位所述光纤配线架20的光纤插孔所在的区域位置。通过定位所述光纤插孔所在的区域位置，确定目标检测区域，方便识别所述光纤插孔的插纤情况。其中，所述光纤配线架20包括多个光纤插孔，所述光纤插孔可能连接有光纤，也可能没有连接光纤，此时光纤插孔上连接有防尘帽22，所述防尘帽22用于保护所述光纤插孔。

请参阅图3，图3是本发明实施例提供的一种插纤识别方法的流程示意图。如图3所示，所述方法应用于插纤识别系统，所述插纤识别系统包括至少一个光纤配线架，所述光纤配线架设置有若干个光纤插孔和/或防尘帽，所述方法包括：

步骤S10：获取所述光纤配线架的使用情况的初始图片；

其中，所述初始图片来自操作员通过手机拍摄的图片，通过接收所述操作员发送的图片，获取所述光纤配线架的使用情况的初始图片，其中，还可以将操作员现场拍摄的图片上传至云服务器存档，方便后期对照查验该光纤配线架的使用情况。将所述操作员上传的图片进行存档，并根据时间顺序对所述图片进行更新，以确认操作员上传的图片为最新的图片，有利于实时确定操作员的操作，方便掌握光纤配线架的最新使用情况。

步骤S20：对所述初始图片进行预处理，得到预处理图片；

其中，由于操作员现场拍摄的图片并非是标准的图片，存在许多因素会影响图片的质量，比如：图片分辨率、对焦程度、是否抖动、是否逆光、是否过渡曝光、光照强度，以及等等。由于这些因素不可避免的存在，会影响识别结果的准确率，因此需要对所述初始图片进行预处理，得到预处理图片。

具体的，请参阅图4，图4是图3中的步骤S20的细化方法流程图；如图4所示，预处理过程包括：

步骤S201：将所述初始图片从RGB格式转为HSV格式，并生成灰度图片；

其中，RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色。而HSV是针对用户观感的一种颜色模型，侧重于色彩表示，包括：色调(H)、饱和度(S)、明暗度(V)。通过将操作员拍摄的RGB原始图片转成HSV图片，并且将所述HSV图片中的饱和度S设置为0，进而可以生成灰度图片。

步骤S202：获取所述灰度图片的明暗度；

其中，所述灰度图片的明暗度通过对所述灰度图片进行分割后求平均值的方式确定。具体的，将所述灰度图片分割成若干个固定像素的小图片；统计所述若干个固定像素的小图片的明暗度的均值，将所述均值确定为所述灰度图片的明暗度。例如：可以将所述灰度图片分割成N个8*8像素的小图片，分别计算每一小图片的明暗度，将所有小图片的明暗度进行相加后求平均，将计算得到的均值作为所述灰度图片的明暗度。通过求均值的方式确定所述灰度图片的明暗度，可以使所述灰度图片的明暗度的值更为均衡。或者，还可以通过遍历每个小图片的明暗度，获取所有小图片的明暗度分布图，通过所述明暗度分布图，确定所述灰度图片的明暗度。例如：可以将所述明暗度分布图的中位数确定为所述灰度图片的明暗度。

步骤S203：根据所述明暗度，调整所述灰度图片的亮度；

其中，所述光纤配线架的四个角分别设置有一标记红点，所述HSV颜色空间各分量包括色调、饱和度以及明暗度，所述方法还包括：

多次获取所述光纤配线架的使用情况的样本图片；

对所述样本图片进行样本训练,确定所述样本图片的标记红点和防尘帽的色调、饱和度以及明暗度的值的合理范围。

具体的，将标记红点制作成红色小贴纸，贴在光纤配线架的四个角，通过模拟真实环境，拍摄足够多的照片。由于不同真实环境下拍摄照片变化的因素不同，比如：是否逆光、白天或夜晚、光线强弱、不同分辨率的手机镜头、是否有噪点、拍摄是否抖动，以及等等。各种不同的因素都可能导致不同的识别结果。因此，为了避免各种因素的干扰，模拟真实环境后多次获取所述光纤配线架的使用情况的样本图片，并确定有效样本图片，通过采集每张有效样本图片的标记红点和防尘帽的HSV颜色空间各分量的值，可以确定所述样本图片的标记红点和防尘帽的色调、饱和度以及明暗度的值的合理范围。

具体的，所述确定合理范围的过程包括：

请参阅图5，图5是本发明实施例提供的一种HSV颜色空间模型示意图；

如图5所示，H表示色调，其中，H是在顶面从红色开始按逆时针方向计算的夹角，0°表示红色，那么从品红到黄色中间的部分都属于红色。V表示明暗度，是从0.0黑的原点到1.0白的顶点的距离，用0-255向上递增来表示。S表示饱和度，从顶面圆心1.0白开始，向边缘延伸出去的半径，用0-255表示。

根据光纤配线架四个角的红色标记贴纸或标记红点所组成的长方形区域内的防尘帽的颜色来判断是否有插纤。红色标记贴纸和防尘帽是红色的，但是该颜色会由于拍摄角度、周围光线亮度、手机镜头分辨率、噪点是否存在、拍摄是否抖动等差异造成拍摄到的颜色和生产贴纸和防尘帽所用的颜色不同。所以判断图像中一小块区域是否是防尘帽，不能通过某个固定的色值来判断，而是通过某个颜色的范围，属于这个合理范围之内的颜色，就判断是防尘帽。因此，通过HSV颜色空间去识别防尘帽，需要得到红色的HSV各个分量(色调H，饱和度S，明暗度V)的合理范围。例如：收集1000张图片，测量各种情况下红色所在颜色空间的范围，得到色调H、饱和度S、明暗度V三个分量的最大值和最小值，得出红色所在的颜色空间的合理范围，用hmin表示色调H的最小值、hmax表示色调H的最大值、smin表示饱和度S的最小值、smax表示饱和度S的最大值、vmin表示明暗度V的最小值、vmax表示明暗度V的最大值。通过确定色调H的最小值hmin和最大值hmax，可以确定色调的合理范围；通过确定饱和度S的最小值smin和最大值smax，可以确定饱和度的合理范围；通过确定明暗度V的最小值vmin和最大值vmax，可以确定明暗度的合理范围。例如：正常情况下，色调H的范围是0-20和312-360这两个区间，饱和度S的范围是43-255，明暗度V的范围是46-255。通过样本训练，可以确定所述图片的HSV颜色空间的色调、饱和度以及明暗度的合理范围。

其中，所述根据所述明暗度，调整所述灰度图片的亮度，包括：将所述明暗度的均值比对所述样本训练后的明暗度的合理范围的最大值和最小值的平均值。具体的，将计算得到的灰度图片的明暗度的均值与样本训练后的明暗度的合理范围的最大值和最小值的平均值进行比较，若所述明暗度的均值大于所述样本训练后的明暗度的合理范围的最大值和最小值的平均值，则降低亮度；若所述明暗度的均值小于所述样本训练后的明暗度的合理范围的最大值和最小值的平均值，则增加亮度。其中，调整所述灰度图片的亮度包括：将所述若干个固定像素的小图片的亮度全部调整为所述样本训练后的明暗度的合理范围的最大值和最小值的平均值，从而调整所述灰度图片的亮度。或者，还可以调整所述灰度图片的对比度，以及等等。

步骤S204：对调整后的灰度图片进行噪声过滤。

其中，图片的噪声一般分为椒盐噪声和高斯噪声。椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。滤除椒盐噪声比较有效的方法是对信号进行中值滤波处理。中值滤波是指将一个像素的值用该像素邻域中强度值的中间值来取代。具体方法：取3*3像素为一个小图片，取每个3*3小图片中亮度的中间值作为小图片中间像素的亮度值，依次遍历整个图片。

高斯噪声是指概率密度函数服从高斯分布(即正态分布)的一类噪声。滤除高斯噪声可用高斯滤波算法。高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。高斯滤波(Gauss filter)实质上是一种信号的滤波器，其用途为信号的平滑处理，数字图像用于后期应用，其噪声是最大的问题，因为误差会累计传递等原因，通过Gauss滤波器，用于得到信噪比SNR较高的图像(反应真实信号)。通过高斯平滑滤波器进行处理，对于抑制服从正态分布的噪声非常有效。

步骤S30：根据所述预处理图片，确定所述预处理图片中的目标检测区域；

其中，所述预处理图片中包括光纤配线架的四个角的标记红点，根据所述预处理图片，识别所述光纤配线架的四个角的标记红点，并确定所述标记红点的位置，确定所述标记红点的位置后，将所述标记红点进行连接，将所述标记红点连接后形成的区域确定为所述预处理图片中的目标检测区域。可以理解的是，只有在全部识别到四个所述标记红点后，才会对所述标记红点进行连线，并确定所述标记红点连接后形成的区域为所述预处理图片中的目标检测区域。

具体的，通过样本训练获取光纤配线架的四个角的标记红点的HSV颜色空间各分量的值的合理范围，将所述预处理图片上各个像素的HSV颜色空间的色调分量和样本训练得到的色调分量的合理范围作比较，不在所述合理范围内的像素就删除，得到符合颜色的4个标记形状图案，请参阅图6，图6是本发明实施例提供的一种标记点的示意图，如图6所示，所述4个标记形状图案即为所述标记红点21。通过将所述4个标记红点21进行连接，将所述标记红点21连接后形成的区域确定为所述预处理图片中的目标检测区域。

其中，在确定所述预处理图片中的目标检测区域步骤后，所述方法还包括：对所述预处理图片中的目标检测区域进行畸变校正。

具体的，理想情况下，拍摄的图片应该是一个矩形框，但是实际中，由于拍摄者手机摄像头的位置和角度的关系，往往拍摄的都是倾斜畸变的图片。一般情况下,可以将倾斜的光纤配线架的图像近似看成一个平行四边形,其中，请参阅图7，图7是本发明实施例提供的一种图片倾斜方式的示意图；

如图7所示，一般图片有三种倾斜方式:水平倾斜、垂直倾斜和混合倾斜。水平倾斜时字符本身没有发生错切,光纤配线架的目标检测区域的主轴与图像的水平轴之间有一个倾斜角度α,只需求出α,把整个图像旋转-α即可。垂直倾斜图像的倾斜实际上是光纤配线架的目标检测区域同一行间像素的错位偏移。只要检测到垂直倾斜角度β进行错位偏移校正即可。混合倾斜图像,既存在水平倾斜又存在垂直倾斜,在实际校正中,先进行水平倾斜校正,在此基础上再进行垂直倾斜校正。通过确定图片的水平倾斜角度与垂直倾斜角度，方便对图片进行相应的调整，使预处理图片中的目标检测区域转换为一个标准的矩形，有利于后续对目标检测区域的分割。

其中，所述对所述预处理图片中的目标检测区域进行畸变校正，还包括：对所述预处理图片中的目标检测区域进行Radon变换，其中，Radon变换的思想是沿一条特定的直线求函数的积分，并将得到的积分值投影到Radon变换平面上，而积分值在Radon变换平面上的位置由直线与原平面原点的距离及倾斜角度所决定。为了构造Radon变换的平面，需要将原始函数沿图像平面内所有可能的直线(包括到原点距离不同和倾斜角度不同的直线)进行积分，然后将沿直线积分所得到的积分值投影到变换平面上对应的点。相应地，如果图像内包含有一条直线，则沿着这条直线积分时所得到的积分值最大，而其它积分方式所得到的积分值就相对较小。通过这一特性，可以用来检测图像中的直线。为提高计算速度，可通过估计图像倾斜角度范围来限定最终倾斜角度的范围，减小计算量。此外，还可以通过对Radon变换求得的积分值进行排序，选取不小于最大积分值的80％的积分值，获得其对应的倾斜角度，取其平均值作为最终倾斜角度。

通过Radon变换得到的最终倾斜角度，进行图像变换，变换方法如下：

先根据旋转角度和旋转中心获取旋转矩阵；然后根据旋转矩阵进行仿射变换，即可实现任意角度和任意中心的旋转效果。例如：可以通过对预处理图片进行45度的顺时针旋转，可以通过OpenCV图像库来实现旋转变换。

通过对预处理图片中的目标检测区域进行畸变校正，可以得到一标准的矩形图片，方便对所述目标检测区域进行分割。

步骤S40：将所述预处理图片中的目标检测区域分割成若干个面积相等的小图片，每一所述小图片对应一光纤插孔，获取每一所述小图片的每一像素的HSV颜色空间各分量的值，并确定目标像素；

具体的，通过将畸变校正之后的目标检测区域的图片进行裁剪，将所述预处理图片中的目标检测区域分割成若干个面积相等的小图片，每一所述小图片对应一光纤插孔，所述光纤插孔对应光纤或防尘帽。通过获取每一所述小图片的每一像素的HSV颜色空间各分量的值，包括：色调、饱和度以及明暗度的值，可以确定目标像素。具体的，确定所述每一所述小图片的每一像素的HSV颜色空间各分量的值，若所述像素的色调、饱和度以及明暗度的值均位于所述防尘帽的色调、饱和度以及明暗度的值的合理范围内，则将该像素确定为目标像素。通过遍历所述小图片的全部像素，可以进一步确定每一所述小图片的目标像素的数量。

具体的，由于光纤配线架上的光纤插孔横竖都是12个规则矩形，因此可以将畸变校正之后的目标检测区域的图片进行裁剪，变成144个大小相同的矩形小图片。

步骤S50：根据每一所述小图片的目标像素的数量，确定每一光纤插孔的插纤情况，并生成识别结果。

具体的，确定每一所述小图片的目标像素的数量和总像素的数量；

预设百分比阈值，若所述目标像素的数量占所述总像素的数量的百分比大于所述百分比阈值，则确定所述小图片对应的光纤插孔存在防尘帽。例如：预设百分比阈值为70％，若所述目标像素的数量的个数大于或等于所述小图片的总像素的70％,则确认所述小图片对应的光纤插孔上没有插上光纤且存在防尘帽，当所述目标像素的数量的个数小于所述小图片的总像素的70％，则确认所述小图片对应的光纤插孔上不存在防尘帽，此时所述光纤插孔可能已插上光纤或者没有插上光纤且不存在防尘帽。具体的，通过遍历分割后的全部144个矩形小图片的目标像素与总像素的比例，可以全部确定144个光纤插孔是否存在防尘帽。其中，还可以通过获取所述若干个小图片的防尘帽的颜色所占的百分比，进一步确定所述光纤插孔是否存在防尘帽。

当对所有的小图片进行识别后，将确定每一光纤插孔的插纤情况，并生成识别结果。其中，还可以将所述识别结果发送到操作员的移动终端，其中，所述移动终端可以为手机、平板电脑，以及等等。在本发明实施例中，所述移动终端以手机为例进行阐述，其中，所述手机包括一移动终端，所述移动终端接收到所述识别结果后，将在手机屏幕上显示所述识别结果。具体的，由于光纤配线架上的光纤插孔横竖都是12个规则矩形，因此可以在移动终端上生成横竖都是12排的二维表，将所述光纤配线架的各个光纤插孔的插纤情况输出到所述二维表中。

由于自动识别过程受到很多因素的干扰，往往会导致识别结果不能保证完全正确，因此在移动终端上允许操作员手动根据实际情况调整自动识别的结果。具体的，操作员通过手机屏幕观察所述识别结果后，若发现识别结果与实际情况有所不符，所述操作员可以通过所述移动终端直接修改所述识别结果。具体的，所述操作员可以通过操作指令来调整识别结果，通过接收所述操作员通过移动终端发送的调整指令，根据所述调整指令，调整所述识别结果。若一次调整后的识别结果仍不完全正确，可以通过二次接收所述操作员通过所述移动终端发送的调整指令，根据所述调整指令，二次调整所述识别结果。当操作员手动调整结束后，将发送确认命令，通过接收所述操作员发送的确认命令，将更新所述识别结果，并在云服务器上进行备份更新，方便后台的光纤管理系统查看所述光纤配线架的识别情况。其中，所述光纤管理系统还可以将操作员提交的光纤配线架的插纤情况与运营商业务管理系统中的光纤配线架的识别情况进行一一比对，若存在插纤情况不一致，则通过所述移动终端显示错误提醒，以使所述操作员确定是否已正确操作。

在本发明实施例中，通过获取所述光纤配线架的使用情况的初始图片；对所述初始图片进行预处理，得到预处理图片；根据所述预处理图片，确定所述预处理图片中的目标检测区域；将所述预处理图片中的目标检测区域分割成若干个面积相等的小图片，每一所述小图片对应一光纤插孔，获取每一所述小图片的每一像素的HSV颜色空间各分量的值，并确定目标像素；根据每一所述小图片的目标像素的数量，确定每一光纤插孔的插纤情况，并生成识别结果。通过上述方式，本发明实施例能够自动识别光纤配线架的使用情况，方便管理和监督操作员现场对光纤配线架的维护工作。

实施例2

请参阅图8，图8为本发明实施例提供的一种插纤识别系统的结构示意图，如图8所示，该插纤识别系统100包括：运营商业务管理系统10、光纤配线架20、光纤管理系统30以及移动终端40。

其中，所述运营商业务管理系统10，用于记录光纤配线架20的插纤情况，所述运营商业务管理系统10是运营商方的管理系统，该运营商业务管理系统10记录了每一光纤的连接情况以及端口使用的情况。

其中，所述光纤配线架20包括多个光纤插孔，每一光纤插孔连接光纤或防尘帽。所述光纤配线架20还包括柜门，所述柜门用于保护所述光纤配线架20。

其中，所述光纤管理系统30，连接所述运营商业务管理系统10，用于通过分析图片来记录光纤配线架20的插纤情况并比对所述运营商业务管理系统10中的光纤配线架20的插纤情况；通过对接运营商业务管理系统10，可以指示操作员如何跳接正确的光纤端口。

具体的，所述光纤管理系统30包括：云服务器31，

所述云服务器31包括：

至少一个处理器311；以及，

与所述至少一个处理器通信连接的存储器312；其中，

所述存储器312存储有可被所述至少一个处理器311执行的指令，所述指令被所述至少一个处理器311执行，以使所述至少一个处理器311能够执行上述的插纤识别方法。

请参阅图9，图9是本发明实施例提供的一种云服务器的结构示意图；

如图9所示，该云服务器31包括一个或多个处理器311以及存储器312。其中，图9中以一个处理器311为例。

处理器311和存储器312可以通过总线或者其他方式连接，图9中以通过总线连接为例。

存储器312作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器311通过运行存储在存储器312中的非易失性软件程序、指令以及模块，从而执行插纤识别方法的各种功能应用以及数据处理，即实现上述方法实施例插纤识别方法以及上述装置实施例的各个模块和单元的功能。

存储器312可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器312可选包括相对于处理器311远程设置的存储器，这些远程存储器可以通过网络连接至处理器311。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述模块存储在所述存储器312中，当被所述一个或者多个处理器311执行时，执行上述任意方法实施例中的插纤识别方法，例如，执行以上描述的图3或图4所示的各个步骤。

请参阅图10，图10是本发明实施例提供的一种移动终端的示意图。

如图10所示，该移动终端40包括一显示界面，所述移动终端40安装有手机APP，所述显示界面用于呈现手机APP的显示内容，具体的，所述手机APP可以包括多个显示框41、确认框42以及取消框43，其中，所述显示框41的数量与所述光纤配线架的光纤插孔的数量相同，并且所述显示框41的分布与所述光纤配线架的光纤插孔的分布相同，例如：所述光纤配线架的光纤插孔的分布为12*12的排列，那么所述移动终端40的显示框41的分布也为12*12的排列。具体的，在移动终端上生成横竖都是12排的二维表，将所述光纤配线架的各个光纤插孔的插纤情况输出到所述二维表中。其中，所述显示框41的显示有两种状态，第一种为白色填充状态，第二种为黑色填充状态，所述白色填充状态代表该光纤插孔为连接光纤的状态，所述黑色填充状态代表该光纤插孔为连接防尘帽状态。通过白色填充和黑色填充两种状态，方便操作员通过移动终端40直观地了解光纤配线架的插纤情况。并且，所述显示框41可以通过操作员人为修改其状态，例如操作员可以通过点击所述显示框41将所述显示框41从白色填充状态变为黑色填充状态，代表操作员将所述光纤插孔的插纤情况从连接光纤变为连接防尘帽。其中，所述手机APP可以运行于Android系统或iOS系统，通过调用系统的摄像头，可以通过摄像头进行拍照获取光纤配线架的初始图片。

其中，所述移动终端40的显示界面上还设置有确认框42和取消框43，所述确认框42用于在操作员更改显示框41的显示状态后进行确认，所述移动终端40将发送确认命令到所述光纤管理系统，所述光纤管理系统将更新所述光纤配线架的插纤情况，并将更新后的插纤情况与所述运营商业务管理系统的插纤情况进行比对。所述取消框43用于取消所述操作员更改所述显示框41的显示状态的操作。

本发明实施例还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图9中的一个处理器311，可使得上述一个或多个处理器可执行上述任意方法实施例中的插纤识别方法，例如，执行上述任意方法实施例中的插纤识别方法，例如，执行以上描述的图3或图4所示的各个步骤。

以上所描述的装置或设备实施例仅仅是示意性的，其中所述作为分离部件说明的单元模块可以是或者也可以不是物理上分开的，作为模块单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用直至得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (12)

1.一种插纤识别方法，应用于插纤识别系统，所述插纤识别系统包括至少一个光纤配线架，所述光纤配线架设置有若干个光纤插孔，每一光纤插孔连接或不连接防尘帽，其特征在于，所述方法包括：

获取所述光纤配线架的使用情况的初始图片；

对所述初始图片进行预处理，得到预处理图片；

根据所述预处理图片，确定所述预处理图片中的目标检测区域；

将所述预处理图片中的目标检测区域分割成若干个面积相等的小图片，每一所述小图片对应一光纤插孔，获取每一所述小图片的每一像素的HSV颜色空间各分量的值，并确定目标像素；

根据每一所述小图片的目标像素的数量，确定每一光纤插孔是否连接防尘帽的情况，并生成识别结果。

2.根据权利要求1所述的插纤识别方法，其特征在于，所述光纤配线架的四个角分别设置有一标记红点，所述HSV颜色空间各分量包括色调、饱和度以及明暗度，所述方法还包括：

多次获取所述光纤配线架的使用情况的样本图片；

对所述样本图片进行样本训练,确定所述样本图片的标记红点和防尘帽的色调、饱和度以及明暗度的值的合理范围。

3.根据权利要求2所述的插纤识别方法，其特征在于，所述获取每一所述小图片的每一像素的HSV颜色空间各分量的值，并确定目标像素，包括：

确定每一所述小图片的每一像素的HSV颜色空间各分量的值，若所述像素的色调、饱和度以及明暗度的值均位于所述防尘帽的色调、饱和度以及明暗度的值的合理范围内，则将该像素确定为目标像素。

4.根据权利要求3所述的插纤识别方法，其特征在于，所述根据每一所述小图片的目标像素的数量，确定每一光纤插孔是否连接防尘帽的情况，包括：

确定每一所述小图片的目标像素的数量和总像素的数量；

预设百分比阈值，若所述目标像素的数量占所述总像素的数量的百分比大于所述百分比阈值，则确定所述小图片对应的光纤插孔存在防尘帽。

5.根据权利要求2所述的插纤识别方法，其特征在于，所述对所述初始图片进行预处理，得到预处理图片，包括：

将所述初始图片从RGB格式转为HSV格式，并生成灰度图片；

获取所述灰度图片的明暗度；

根据所述明暗度，调整所述灰度图片的亮度；

对调整后的灰度图片进行噪声过滤。

6.根据权利要求5所述的插纤识别方法，其特征在于，所述获取所述灰度图片的明暗度，包括：

将所述灰度图片分割成若干个固定像素的小图片；

统计所述若干个固定像素的小图片的明暗度的均值，将所述均值确定为所述灰度图片的明暗度。

7.根据权利要求6所述的插纤识别方法，其特征在于，所述根据所述明暗度，调整所述灰度图片的亮度，包括：

将所述明暗度的均值比对所述样本训练后的明暗度的合理范围的最大值和最小值的平均值；

若所述明暗度的均值大于所述样本训练后的明暗度的合理范围的最大值和最小值的平均值，则降低亮度；

若所述明暗度的均值小于所述样本训练后的明暗度的合理范围的最大值和最小值的平均值，则增加亮度。

8.根据权利要求7所述的插纤识别方法，其特征在于，所述调整所述灰度图片的亮度，包括：

将所述若干个固定像素的小图片的亮度全部调整为所述样本训练后的明暗度的合理范围的最大值和最小值的平均值。

9.根据权利要求2所述的插纤识别方法，其特征在于，所述根据所述预处理图片，确定所述预处理图片中的目标检测区域，包括：

根据所述预处理图片，识别所述光纤配线架的四个角的标记红点，并确定所述标记红点的位置；

将所述标记红点进行连接，将所述标记红点连接后形成的区域确定为所述预处理图片中的目标检测区域。

10.根据权利要求1所述的插纤识别方法，其特征在于，所述确定所述预处理图片中的目标检测区域步骤后，所述方法还包括：

对所述预处理图片中的目标检测区域进行畸变校正。

11.根据权利要求1所述的插纤识别方法，其特征在于，所述方法还包括：

将所述识别结果发送到操作员的移动终端；

接收所述操作员通过所述移动终端发送的调整指令；

根据所述调整指令，调整所述识别结果。

12.一种插纤识别系统，其特征在于，所述系统包括：

运营商业务管理系统，用于记录光纤配线架是否插上光纤的情况；

光纤管理系统，连接所述运营商业务管理系统，用于通过分析图片来记录光纤配线架是否连接防尘帽的情况并比对所述运营商业务管理系统中的光纤配线架是否插上光纤的情况；所述光纤管理系统包括：云服务器，所述云服务器包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-11任一项所述的方法；

光纤配线架，设置有若干个光纤插孔，每一所述光纤插孔连接或不连接防尘帽；

移动终端，连接光纤管理系统，用于发送图片到所述光纤管理系统并接收所述光纤管理系统发送的信息。

Images