技术特征：
1.一种光交箱检测方法，其特征在于，包括：获取待检测的目标光交箱的光交箱图像；将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。2.根据权利要求1所述的方法，其特征在于，所述第一卷积神经网络包含有至少两种采样算法的池化层，所述初始特征图谱是对所述光交箱图像在所述至少两种采样算法的池化层对应的池化结果进行融合得到的。3.根据权利要求1所述的方法，其特征在于，在将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络前，还包括：将映射有锚点框的初始特征图谱输入至所述目标识别模型的第四卷积神经网络，以对所述初始特征图谱的锚点框的尺寸和/或位置进行修正，得到修正后的锚点框特征图谱，其中，所述第四卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的。4.根据权利要求3所述的方法，其特征在于，所述第三卷积神经网络前包含有：用于对修正后的锚点框特征图谱进行积降维的卷积层，所述卷积层的卷积核为3x3、卷步长为1、输出通道数量小于输入通道数量。5.根据权利要求1所述的方法，其特征在于，在将目标光交箱的光交箱图像输入至目标识别模型的第一卷积神经网络前，还包括：基于色调、饱和度以及明度三个维度对所述光交箱图像进行颜色空间转换，并对颜色空间转换后的光交箱图像进行基于图像形态学膨胀的降噪处理，其中，所述图像形态学膨胀的像素执行范围为:色调值26到72、饱和度值43到255和明度值46到255。6.根据权利要求1所述的方法，其特征在于，所述光交箱部件包括光交箱的防尘帽、纤盘和光尾纤中的至少一者，所述目标光交箱的检测结果包括：所述目标光交箱中各类光交箱部件的数量信息和/或位置信息。7.根据权利要求1所述的方法，其特征在于，获取待检测的目标光交箱的光交箱图像，包括：从针对目标光交箱创建的电子检测工单中获取所述目标光交箱的光交箱图像，所述光交箱图像是巡检拍摄后网络上传至所述电子检测工单的；所述方法还包括：基于所述目标光交箱的检测结果，完成针对所述电子检测工单的检测报表。8.一种光交箱检测装置，其特征在于，包括：
获取模块，用于获取待检测的目标光交箱的光交箱图像；特征提取模块，将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；锚点框映射模块，用于将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；目标识别模块，用于将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；检测模块，用于将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。9.一种电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被所述处理器执行：获取待检测的目标光交箱的光交箱图像；将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下步骤：获取待检测的目标光交箱的光交箱图像；将所述光交箱图像输入至目标识别模型的第一卷积神经网络，以对所述光交箱图像进行特征提取，得到初始特征图谱；将所述初始特征图谱输入至所述目标识别模型的第二卷积神经网络，以在所述初始特征图谱上映射锚点框，得到以锚点框为单位的锚点框特征图谱，其中，所述第二卷积神经网络是基于光交箱部件的样本像素数据和所述样本像素数据对应的分类标签训练得到的；将所述锚点框特征图谱输入至所述目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，得到光交箱部件识别结果，其中，所述第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和所述锚点框样本特征图谱对应的分类标签训练得到的；将所述光交箱部件识别结果中识别到的光交箱部件作为检测对象以进行检测，得到所述目标光交箱的检测结果。
技术总结
本发明提供一种光交箱检测方法、装置及电子设备。方法包括：将待检测的光交箱图像输入至目标识别模型的第一卷积神经网络以进行特征提取，得到初始特征图谱。将初始特征图谱输入至目标识别模型的第二卷积神经网络，以映射锚点框，得到以锚点框为单位的锚点框特征图谱，第二卷积神经网络是基于光交箱部件的样本像素数据和样本像素数据对应的分类标签训练得到的。将锚点框特征图谱输入至目标识别模型的第三卷积神经网络，以进行光交箱部件的目标识别，第三卷积神经网络是基于光交箱部件的锚点框样本特征图谱和锚点框特征图谱对应的分类标签训练得到的。将目标识别模型对识别到的光交箱部件进行检测，得到目标光交箱的检测结果。果。果。
技术研发人员：丁宏 靳雷 朱辉 宋晓飞 梁宇 张蓉
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2021.06.03
技术公布日：2022/12/5