关于神经网络类在职开题报告范文与基于卷积神经网络的光通信网络端口资源整治方法类自考开题报告范文-毕业论文网

该文是关于神经网络论文范文，为你的论文写作提供相关论文资料参考。

基于卷积神经网络的光通信网络端口资源整治方法

陈晓冰黄楚发中国移动汕头分公司

【摘要】本文针对光通信网络的无源分光器无法自动获取端口资源的情况,通过在分光片的光纤上加装卡扣数字粒,采用卷积神经网络自动识别实际使用端口,实现端口资源的实时整治.

【关键词】光纤通信卷积神经网络深度学习

光通信网络是运营商发展宽带业务的重要载体,由于经常出现端口实际资源与系统数据不一致而制约了业务的发展.本文基于卷积神经网络,提出了一种端口资源整治的方法.

一、识别光纤使用端口

由于光纤通信的分光器是无源的,无法自动获取光纤的实际使用端口,本文通过对光纤加装卡扣数字粒,自动识别实际使用端口,关键步骤如下：

（1）目标定位：通过采用基于卷积神经网络的 SSD 目标检测算法对光纤数字粒进行目标定位,使数字粒与复杂背景相分离,便于提高识别精度；

（2）信息检测：由于光纤数字粒是由人工安装和拍照上传的,会出现角度不统一、光线明暗不同等情况.通过采用 YOLO 算法进行信息检测,YOLO 是可一次性预测多个类别的卷积神经网络,流程如下：

A、样本增强：通过对图像进行旋转、变形、扭曲等仿射变换,实现样本的增强扩展；

B、模型训练：将增强的样本数据输入到 YOLO 模型进行训练；

C、信息检测：输入光纤数字粒图像到模型进行信息检测；

D、角度纠偏：按照先上下、后左右的规则,将检测结果投影到图像的 x 轴、y 轴,进行角度纠偏.

（3）信息识别：将光纤数字粒的 10 个数字符号,构建卷积神经网络模型进行识别.

通过对图像数据集采用随机采样方法,按 8:2 分成训练集、测试集,经以上步骤后的准确率达 93.4%,识别效果如下图：

二、端口资源整治流程

通过拍照上传光纤数字粒图片, 自动识别实际使用端口,与后台数据进行差异校验,实现端口资源的实时整治,流程如下图：

主要步骤说明：

步骤 1：线务员登录“装维助手”；

步骤 2：输入宽带账号,获取账号、地址、OBD 等信息；

步骤 3：扫描分光器上光纤的二维码,获取分光器信息；

步骤 4：对光纤数字粒拍照上传,自动识别出实际使用端口；

步骤 5：根据识别结果与步骤 2、3 获取的信息进行差异比较；

步骤 6：若比较结果不一致,则提示不通过,现场进行纠正；

步骤 7：若比较结果一致,则把步骤 2、3、4 的所有结果传回后台进行分光器全量端口校验；

步骤 8：若全量端口校验存在差异,则生成核查单进行处理；

步骤 9：若校验结果与实际相符,则流程结束.

经以上步骤,能在装维现场就发现端口资源差异并及时进行整治,确保端口数据的准确性.

三、结论

本文针对光通信网络无源分光器的端口资源不准问题,提出了一种基于卷积神经网络的自动识别端口信息和资源实时整治的方法,在运营商拓展宽带业务中具有较高的应用价值.

神经网络论文范文结:

关于神经网络方面的论文题目、论文提纲、神经网络论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。

关于神经网络类在职开题报告范文与基于卷积神经网络的光通信网络端口资源整治方法类自考开题报告范文