CN115987380B - 光时域反射仪的测试结果分析方法及系统 - Google Patents
光时域反射仪的测试结果分析方法及系统 Download PDFInfo
- Publication number
- CN115987380B CN115987380B CN202211372225.0A CN202211372225A CN115987380B CN 115987380 B CN115987380 B CN 115987380B CN 202211372225 A CN202211372225 A CN 202211372225A CN 115987380 B CN115987380 B CN 115987380B
- Authority
- CN
- China
- Prior art keywords
- test
- test result
- information
- optical cable
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 661
- 230000003287 optical effect Effects 0.000 title claims abstract description 311
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 38
- 239000000835 fiber Substances 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 16
- 238000013102 re-test Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims 1
- 238000000253 optical time-domain reflectometry Methods 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 17
- 238000005259 measurement Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000012795 verification Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000013307 optical fiber Substances 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013136 deep learning model Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
Landscapes
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本申请公开了一种光时域反射仪的测试结果分析方法及系统。其中，该方法包括：获取终端设备转发的第一光缆的第一测试信息和第一测试结果，其中，终端设备用于接收目标对象输入的第一测试信息和光时域反射仪经外接的无线连接模块发送的第一测试结果；从数据库中查找与第一测试信息相匹配的第二测试信息所对应的第二测试结果；比较第一测试结果和第二测试结果，并在第一测试结果和第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案；向终端设备反馈差异原因及解决方案。本申请解决了相关技术中难以高效地对光时域反射仪的测试结果进行分析的技术问题。
Description
技术领域
本申请涉及光缆检测技术领域，具体而言，涉及一种光时域反射仪的测试结果分析方法及系统。
背景技术
当前，大部分运营商均通过以下方式进行光缆线路维护：维护单位利用OTDR设备(Optical Time Domain Reflectometer，光时域反射仪)对光缆线路空闲纤芯进行测试，得到背向散射曲线，然后人工分析背向散射曲线，判断光缆线路质量、定位光缆线路故障位置、发现光纤存在的问题和隐患，指导纤芯质量优化。
由于大部分OTDR设备不具备无线传输功能，无法在现场测试完毕后当即上传测试文件，需要手工通过文件导出功能将测试结果拷贝到管理处，再逐条对应纤芯上传曲线，费事费力，且数千条数据容易出错，无法做到高效的将完整的曲线原始文件替代手工录入的全段衰耗数据进行分析，也就无法提醒测试人员是否测试中出现测试错误，更无法为后续网发规范、网运分析提供准确的核心数据。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种光时域反射仪的测试结果分析方法及系统，以至少解决相关技术中难以高效地对光时域反射仪的测试结果进行分析的技术问题。
根据本申请实施例的一个方面，提供了一种光时域反射仪的测试结果分析方法，包括：获取终端设备转发的第一光缆的第一测试信息和第一测试结果，其中，终端设备用于接收目标对象输入的第一测试信息和光时域反射仪经外接的无线连接模块发送的第一测试结果，第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置；从数据库中查找与第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，第一测试信息和第二测试信息中的测试参数和测试光缆标识相同，测试光缆位置相同或对称，测试时间的间隔小于第一时间阈值；比较第一测试结果和第二测试结果，并在第一测试结果和第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案；向终端设备反馈差异原因及解决方案。
可选地，测试参数至少包括：量程、波长、脉宽和测试方式，测试方式至少包括以下之一：平均测试和实时测试；测试光缆标识至少包括：光缆序号对应的光缆号字符信息和纤芯号字符信息；测试光缆位置至少包括：测试起始站点对应的起始站点字符信息和测试终止站点对应的终止站点字符信息；测试光缆位置相同包括：第一测试信息和第二测试信息中的起始站点字符信息和终止站点字符信息均相同；测试光缆位置对称包括：第一测试信息中的起始站点字符信息和终止站点字符信息对调后与第二测试信息中的起始站点字符信息和终止站点字符信息相同。
可选地，在第一测试信息和第二测试信息中的测试光缆位置相同时，比较第一测试结果中的第一背向散射曲线和第二测试结果中的第二背向散射曲线之间的第一相似度；在第一测试信息和第二测试信息中的测试光缆位置对称时，将第二测试结果中的第二背向散射曲线进行对称翻转，得到第三背向散射曲线，比较第一测试结果中的第一背向散射曲线和第三背向散射曲线之间的第二相似度。
可选地，利用结构相似性指数指标确定第一背向散射曲线和第二背向散射曲线之间的差异点集合，差异点集合用于反映第一背向散射曲线和第二背向散射曲线之间的第一相似度；或，确定第一背向散射曲线反映的第一光缆发生事件的第一距离和第一光衰减值，确定第二背向散射曲线反映的第二光缆发生事件的第二距离和第二光衰减值，分别计算第一距离和第二距离之间的第一余弦相似度以及第一光衰减值和第二光衰减值之间的第二余弦相似度，基于第一余弦相似度和第二余弦相似度确定第一相似度。
可选地，在确定第一背向散射曲线反映的第一光缆发生事件的第一距离和第一光衰减值之前，确定第一背向散射曲线反映的第一光缆发生事件的第一数量，并确定第二背向散射曲线反映的第二光缆发生事件的第二数量；在第一数量和第二数量不同时，直接确定第一测试结果和第二测试结果的相似度小于第一相似度阈值。
可选地，在第一相似度或第二相似度小于第一相似度阈值时，确定第一测试结果和第二测试结果之间的差异原因以及与差异原因对应的解决方案，其中，在差异原因为第一测试信息输入有误时，解决方案为提示目标对象重新输入第一测试信息；在差异原因为光时域反射仪使用有误时，解决方案为给出规范测试建议并提示重新进行测试；在差异原因为光时域反射仪存在故障时，解决方案为提示更换光时域反射仪并重新进行测试。
可选地，在第一相似度或第二相似度大于第二相似度阈值时，发出告警信息，告警信息用于提示目标对象存在未进行测试直接修改现有测试结果并上传的嫌疑。
可选地，在数据库中未查找到第二测试结果时，获取故障列表，故障列表中存储有发生光缆故障的位置和故障类型；确定第一测试结果中的第一背向散射曲线反映的第一光缆发生事件的第一距离，并基于光缆分布地图和第一距离确定第一光缆发生事件的第二位置信息；基于故障列表和第二位置信息确定光缆故障严重程度，光缆故障严重程度包括：第一等级、第二等级和第三等级，其中，第一等级、第二等级和第三等级所对应的严重程度依次递减；向终端设备反馈与光缆故障严重程度对应的提示信息。
可选地，在光缆故障严重程度为第一等级时，发出第一提示信息，第一提示信息用于提示更换光时域反射仪重新进行测试，或在与测试光缆位置对称的站点重新进行测试；在光缆故障严重程度为第二等级时，发出第二提示信息，第二提示信息用于提示在空闲时刻对第一光缆以测试参数重新进行测试；在光缆故障严重程度为第三等级时，发出第三提示信息，第三提示信息用于提示对第一光缆周围的第三光缆以测试参数进行测试，其中，第三光缆与第一光缆的相似度大于第三相似度阈值。
可选地，在光缆故障严重程度为第三等级时，若存在第三光缆位于故障列表中，则重新将光缆故障严重程度确定为第一等级。
根据本申请实施例的另一方面，还提供了一种光时域反射仪的测试结果分析系统，包括：光时域反射仪，外接有无线连接模块，用于通过无线连接模块向终端设备发送第一光缆的第一测试结果；终端设备，用于接收第一测试结果和目标对象输入的第一光缆的第一测试信息，将第一测试信息及第一测试结果转发至后台服务器，其中，第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置；后台服务器，用于接收第一测试信息及第一测试结果，并从数据库中查找与第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，第一测试信息和第二测试信息中的测试参数和测试光缆标识相同，测试光缆位置相同或对称，测试时间的间隔小于第一时间阈值；比较第一测试结果和第二测试结果，并在第一测试结果和第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案；向终端设备反馈差异原因及解决方案。
根据本申请实施例的另一方面，还提供了一种非易失性存储介质，该非易失性存储介质包括存储的程序，其中，非易失性存储介质所在设备通过运行该程序执行上述的光时域反射仪的测试结果分析方法。
根据本申请实施例的另一方面，还提供了一种电子设备，该电子设备包括：存储器和处理器，其中，存储器中存储有计算机程序，处理器被配置为通过计算机程序执行上述的光时域反射仪的测试结果分析方法。
在本申请实施例中，服务器获取终端设备转发的第一光缆的第一测试信息和第一测试结果，其中，终端设备用于接收目标对象输入的第一测试信息和光时域反射仪经外接的无线连接模块发送的第一测试结果，第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置；从数据库中查找与第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，第一测试信息和第二测试信息中的测试参数和测试光缆标识相同，测试光缆位置相同或对称，测试时间的间隔小于第一时间阈值；比较第一测试结果和第二测试结果，在第一测试结果和第二测试结果的相似度不小于第一相似度阈值时，确定第一光缆的测试结果正确；在第一测试结果和第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案，并向终端设备反馈差异原因及解决方案。其中，OTDR设备可以通过外接的无线通信模块和终端设备将测试结果实时传送到后台服务器，后台服务器可以对接收的测试结果和储存的测试结果进行相似度对比智能分析，判断本次测试是否准确，并给测试人员提供测试建议，在利用现有旧型号OTDR设备的同时，提高了OTDR设备测试的准确率，进而解决了相关技术中难以高效地对光时域反射仪的测试结果进行分析的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种可选的光时域反射仪的测试结果分析系统的结构示意图；
图2是根据本申请实施例的一种可选的光时域反射仪的测试结果分析方法的流程示意图；
图3是根据本申请实施例的一种可选的SSIM测量系统的结构示意图；
图4是根据本申请实施例的一种可选的光时域反射仪的测试结果分析装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更好地理解本申请实施例，首先对本申请实施例描述过程中出现的部分名词或术语翻译解释如下：
光时域反射仪(Optical Time Domain Reflectometer，OTDR)：通过向被测光纤发射光脉冲，检测光纤中返回的瑞利散射和菲涅尔反射数值，得到被测光纤的长度及损耗等物理特性，并借助数据分析功能，精确定位光路中的事件点及故障点。
OpenCV：一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、AndroID和Mac OS操作系统上。OpenCV由一系列C函数和少量C++类构成，同时，提供了Python、Ruby、MATLAB等语言的接口，是一种用于实现图像处理和计算机视觉方面的通用算法。
scikit-image：scikit-image的简称为skimage，scikit-image是基于Python脚本语言开发的数字图片处理包，其中，skimage包由许多的子模块组成，各个子模块提供不同的功能。
结构相似性(Structural Similarity Index，SSIM)指数：是一种衡量两幅图像相似度的指标。SSIM首先由德州大学奥斯丁分校的图像和视频工程实验室(Laboratory forImage and VIDeo Engineering)提出，其中，SSIM指数由亮度对比、对比度对比、结构对比三部分组成。
神经网络(Neural Network)：神经网络是模拟神经元的处理信息的数学模型。神经网络中包含多个层次，同层的神经元之间相互不进行数据通信；相邻层的神经元之间相互联接构成网络，即神经网络。数据信息顺着神经网络方向进行正向传播，而误差信息逆着神经网络方向进行反向传播。
BP(Back-Propagation)神经网络：一种按照误差逆传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络模型之一。BP神经网络能学习和存贮大量的输入与输出模式的映射关系，且无需事前揭示描述这种映射关系的数学方程。BP神经网络的学习规则是使用最速下降法，通过反向传播来不断调整神经网络的权值和阈值，使神经网络的误差平方和最小。通常，BP算法包括信号的前向传播和误差的反向传播两个过程，即计算误差输出时按从输入到输出的方向进行，而调整权值和阈值则从输出到输入的方向进行。在正向传播时，输入信号通过隐含层作用于输出节点，经过非线性变换，在输出层产生输出信号，其中，每一层神经元的状态只影响下一层神经元的状态；若实际输出值与期望输出值不相符时，则转入误差的反向传播过程。误差的反向传播是将输出误差通过隐含层向输入层逐层反传，并将误差分摊给各层所有单元，以从各层获得的误差信号作为调整各单元权值的依据。通过调整输入节点与隐层节点的联接强度和隐层节点与输出节点的联接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数(权值和阈值)，训练即告停止。最红经过训练的神经网络能对类似样本的输入信息，自行处理输出误差最小的值。
卷积神经网络(Convolutional Neural Networks，CNN)：卷积神经网络主要用于图像识别领域，具体是将一张图片转换为特征向量，通过多个的卷积层(ConvolutionalLayer)、池化层(Max Pooling Layer)和全连接层(Fully Connected Layer)，降低图片的维度，最终得到一个包含图片特征的一维向量。具体地，卷积神经网络的前向传播中，输入的图片数据经过多层卷积层的卷积和池化处理，提取出特征向量，并将特征向量传入全连接层中，得到分类识别的结果，当实际输出值与期望输出值相符时，直接输出结果；若实际输出值与期望输出值不相符时，则进行反向传播过程，求出结果与期望值的误差，再将误差一层一层的返回，计算出每一层的误差，以从各层获得的误差作为调整各单元权值的依据，经过反复学习训练，确定与最小误差相对应的网络参数(权值和阈值)，训练即告停止。
实施例1
根据本申请实施例，提供了一种光时域反射仪的测试结果分析系统，通过给OTDR设备外接无线通信模块，使其可以通过终端设备将测试结果实时传送到后台服务器，后台服务器可以对接收的测试结果和储存的测试结果进行相似度对比智能分析，判断本次测试是否准确，并给测试人员提供测试建议，其在利用现有旧型号OTDR设备的同时，提高了OTDR设备测试的准确率，进而解决了相关技术中难以高效地对光时域反射仪的测试结果进行分析的技术问题。
图1为本申请实施例一种可选的光时域反射仪的测试结果分析系统的结构示意图，如图1所示，该系统中至少包括：光时域反射仪11，终端设备12和后台服务器13，其中：
光时域反射仪11，外接有无线连接模块，用于通过无线连接模块向终端设备12发送第一光缆的第一测试结果。
其中，光时域反射仪11应用于光缆线路的维护、施工之中，可对第一光缆进行光纤长度、光纤的传输衰减、接头衰减和故障定位等的测量，并生成第一测试结果，该第一测试结果中至少包括第一背向散射曲线。
无线连接模块可以是USB无线连接设备，如USB无线网卡，其可以便捷插入光时域反射仪11，该无线连接模块内置有各型号光时域反射仪的USB驱动，然后基于IEEE 802.11无线wifi连接、热点发射、蓝牙无线技术等与终端设备12建立无线连接，之后，光时域反射仪11即可通过HTTP协议和FTP协议与终端设备12进行连接并实现文件传输。可选地，光时域反射仪11还可以通过无线连接模块将SCPI(Standard Commands for ProgrammableInstruments，可编程仪器标准指令)与终端设备12进行传输，以实现终端设备12对光时域反射仪11的远程控制。
终端设备12，用于接收第一测试结果和目标对象输入的第一光缆的第一测试信息，将第一测试信息及第一测试结果转发至后台服务器13，其中，第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置。
其中，终端设备可以是手机、平板等移动终端，该终端设备内通常运行有定制APP，该手机定制APP通常包括有数据处理功能、显示功能、存储功能和数据转发功能。
后台服务器13，用于接收第一测试信息及第一测试结果，并从数据库中查找与第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，第一测试信息和第二测试信息中的测试参数和测试光缆标识相同，测试光缆位置相同或对称，测试时间的间隔小于第一时间阈值；比较第一测试结果和第二测试结果，并在第一测试结果和第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案；向终端设备12反馈差异原因及解决方案。
其中，后台服务器13中的数据库主要用于存储测试曲线结果，并基于测试曲线结果进行深度学习运算验证，具体地，其可以对接收的测试结果和储存的测试结果进行相似度对比智能分析，判断本次测试是否准确，同时给测试人员提供测试建议
在上述光时域反射仪的测试结果分析系统的基础上，本申请实施例还提供了一种由后台服务器执行的光时域反射仪的测试结果分析方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本申请实施例的一种可选的光时域反射仪的测试结果分析方法的流程示意图，如图2所示，该方法至少包括步骤S202-S208，其中：
步骤S202，获取终端设备转发的第一光缆的第一测试信息和第一测试结果，其中，终端设备用于接收目标对象输入的第一测试信息和光时域反射仪经外接的无线连接模块发送的第一测试结果，第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置。
其中，测试参数至少包括：量程、波长、脉宽和测试方式，而测试方式至少包括以下之一：平均测试和实时测试；测试光缆标识至少包括：光缆序号对应的光缆号字符信息和纤芯号字符信息；测试光缆位置至少包括：测试起始站点对应的起始站点字符信息和测试终止站点对应的终止站点字符信息；测试时间包括：本次测试所在的北京时间。第一测试结果中至少包括：第一背向散射曲线，第一背向散射曲线可以反映光缆发生的事件、事件发生的距离以及衰减值。
具体地，测试人员将第一测试信息发送至光时域反射仪进行光缆测试，并将第一测试信息和光时域反射仪所得的第一背向散射曲线通过与光时域反射仪外接的无线连接模块发送至终端设备上。
步骤S204，从数据库中查找与第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，第一测试信息和第二测试信息中的测试参数和测试光缆标识相同，测试光缆位置相同或对称，测试时间的间隔小于第一时间阈值。
其中，测试光缆位置相同包括：第一测试信息和第二测试信息中的起始站点字符信息和终止站点字符信息均相同；测试光缆位置对称包括：第一测试信息中的起始站点字符信息和终止站点字符信息对调后与第二测试信息中的起始站点字符信息和终止站点字符信息相同。
具体地，依据第一测试信息中的测试时间、测试参数、测试光缆标识和测试光缆位置，在数据库中进行检索，找到与第一测试信息相同的测试参数、测试光缆标识，与第一测试信息中的测试时间间隔半天或三小时，且与第一测试信息中的起始站点字符信息和终止站点字符信息均相同以及与第一测试信息中的起始站点字符信息和终止站点字符信息对调后均相同的第二测试信息，则继续通过步骤S206进行差异度比较。
需要说明的是，若从数据库中未查找到与第一测试信息相匹配的第二测试信息所对应的第二测试结果，则将测试记录记为无对比。
在数据库中检索到与第一测试结果相匹配的第二测试信息所对应的第二测试结果之后，还需要通过步骤S206判断第一测试结果是否准确，并给予测试人员准确的测试建议。
步骤S206，比较第一测试结果和第二测试结果，并在第一测试结果和第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案。
其中，比较第一测试结果和第二测试结果可以分为普通对比和两端结对对齐对比两种方式。采用普通对比和两端结对对齐对比结合的对比方式，使得测试人员可以实时确定差异原因，同时给予测试人员更多的测试策略，从而减少测试错误的发生。
根据本申请的一种可选的实施例，当采用普通对比方式比较第一测试结果和第二测试结果时，也即第一测试信息和第二测试信息中的测试光缆位置相同，可以通过比较第一测试结果中的第一背向散射曲线和第二测试结果中的第二背向散射曲线之间的第一相似度，更好地挖掘出第一背向散射曲线和第二背向散射曲线之间更多的细小曲度差距。
另外，除了上述图像相似度对比之外，还可以通过背向散射曲线反映光缆发生的事件、事件发生的距离以及衰减值，并结合余弦相似度算法，得到第一测试结果中的第一背向散射曲线和第二测试结果中的第二背向散射曲线之间的第一相似度，从而可以排除差异较大的背向散射曲线，并保留了微小合理的事件发生的距离偏差。
具体地，首先使用Opencv将第一背向散射曲线和第二背向散射曲线导入至python程序中，接着使用scikit-image工具包的measure库，并结合compare_SSIM函数计算第一背向散射曲线和第二背向散射曲线之间的所有结构相似性指数score，还可以确定第一背向散射曲线和第二背向散射曲线之间的差异，得到差异图像diff，根据差异图像diff中包括的差异点个数以及每个差异点所在的像素区域，就可以得到差异点集合，最后通过计算差异点集合占整个背向散射曲线图像像素的百分比值，则1减去该百分比值就可以得到第一背向散射曲线和第二背向散射曲线的第一相似度。
通常，结构相似性指数score是通过比较luminance(亮度)、contrast(对比度)、structure(结构)三个方面对图像相似度进行评估，图3示出了一种可选的SSIM测量系统的示意图，可以通过如下方式通过SSIM测量系统确定图像的相似度：
首先，对于输入SSIM测量系统的图像x和图像y，计算图像x的luminance，其中，luminance用均值进行表征，其计算公式如下：
同样地，通过上述公式计算图像y的luminance，得到μy。
比较μx和μy，可以得到第一个相似性有关的评价指标数据luminance measurement(亮度测量)值，计算公式如下：
接着，除去luminance(亮度)的影响，计算图像x的contrast，其中，contrast用均值归一化后的方差表征，其计算公式如下：
同样地，通过上述公式计算图像y的contrast,得到σy。
比较σx和σy，可以得到第二个相似性有关的评价指标数据contrast measurement(对比度测量)值，计算公式如下：
然后，除去contrast(对比度)的影响，通过如下计算公式比较图像x和图像y的structure(结构)，计算公式如下：
上述公式也可以写为：
其中，
因此，通过r(x，y)就可以得到第三个相似性有关的评价指标数据structuremeasurement(结构测量)值，计算公式如下
最后，将三个相似性有关的评价指标数据luminance measurement、contrastmeasurement、structure measurement结合，得到最终两个图像的相似度结果，其表达式如下：
SSIM(x，y)＝[l(x，y)]α*[c(x，y)]β*[s(x，y)]γ
其中，α、β、γ用于表示这三个测量值的权重，SSIM(x，y)表示图像x和图像y的相似度，因此，SSIM需要满足作为度量的三个基本条件，分别为：Symmetry，也即交换图像x和图像y的顺序，不影响结果最终相似度结果；Boundedness，也即计算的相似度结果要有界，通常小于等于1；Unique maximum，也即最终相似度结果的最大值，有且只有当图像x和图像y完全一样时，相似度结果才为1。
为了简化最终的SSIM的计算公式，另α＝β＝γ＝1，
在本申请实施例中，为了确定第一背向散射曲线和第二背向散射曲线的第一相似度，因此，结构是背向散射曲线之间最重要的相似性有关的指标数据，亮度和对比度为其次需要考虑的指标数据，因此，可以将α、β、γ三个指标权重分别调整为0.1、0.1、0.8，使得基于结构性相似度的计算结果更加准确。
作为另一种可选的实施方式，还可以通过确定第一背向散射曲线反映的第一光缆发生事件的第一距离和第一光衰减值，以及确定第二背向散射曲线反映的第二光缆发生事件的第二距离和第二光衰减值；分别计算第一距离和第二距离之间的第一余弦相似度以及第一光衰减值和第二光衰减值之间的第二余弦相似度，基于第一余弦相似度和第二余弦相似度确定第一相似度。
另外，在确定第一背向散射曲线反映的第一光缆发生事件的第一距离和第一光衰减值之前，还需要进一步确定第一背向散射曲线反映的第一光缆发生事件的第一数量，以及第二背向散射曲线反映的第二光缆发生事件的第二数量；在第一数量和第二数量不同时，可以直接确定第一测试结果和第二测试结果的相似度小于第一相似度阈值。
根据本申请的另一种可选的实施例，还可以采用两端结对对齐对比方式，在难以获取与第一测试结果相匹配的第二测试信息对应的第二测试结果的情况下，通过在远端获取与第二测试结果中的第二背向散射曲线对称的第三背向散射曲线，并与第三背向散射曲线对应的测试结果进行对比，增加了可对比的数据情况。
具体地，当采用两端结对对齐对比方式比较第一测试结果和第二测试结果时，也即第一测试信息和第二测试信息中的测试光缆位置对称，可以将第二测试结果中的第二背向散射曲线进行对称翻转，得到第三背向散射曲线，并比较第一测试结果中的第一背向散射曲线和第三背向散射曲线之间的第二相似度。
例如，若第一背向散射曲线反映的光缆发生事件的数量为3，分别为a、b、c，且a与b之间的距离为2km，b与c之间的距离为1km，则第三背向散射曲线是与第一背向散射曲线采用两端结对对齐对比出得到的背向散射曲线。因此，第三背向散射曲线中反映的光缆发生事件的数量为3，在背向散射曲线中呈c、b、a，且a与b之间的距离为2km，b与c的距离为1km。
若第三背向散射曲线与第一背向散射曲线反映的光缆发生事件的数量，以及事件的距离有较大不同时，则说明第一背向散射曲线对应的第一测试结果可能存在误差。
进一步地，也可以通过第三背向散射曲线与第一背向散射曲线反映的光缆发生的事件数量、事件发生的距离以及衰减值，以及第一测试结果中的第一背向散射曲线和第三背向散射曲线之间的第二相似度，判断第一背向散射曲线对应第一测试结果的可信度。
举例而言，假设第一背向散射曲线中包括以下四部分，分别为a1：背向散射曲线，其主要的事件可以是局部缺陷、接续或耦合引起的不连续性，也即熔接损耗(点损耗)；b1：光纤缺陷、二次反而余波等引起的反射，也即反射的点损耗；c1：输入端的fresnel反射；d1：输出端的fresnel反射。
由于每次光缆测试时，OTDR设备的接头紧松程度不同，致使c1事件和d1在每次测试中都会有稍微的不同，所以将c1事件和d1事件作为正常事件，并降低在对比时，c1事件和d1事件的对比权重。因此，在进行曲线相似度对比时，主要考虑a1熔接损耗(点损耗)事件以及b1反射的点损耗事件。
具体地，将第三背向散射曲线与第一背向散射曲线以两两最接近的事件为切割点，分别将第三背向散射曲线与第一背向散射曲线切割为若干曲线子图片，对齐事件之间相同的曲线，由于第三背向散射曲线与第一背向散射曲线是相反的起点和终点进行测试，因此测试的曲线斜率以及形状，会呈现斜45度对称。因此，对第三背向散射曲线以斜45度对角线进行翻转，再与第一背向散射曲线进行形状相似度进行比较，从而判断背向散射曲线的斜率以及形状是否相同。
考虑到第三背向散射曲线与第一背向散射曲线的差距，可能是受到外力或者温度的影响，因此第三背向散射曲线与第一背向散射曲线之间会略有差异，这些差异通常是正常的情况。因此，可以通过构建第三背向散射曲线结果验证模型，可以判断第一测试结果是否正常。
例如，将上述第三背向散射曲线与第一背向散射曲线反映的光缆发生的事件数量，各个事件点的衰减值、翻转曲线子图片的斜率及背向散射曲线的形状相似度、第三背向散射曲线与第一背向散射曲线反映的光缆发生的事件类型等作为深度学习模型的特征值入参，以第三背向散射曲线与第一背向散射曲线的对比结果作为出参，通过人工标注若干数据，进行深度学习模型训练，从而就可以得到第三背向散射曲线测试结果验证模型。
具体地，构建第三背向散射曲线测试结果验证模型数据集，第三背向散射曲线测试结果验证模型数据集可以通过人工标注获得，设定第三背向散射曲线测试结果验证模型数据集中包括预设的30000个训练集数据，10000个测试集数据。
其中，训练集数据和测试集数据中包括以下特征值：将第一背向散射曲线的光缆发生的事件数量、第三背向散射曲线的光缆发生的事件数量、第一背向散射曲线与第三背向散射曲线的光缆发生的事件数量差值、第一背向散射曲线的光缆发生的各个事件衰减值、第三背向散射曲线的光缆发生的各个事件衰减值、第三背向散射曲线各个翻转曲线子图片的斜率以及第三背向散射曲线各个翻转曲线子图片与第一背向散射曲线子图片的形状相似度。另外，训练集数据和测试集数据中还包括测试验证结果，分别为测试结果一致或测试结果不一致。
再将预设的训练集数据及包括的特征值作为入参，输入至BP神经网络或卷积神经网络中，进行深度学习模型训练，训练完成后，再通过测试集数据对模型进行验证，最终得到第三背向散射曲线测试结果验证模型。
通过上述普通对比和两端结对对齐对比结合的对比方式，准确分析第一测试结果中的第一背向散射曲线和第二测试结果中的第二背向散射曲线之间的相似度，使得测试人员可以依据实时的测试结果分析不同的差异原因，并依据差异原因改变测试策略，从而减少测试错误的情况发生。
具体地，在第一相似度或第二相似度小于第一相似度阈值时，可以按照如下规则确定第一测试结果和第二测试结果之间的差异原因以及与差异原因对应的解决方案，其中：
当测试人员在上传录入测试光缆位置或测试光缆标识错误时，可能会导致进行测试比对的是不同光缆的测试结果。因而，在差异原因为第一测试信息输入有误时，解决方案可以为：向目标对象的终端设备发送提示信息，用以提示目标对象重新输入第一测试信息。
例如，由于测试人员在上传录入测试光缆位置或光缆ID时，输入错误，使得实际进行对比的是不同光缆，从而导致测试结果会出现较大异常。因此，可以基于第二测试信息中的测试时间，获取第二测试信息对应的第二光缆在测试时间前后进行测试的光缆ID，若在测试时间前后进行预设n次测试的光缆ID都相同，且每个测试光缆位置非常接近，则判定光缆ID输入正确；若在测试时间前后进行预设n次测试的光缆ID都相同，但每个测试光缆位置差距太大，甚至光缆ID在数据库中无法检测到，则判定为光缆ID输入错误，此时，向测试人员的手机APP发送提示信息，提示测试人员重新输入第一测试信息。
当测试人员判断第一测试结果的第一测试信息无误时，还可以基于第一背向散射曲线，判断光时域反射仪是否使用有误。因而，在差异原因为光时域反射仪使用有误时，解决方案可以为：向目标对象的终端设备发送提示信息，给出规范测试建议并提示重新进行测试。
例如，检测第一背向散射曲线前面预设几米距离内的图像是否异常增大，由于部分测试人员，对光时域反射仪的接入口未进行清洁或插入错误，导致接入口部分光衰检测较大异常，且远超过预设阈值。因而，在出现该情况时，可以向目标对象的终端设备发送规范测试提醒，其中，规范测试提醒包括：向手机APP客户端发送清洁接入头以及重新接入口的提醒。
当判断第一测试结果的第一测试信息无误，且时域反射仪使用正确时，需要判断是否为光时域反射仪存老化或者其他故障，导致无法准确测试。因而，在差异原因为光时域反射仪存在故障时，解决方案可以为：向目标对象的终端设备发送信息提醒，用以提醒测试结果异常，建议光时域反射仪后再次测试。
作为一种可选的实施方式，在第一相似度或第二相似度大于第二相似度阈值时，发出告警信息，告警信息用于提示目标对象存在未进行测试直接修改现有测试结果并上传的嫌疑。
通常，在同一光缆在进行测试时，由于OTDR设备的接入口不同或者插入口不同，会导致第一背向散射曲线会有略微的区别，因此第一背向散射曲线反映的第一光缆发生事件的第一数量与第二背向散射曲线反映的第二光缆发生事件的第二数量一般不会完全相同。一旦第一数量与第二数量相同时，有可能是测试人员为了逃避工作量，将相同光缆或者备纤测试结果直接修改名称，上传到服务器后台。
因而，为了避免发生测试人员逃避工作量的事情发生，需要遍历第一背向散射曲线反映的光缆以及该光缆备纤的所有测试结果，并以此作为对比图像。在对比图像与第一背向散射曲线的相似度接近100％时，向后台发送警报信息，以确认是否发生测试人员逃避工作量事件。
步骤S208，向终端设备反馈差异原因及解决方案。
根据本申请的一种可选的实施方式，可以通过如下过程向终端设备反馈差异原因及解决方案，其中：
当在数据库中未查找到第二测试结果时，首先获取故障列表，故障列表中存储有发生光缆故障的位置和故障类型；接着确定第一测试结果中的第一背向散射曲线反映的第一光缆发生事件的第一距离，并基于光缆分布地图和第一距离确定第一光缆发生事件的第二位置信息；然后基于故障列表和第二位置信息确定光缆故障严重程度，光缆故障严重程度包括：第一等级、第二等级和第三等级，其中，第一等级、第二等级和第三等级所对应的严重程度依次递减；最后向终端设备反馈与光缆故障严重程度对应的提示信息。
其中，在后台服务器中，接收用户投诉的发生光缆故障的位置，并依据光缆发生故障的位置形成故障列表；光缆分布地图包括了各条第一光缆在分布地图中的位置以及走向，通过光缆分布地图可以获取各个第一光缆发生事件的第一距离以及所在分布地图中的位置。
具体地，依据第一测试结果中的第一背向散射曲线反映的第一光缆发生事件的第一距离，当第一光缆发生事件的衰减值超过预设阈值时，判断该第一光缆可能发生故障，结合该第一光缆在光缆分布图中的分布情况，确定第一光缆发生故障的位置信息。再结合故障列表，判断该位置发生光缆故障严重程度，在光缆故障严重程度超过预设阈值时，也即光缆故障严重程度为非常严重、一般严重，采用两端对称测试法确定光缆故障严重程度。
可选地，依据故障列表按照如下规则向终端设备反馈与光缆故障严重程度对应的提示信息：
当故障程度实际非常严重时，说明光缆故障严重程度为第一等级，此时发出第一提示信息，第一提示信息用于提示更换光时域反射仪重新进行测试，或在与测试光缆位置对称的站点重新进行测试。
例如，在光缆的OTDR测试中，常常会因为余线光缆过长的原因，导致测试结果不准，因此采用与两端结对对齐对比方法对应的两端对称测试法可以有效提高测试准确率。当故障程度实际非常严重时，可以通过向测试人员的手机APP发送提示信息，提醒马上换OTDR设备再次测试。如果提醒后没有更换OTDR设备，则获取与测试起始站点名称对应的起始站点字符信息、与测试终止站点名称对应的终止站点字符信息相同或互相对称的站点，向该站点发送同步测试的请求，确定故障实际发生地点从而提升测试地点的准确率。
当故障程度实际一般严重时，说明光缆故障严重程度为第二等级，此时发出第二提示信息，第二提示信息用于提示在空闲时刻对第一光缆以测试参数重新进行测试。
例如，当无需更换OTDR设备进行重新测试时，说明故障影响不大，可以通过测试人员的手机APP向服务器发送请求记录，后续测试人员再通过其他机房或同机房相同的测试参数，光缆ID等测试参数重新进行测试。
当故障程度实际为无障碍时，说明光缆故障严重程度为第三等级，此时发出第三提示信息，第三提示信息用于提示对第一光缆周围的第三光缆以测试参数进行测试，其中，第三光缆与第一光缆的相似度大于第三相似度阈值。
例如，在故障程度为无故障时，记录该次光缆故障测试结果到服务器，后续当同机房其他测试人员测试到该光缆附近的光缆时，向测试人员推荐相同的测试参数，进行同个光缆的测试。
其中，对上述三种不同的光缆故障严重程度中产生的待补充对比测试光缆列表进行汇总，依据待补充对比测试光缆列表与正在进行测试的测试光缆，确定相似度，结合故障重要程度综合排序，向该测试人员空余工作量推荐预设条数的光缆。
作为一种可选的实施方法，还可以针对上述过程构建神经网络模型，以向测试人员自动推荐补充光缆的条数。首先依据故障列表、故障重要程度，光缆相似度，光缆位置，测试参数、光缆ID、测试结果，向测试人员呈现待补充对比测试光缆列表；接着，测试人员对测试光缆存在实际故障进行判断，若该测试光缆实际存在故障，则记为正样本，若该测试光缆实际不存在故障，则记为负样本；根据正样本和负样本，对神经网络分类模型进行训练；并基于神经网络分类模型，对该测试人员待补充对比测试光缆列表中逐条进行分类推荐，结合分类置信度进行降序排序，最后得到推荐列表，并在手机APP客户端中进行展示。
另外，在光缆故障严重程度为第三等级时，若存在第三光缆位于故障列表中，则重新将光缆故障严重程度确定为第一等级。
例如，获取等待的补充对比测试光缆列表中光缆相似度高于第三相似度阈值的光缆Top N条，查看是否在故障列表中，如果在故障列表中，则将该光缆严重程度提高到对应的严重程度，并发起补充对比测试。
在本申请实施例中，服务器获取终端设备转发的第一光缆的第一测试信息和第一测试结果，其中，终端设备用于接收目标对象输入的第一测试信息和光时域反射仪经外接的无线连接模块发送的第一测试结果，第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置；从数据库中查找与第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，第一测试信息和第二测试信息中的测试参数和测试光缆标识相同，测试光缆位置相同或对称，测试时间的间隔小于第一时间阈值；比较第一测试结果和第二测试结果，在第一测试结果和第二测试结果的相似度不小于第一相似度阈值时，确定第一光缆的测试结果正确；在第一测试结果和第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案，并向终端设备反馈差异原因及解决方案。其中，OTDR设备可以通过外接的无线通信模块和终端设备将测试结果实时传送到后台服务器，后台服务器可以对接收的测试结果和储存的测试结果进行相似度对比智能分析，判断本次测试是否准确，从而给测试人员提供测试建议，在利用现有旧型号OTDR设备的同时，提高了OTDR设备测试的准确率，进而解决了相关技术中难以高效地对光时域反射仪的测试结果进行分析的技术问题。
实施例2
根据本申请实施例，还提供了一种用于实现实施例1中的光时域反射仪的测试结果分析方法的光时域反射仪的测试结果分析装置，如图4所示，该装置中至少包括获取模块41，查找模块42，确定模块43和反馈模块44，其中：
获取模块41，用于获取终端设备转发的第一光缆的第一测试信息和第一测试结果，其中，终端设备用于接收目标对象输入的第一测试信息和光时域反射仪经外接的无线连接模块发送的第一测试结果，第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置。
其中，测试参数至少包括：量程、波长、脉宽和测试方式，而测试方式至少包括以下之一：平均测试和实时测试；测试光缆标识至少包括：光缆序号对应的光缆号字符信息和纤芯号字符信息；测试光缆位置至少包括：测试起始站点对应的起始站点字符信息和测试终止站点对应的终止站点字符信息；测试时间包括：本次测试所在的北京时间。第一测试结果中至少包括：第一背向散射曲线，第一背向散射曲线可以反映光缆发生的事件、事件发生的距离以及衰减值。
具体地，测试人员将第一测试信息发送至光时域反射仪进行光缆测试，并将第一测试信息和光时域反射仪所得的第一背向散射曲线通过与光时域反射仪外接的无线连接模块发送至终端设备上。
查找模块42，用于从数据库中查找与第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，第一测试信息和第二测试信息中的测试参数和测试光缆标识相同，测试光缆位置相同或对称，测试时间的间隔小于第一时间阈值。
其中，测试光缆位置相同包括：第一测试信息和第二测试信息中的起始站点字符信息和终止站点字符信息均相同；测试光缆位置对称包括：第一测试信息中的起始站点字符信息和终止站点字符信息对调后与第二测试信息中的起始站点字符信息和终止站点字符信息相同。
具体地，查找模块42依据第一测试信息中的测试时间、测试参数、测试光缆标识和测试光缆位置，在数据库中进行检索，找到与第一测试信息相同的测试参数、测试光缆标识，与第一测试信息中的测试时间间隔半天或三小时，且与第一测试信息中的起始站点字符信息和终止站点字符信息均相同以及与第一测试信息中的起始站点字符信息和终止站点字符信息对调后均相同的第二测试信息，则继续通过确定模块33进行差异度比较。
需要说明的是，若从数据库中未查找到与第一测试信息相匹配的第二测试信息所对应的第二测试结果，则将测试记录记为无对比。
在数据库中检索到与第一测试结果相匹配的第二测试信息所对应的第二测试结果之后。进一步地，需要通过确定模块43判断接收的第一测试结果是否准确，并给予测试人员准确的测试建议。
确定模块43，用于比较第一测试结果和第二测试结果，并在第一测试结果和第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案。
其中，比较第一测试结果和第二测试结果可以分为普通对比和两端结对对齐对比两种方式。采用普通对比和两端结对对齐对比结合的对比方式，使得测试人员可以实时确定差异原因，同时，给予测试人员更多的测试策略，从而减少测试错误的发生。
根据本申请的一种可选的实施例，当采用普通对比方式比较第一测试结果和第二测试结果时，也即第一测试信息和第二测试信息中的测试光缆位置相同，确定模块33通过比较第一测试结果中的第一背向散射曲线和第二测试结果中的第二背向散射曲线之间的第一相似度，更好地挖掘出第一背向散射曲线和第二背向散射曲线之间更多的细小曲度差距。
另外，除了上述图像相似度对比之外，确定模块33还可以通过背向散射曲线反映光缆发生的事件、事件发生的距离以及衰减值，并结合余弦相似度算法，得到第一测试结果中的第一背向散射曲线和第二测试结果中的第二背向散射曲线之间的第一相似度，从而可以排除差异较大的背向散射曲线，并且保留了微小合理的事件发生的距离偏差。
具体地，首先使用Opencv将第一背向散射曲线和第二背向散射曲线导入至python程序中，接着使用scikit-image工具包的measure库，并结合compare_SSIM函数计算第一背向散射曲线和第二背向散射曲线之间的所有结构相似性指数score，还可以确定第一背向散射曲线和第二背向散射曲线之间的差异，得到差异图像diff，根据差异图像diff中包括的差异点个数以及每个差异点所在的像素区域，就可以得到差异点集合，最后通过计算差异点集合占整个背向散射曲线图像像素的百分比值，则1减去该百分比值就可以得到第一背向散射曲线和第二背向散射曲线的第一相似度。
作为另一种可选的实施方式，确定模块43通过确定第一背向散射曲线反映的第一光缆发生事件的第一距离和第一光衰减值，以及确定第二背向散射曲线反映的第二光缆发生事件的第二距离和第二光衰减值；分别计算第一距离和第二距离之间的第一余弦相似度以及第一光衰减值和第二光衰减值之间的第二余弦相似度，基于第一余弦相似度和第二余弦相似度确定第一相似度。
另外，在确定第一背向散射曲线反映的第一光缆发生事件的第一距离和第一光衰减值之前，还需要进一步确定第一背向散射曲线反映的第一光缆发生事件的第一数量，以及第二背向散射曲线反映的第二光缆发生事件的第二数量；在第一数量和第二数量不同时，可以直接确定第一测试结果和第二测试结果的相似度小于第一相似度阈值。
根据本申请的另一种可选的实施例，还可以采用两端结对对齐对比方式，在难以获取与第一测试结果相匹配的第二测试信息对应的第二测试结果的情况下，通过在远端获取与第二测试结果中的第二背向散射曲线对称的第三背向散射曲线，并与第三背向散射曲线对应的测试结果进行对比，增加了可对比的数据情况。
具体地，当采用两端结对对齐对比方式比较第一测试结果和第二测试结果时，也即第一测试信息和第二测试信息中的测试光缆位置对称，确定模块43可以将第二测试结果中的第二背向散射曲线进行对称翻转，得到第三背向散射曲线，比较第一测试结果中的第一背向散射曲线和第三背向散射曲线之间的第二相似度。
考虑到第三背向散射曲线与第一背向散射曲线的差距，可能是受到外力或者温度的影响，因此第三背向散射曲线与第一背向散射曲线之间会略有差异，这些差异通常是正常的情况。因此，可以通过构建第三背向散射曲线结果验证模型，可以判断第一测试结果是否正常。
例如，将上述第三背向散射曲线与第一背向散射曲线反映的光缆发生的事件数量，各个事件点的衰减值、翻转曲线子图片的斜率及背向散射曲线的形状相似度、第三背向散射曲线与第一背向散射曲线反映的光缆发生的事件类型等作为深度学习模型的特征值入参，以第三背向散射曲线与第一背向散射曲线的对比结果作为出参，通过人工标注若干数据，进行深度学习模型训练，从而就可以得到第三背向散射曲线测试结果验证模型。
进一步地，确定模块43也可以通过第三背向散射曲线与第一背向散射曲线反映的光缆发生的事件数量、事件发生的距离以及衰减值，以及第一测试结果中的第一背向散射曲线和第三背向散射曲线之间的第二相似度，判断第一背向散射曲线对应第一测试结果的可信度。
通过上述普通对比和两端结对对齐对比结合的对比方式，准确分析第一测试结果中的第一背向散射曲线和第二测试结果中的第二背向散射曲线之间的相似度，使得测试人员可以依据实时的测试结果分析不同的差异原因，并依据差异原因改变测试策略，从而减少测试错误的情况发生。
具体地，在第一相似度或第二相似度小于第一相似度阈值时，可以按照如下规则确定第一测试结果和第二测试结果之间的差异原因以及与差异原因对应的解决方案，其中：
当测试人员在上传录入测试光缆位置或测试光缆标识错误时，可能会导致进行测试比对的是不同光缆的测试结果。因而，在差异原因为第一测试信息输入有误时，解决方案可以为：向目标对象的终端设备发送提示信息，用以提示目标对象重新输入第一测试信息。
当测试人员判断第一测试结果的第一测试信息无误时，还可以基于第一背向散射曲线，判断光时域反射仪是否使用有误。因而，在差异原因为光时域反射仪使用有误时，解决方案可以为：向目标对象的终端设备发送提示信息，给出规范测试建议并提示重新进行测试。
当判断第一测试结果的第一测试信息无误，且时域反射仪使用正确时，需要判断是否为光时域反射仪存老化或者其他故障，导致无法准确测试。因而，在差异原因为光时域反射仪存在故障时，解决方案可以为：向目标对象的终端设备发送信息提醒，用以提醒测试结果异常，建议光时域反射仪后再次测试。
作为一种可选的实施方式，在第一相似度或第二相似度大于第二相似度阈值时，发出告警信息，告警信息用于提示目标对象存在未进行测试直接修改现有测试结果并上传的嫌疑。
通常，在同一光缆在进行测试时，由于OTDR设备的接入口不同或者插入口不同，会导致第一背向散射曲线会有略微的区别，因此第一背向散射曲线反映的第一光缆发生事件的第一数量与第二背向散射曲线反映的第二光缆发生事件的第二数量一般不会完全相同。一旦第一数量与第二数量相同时，有可能是测试人员为了逃避工作量，将相同光缆或者备纤测试结果直接修改名称，上传到服务器后台。
因而，为了避免发生测试人员逃避工作量的事情发生，需要遍历第一背向散射曲线反映的光缆以及该光缆备纤的所有测试结果，并以此作为对比图像。在对比图像与第一背向散射曲线的相似度接近100％时，向后台发送警报信息，以确认是否发生测试人员逃避工作量事件。
反馈模块44，用于向终端设备反馈差异原因及解决方案。
根据本申请的一种可选的实施方式，反馈模块44可以通过如下过程向终端设备反馈差异原因及解决方案，其中：
当在数据库中未查找到第二测试结果时，首先获取故障列表，故障列表中存储有发生光缆故障的位置和故障类型；接着确定第一测试结果中的第一背向散射曲线反映的第一光缆发生事件的第一距离，并基于光缆分布地图和第一距离确定第一光缆发生事件的第二位置信息；然后基于故障列表和第二位置信息确定光缆故障严重程度，光缆故障严重程度包括：第一等级、第二等级和第三等级，其中，第一等级、第二等级和第三等级所对应的严重程度依次递减；最后向终端设备反馈与光缆故障严重程度对应的提示信息。
具体地，在后台服务器中，接收用户投诉的发生光缆故障的位置，并依据光缆发生故障的位置形成故障列表；光缆分布地图包括了各条第一光缆在分布地图中的位置以及走向，通过光缆分布地图可以获取各个第一光缆发生事件的第一距离以及所在分布地图中的位置。因此，可以通过光缆分布图可以确定第一光缆发生故障的位置信息，并结合故障列表，判断该位置发生光缆故障严重程度，其中，光缆故障严重程度是后台服务器预设的故障程度，包括：非常严重、一般严重和无故障。
可选地，依据故障列表按照如下规则向终端设备反馈与光缆故障严重程度对应的提示信息：
当故障程度实际非常严重时，说明光缆故障严重程度为第一等级，此时发出第一提示信息，第一提示信息用于提示更换光时域反射仪重新进行测试，或在与测试光缆位置对称的站点重新进行测试。
当故障程度实际一般严重时，说明光缆故障严重程度为第二等级，此时发出第二提示信息，第二提示信息用于提示在空闲时刻对第一光缆以测试参数重新进行测试。
当故障程度实际为无障碍时，说明光缆故障严重程度为第三等级，此时发出第三提示信息，第三提示信息用于提示对第一光缆周围的第三光缆以测试参数进行测试，其中，第三光缆与第一光缆的相似度大于第三相似度阈值。
其中，对上述三种不同的光缆故障严重程度中产生的待补充对比测试光缆列表进行汇总，依据待补充对比测试光缆列表与正在进行测试的测试光缆，确定相似度，结合故障重要程度综合排序，向该测试人员空余工作量推荐预设条数的光缆。
另外，在光缆故障严重程度为第三等级时，若存在第三光缆位于故障列表中，则重新将光缆故障严重程度确定为第一等级。
需要说明的是，本申请实施例中的光时域反射仪的测试结果分析装置中的各模块与实施例1中的光时域反射仪的测试结果分析方法的各实施步骤一一对应，由于实施例1中已经进行了详尽的描述，本实施例中部分未体现的细节可以参考实施例1，在此不再过多赘述。
实施例3
根据本申请实施例，还提供了一种非易失性存储介质，该非易失性存储介质包括存储的程序，其中，非易失性存储介质所在设备通过运行该程序执行实施例1中的光时域反射仪的测试结果分析方法。
根据本申请实施例，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行实施例1中的光时域反射仪的测试结果分析方法。
根据本申请实施例，还提供了一种电子设备，该电子设备包括：存储器和处理器，其中，存储器中存储有计算机程序，处理器被配置为通过计算机程序执行实施例1中的光时域反射仪的测试结果分析方法。
具体地，程序运行时执行实现以下步骤：获取终端设备转发的第一光缆的第一测试信息和第一测试结果，其中，终端设备用于接收目标对象输入的第一测试信息和光时域反射仪经外接的无线连接模块发送的第一测试结果，第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置；从数据库中查找与第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，第一测试信息和第二测试信息中的测试参数和测试光缆标识相同，测试光缆位置相同或对称，测试时间的间隔小于第一时间阈值；比较第一测试结果和第二测试结果，并在第一测试结果和第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案；向终端设备反馈差异原因及解决方案。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种光时域反射仪的测试结果分析方法，其特征在于，包括：
获取终端设备转发的第一光缆的第一测试信息和第一测试结果，其中，所述终端设备用于接收目标对象输入的所述第一测试信息和光时域反射仪经外接的无线连接模块发送的所述第一测试结果，所述第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置；
从数据库中查找与所述第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，所述第一测试信息和所述第二测试信息中的所述测试参数和所述测试光缆标识相同，所述测试光缆位置相同或对称，所述测试时间的间隔小于第一时间阈值；
比较所述第一测试结果和所述第二测试结果，并在所述第一测试结果和所述第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案；
向所述终端设备反馈所述差异原因及所述解决方案；
其中，在所述数据库中未查找到所述第二测试结果时，获取故障列表，所述故障列表中存储有发生光缆故障的位置和故障类型；确定所述第一测试结果中的第一背向散射曲线反映的第一光缆发生事件的第一距离，并基于光缆分布地图和所述第一距离确定所述第一光缆发生事件的第二位置信息；基于所述故障列表和所述第二位置信息确定光缆故障严重程度，所述光缆故障严重程度包括：第一等级、第二等级和第三等级，其中，所述第一等级、所述第二等级和所述第三等级所对应的严重程度依次递减；向所述终端设备反馈与所述光缆故障严重程度对应的提示信息。
2.根据权利要求1所述的方法，其特征在于，
所述测试参数至少包括：量程、波长、脉宽和测试方式，所述测试方式至少包括以下之一：平均测试和实时测试；
所述测试光缆标识至少包括：光缆序号对应的光缆号字符信息和纤芯号字符信息；
所述测试光缆位置至少包括：测试起始站点对应的起始站点字符信息和测试终止站点对应的终止站点字符信息；
所述测试光缆位置相同包括：所述第一测试信息和所述第二测试信息中的所述起始站点字符信息和所述终止站点字符信息均相同；
所述测试光缆位置对称包括：所述第一测试信息中的所述起始站点字符信息和所述终止站点字符信息对调后与所述第二测试信息中的所述起始站点字符信息和所述终止站点字符信息相同。
3.根据权利要求1所述的方法，其特征在于，比较所述第一测试结果和所述第二测试结果，包括：
在所述第一测试信息和所述第二测试信息中的所述测试光缆位置相同时，比较所述第一测试结果中的第一背向散射曲线和所述第二测试结果中的第二背向散射曲线之间的第一相似度；
在所述第一测试信息和所述第二测试信息中的所述测试光缆位置对称时，将所述第二测试结果中的所述第二背向散射曲线进行对称翻转，得到第三背向散射曲线，比较所述第一测试结果中的所述第一背向散射曲线和所述第三背向散射曲线之间的第二相似度。
4.根据权利要求3所述的方法，其特征在于，比较所述第一测试结果中的第一背向散射曲线和所述第二测试结果中的第二背向散射曲线之间的第一相似度，包括：
利用结构相似性指数指标确定所述第一背向散射曲线和所述第二背向散射曲线之间的差异点集合，所述差异点集合用于反映所述第一背向散射曲线和所述第二背向散射曲线之间的所述第一相似度；或，
确定所述第一背向散射曲线反映的所述第一光缆发生事件的第一距离和第一光衰减值，确定所述第二背向散射曲线反映的第二光缆发生事件的第二距离和第二光衰减值，分别计算所述第一距离和所述第二距离之间的第一余弦相似度以及所述第一光衰减值和所述第二光衰减值之间的第二余弦相似度，基于所述第一余弦相似度和所述第二余弦相似度确定所述第一相似度。
5.根据权利要求4所述的方法，其特征在于，在确定所述第一背向散射曲线反映的所述第一光缆发生事件的第一距离和第一光衰减值之前，所述方法还包括：
确定所述第一背向散射曲线反映的所述第一光缆发生事件的第一数量，并确定所述第二背向散射曲线反映的所述第二光缆发生事件的第二数量；
在所述第一数量和所述第二数量不同时，直接确定所述第一测试结果和所述第二测试结果的相似度小于所述第一相似度阈值。
6.根据权利要求3所述的方法，其特征在于，在所述第一测试结果和所述第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案，包括：
在所述第一相似度或所述第二相似度小于所述第一相似度阈值时，确定所述第一测试结果和所述第二测试结果之间的所述差异原因以及与所述差异原因对应的所述解决方案，其中，
在所述差异原因为所述第一测试信息输入有误时，所述解决方案为提示所述目标对象重新输入所述第一测试信息；
在所述差异原因为所述光时域反射仪使用有误时，所述解决方案为给出规范测试建议并提示重新进行测试；
在所述差异原因为所述光时域反射仪存在故障时，所述解决方案为提示更换所述光时域反射仪并重新进行测试。
7.根据权利要求3所述的方法，其特征在于，所述方法还包括：
在所述第一相似度或所述第二相似度大于第二相似度阈值时，发出告警信息，所述告警信息用于提示所述目标对象存在未进行测试直接修改现有测试结果并上传的嫌疑。
8.根据权利要求1所述的方法，其特征在于，向所述终端设备反馈与所述光缆故障严重程度对应的提示信息，包括：
在所述光缆故障严重程度为第一等级时，发出第一提示信息，所述第一提示信息用于提示更换所述光时域反射仪重新进行测试，或在与所述测试光缆位置对称的站点重新进行测试；
在所述光缆故障严重程度为第二等级时，发出第二提示信息，所述第二提示信息用于提示在空闲时刻对所述第一光缆以所述测试参数重新进行测试；
在所述光缆故障严重程度为第三等级时，发出第三提示信息，所述第三提示信息用于提示对所述第一光缆周围的第三光缆以所述测试参数进行测试，其中，所述第三光缆与所述第一光缆的相似度大于第三相似度阈值。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
在所述光缆故障严重程度为第三等级时，若存在所述第三光缆位于所述故障列表中，则重新将所述光缆故障严重程度确定为第一等级。
10.一种光时域反射仪的测试结果分析系统，其特征在于，包括：
光时域反射仪，外接有无线连接模块，用于通过所述无线连接模块向终端设备发送第一光缆的第一测试结果；
所述终端设备，用于接收所述第一测试结果和目标对象输入的所述第一光缆的第一测试信息，将所述第一测试信息及所述第一测试结果转发至后台服务器，其中，所述第一测试信息中至少包括：测试时间、测试参数、测试光缆标识和测试光缆位置；
所述后台服务器，用于接收所述第一测试信息及所述第一测试结果，并从数据库中查找与所述第一测试信息相匹配的第二测试信息所对应的第二测试结果，其中，所述第一测试信息和所述第二测试信息中的所述测试参数和所述测试光缆标识相同，所述测试光缆位置相同或对称，所述测试时间的间隔小于第一时间阈值；比较所述第一测试结果和所述第二测试结果，并在所述第一测试结果和所述第二测试结果的相似度小于第一相似度阈值时，确定差异原因及解决方案；向所述终端设备反馈所述差异原因及所述解决方案；
其中，在所述数据库中未查找到所述第二测试结果时，获取故障列表，所述故障列表中存储有发生光缆故障的位置和故障类型；确定所述第一测试结果中的第一背向散射曲线反映的第一光缆发生事件的第一距离，并基于光缆分布地图和所述第一距离确定所述第一光缆发生事件的第二位置信息；基于所述故障列表和所述第二位置信息确定光缆故障严重程度，所述光缆故障严重程度包括：第一等级、第二等级和第三等级，其中，所述第一等级、所述第二等级和所述第三等级所对应的严重程度依次递减；向所述终端设备反馈与所述光缆故障严重程度对应的提示信息。
11.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，所述非易失性存储介质所在设备通过运行所述程序执行权利要求1至9中任意一项所述的光时域反射仪的测试结果分析方法。
12.一种电子设备，其特征在于，包括：存储器和处理器，其中，所述存储器中存储有计算机程序，所述处理器被配置为通过所述计算机程序执行权利要求1至9中任意一项所述的光时域反射仪的测试结果分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211372225.0A CN115987380B (zh) | 2022-11-03 | 2022-11-03 | 光时域反射仪的测试结果分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211372225.0A CN115987380B (zh) | 2022-11-03 | 2022-11-03 | 光时域反射仪的测试结果分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115987380A CN115987380A (zh) | 2023-04-18 |
| CN115987380B true CN115987380B (zh) | 2024-04-30 |
Family
ID=85956872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211372225.0A Active CN115987380B (zh) | 2022-11-03 | 2022-11-03 | 光时域反射仪的测试结果分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115987380B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105547644A (zh) * | 2015-12-14 | 2016-05-04 | 长飞光纤光缆股份有限公司 | 一种基于光时域反射仪的光缆测试系统及测试方法 |
| CN105790833A (zh) * | 2014-12-23 | 2016-07-20 | 中富通股份有限公司 | 一种基于gis技术的光网络动态监控系统 |
| CN110149143A (zh) * | 2019-05-16 | 2019-08-20 | 广东信通通信有限公司 | 光纤测试数据处理方法、装置、计算机设备和存储介质 |
| WO2020001626A1 (zh) * | 2018-06-28 | 2020-01-02 | 中兴通讯股份有限公司 | 光纤故障定位的方法、设备和存储介质 |
-
2022
- 2022-11-03 CN CN202211372225.0A patent/CN115987380B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105790833A (zh) * | 2014-12-23 | 2016-07-20 | 中富通股份有限公司 | 一种基于gis技术的光网络动态监控系统 |
| CN105547644A (zh) * | 2015-12-14 | 2016-05-04 | 长飞光纤光缆股份有限公司 | 一种基于光时域反射仪的光缆测试系统及测试方法 |
| WO2020001626A1 (zh) * | 2018-06-28 | 2020-01-02 | 中兴通讯股份有限公司 | 光纤故障定位的方法、设备和存储介质 |
| CN110149143A (zh) * | 2019-05-16 | 2019-08-20 | 广东信通通信有限公司 | 光纤测试数据处理方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115987380A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10355951B2 (en) | Method and apparatus for testing and displaying test results | |
| CN108563214B (zh) | 车辆诊断方法、装置及设备 | |
| CN109060817B (zh) | 人工智能复检系统及其方法 | |
| CN111985893B (zh) | 建筑工程项目材料进场审核方法、智能终端及存储介质 | |
| CN112598343B (zh) | 一种对数据中心的风险巡检方法、装置、设备及存储介质 | |
| TWI567685B (zh) | 透過線上測驗真實反映出受測者能力的系統、方法以及其儲存媒體 | |
| CN107967204B (zh) | 线下压测的方法、系统及终端设备 | |
| CN112199293A (zh) | 软件质量评价方法、装置、终端设备及存储介质 | |
| CN112929613B (zh) | 一种基于图像识别进行设备运维的巡检方法及系统 | |
| CN108021505A (zh) | 数据上线方法、装置和计算机设备 | |
| EP4086824A1 (en) | Method for automatically updating unit cost of inspection by using comparison between inspection time and work time of crowdsourcing-based project for generating artificial intelligence training data | |
| CN115357906A (zh) | 面向网络安全等级保护2.0的智能辅助测评方法及系统 | |
| CN117574201A (zh) | 基于多工业模型的模型训练方法、装置、设备和存储介质 | |
| CN115987380B (zh) | 光时域反射仪的测试结果分析方法及系统 | |
| CN105335266B (zh) | 用于确定被检测设备的故障的方法 | |
| CN116596510A (zh) | 一种运维故障管理方法、系统、终端设备及存储介质 | |
| US12093875B2 (en) | Systems and methods for remote evaluation of craft skills | |
| CN113033845B (zh) | 一种电力传输资源共建共享的建设方法及装置 | |
| US20200065630A1 (en) | Automated early anomaly detection in a continuous learning model | |
| KR102159574B1 (ko) | 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 작업 결과의 정확도 추정 및 관리 방법 | |
| CN114489760A (zh) | 代码质量评价方法和代码质量评价装置 | |
| JP2022088886A (ja) | ラベル付き検査データのラベルの正誤を推定する方法、情報処理装置、及び、コンピュータープログラム | |
| CN113269268A (zh) | 基于大数据的数据匹配方法、系统及云平台 | |
| CN117358622B (zh) | 空调内外机检测方法、装置和系统 | |
| CN115987381B (zh) | 一种光纤同缆的检测方法与装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |