文献类型：期刊文章

作　　者：张高毅[1,2] 张军[3] 苟浩淞[2] 段佳明[2]

ZHANG Gao-yi;ZHANG Jun;GOU Hao-song;DUAN Jia-ming(National Key Laboratory of Communication Anti-interference Technology,University of Electronic Science and Technology of China,Chengdu 611731,China;China Mobile Communications Group Sichuan Co.,Ltd.,Chengdu 610041,China;School of Mathematics and Computer Science,Guangdong Ocean University,Zhanjiang 524088,China)

机构地区：[1]电子科技大学通信抗干扰技术国家级重点实验室,成都611731 [2]中国移动通信集团四川有限公司,成都610041 [3]广东海洋大学数学与计算机学院,湛江524088

出　　处：《科学技术与工程》

基　　金：四川省知识产权专项(2022-ZS-00021);四川移动博士后新技术研发项目(R22109V6)。

年　　份：2023

卷　　号：23

期　　号：18

起止页码：7816-7823

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：光分配网络(optical distribution network,ODN)网络是FTTH网络中的重要组成部分,其质量好坏直接关系到客户使用宽带网络的体验。为了对哑资源进行高效精准管理,改善网络质量,提升宽带业务开通效率,降低维护成本,设计优化了哑资源智能检测及清查系统。该系统基于深度学习中的YOLOX算法,设计改进提出随机梯度下降动量及Nestrov动量(stochastic gradient descent with momentum and nestrov,SGDMN)优化器,该优化器能有效抑制振荡并且在加速训练的同时对梯度进行校正,以此对参数进行更新;在不脱离真实场景的前提下选择数据增强方式,以此实现对分光器、尾纤、标签、二维码等关键信息进行目标检测,进行分类标识,维护人员可基于这些关键信息配合资管系统信息完成哑资源清查。通过其他经典目标识别算法进行对比实验,结果表明改进后的YOLOX算法精度更高,满足哑资源智能检测及清查实际工程需求。

关 键 词：光分配网络(optical distribution network,ODN)  YOLOX算法  优化器 目标检测  清查

分 类 号：TN929.18]