基于視覺識別的通信工程AI巡檢技術(shù)研究

摘要：為了能更切實(shí)提高通信工程巡檢的準(zhǔn)確性和可靠性，提出了一種基于視覺識別的通信工程AI巡檢技術(shù)，對相應(yīng)的系統(tǒng)架構(gòu)、視覺識別算法、深度學(xué)習(xí)模型進(jìn)行了討論，通過仿真測試，明確了實(shí)時(shí)巡檢系統(tǒng)的運(yùn)行情況。結(jié)果顯示，系統(tǒng)能夠很好地適應(yīng)通信工程巡檢的要求，對比傳統(tǒng)巡檢方法，在巡檢效率和巡檢結(jié)果準(zhǔn)確度方面有著明顯提升。

關(guān)鍵詞：視覺識別"通信工程"AI巡檢"深度學(xué)習(xí)

中圖分類號：TM75

Research"on"AI"Inspection"Technology"of"Communication"Engineering"Based"on"Visual"Recognition

QU"Dingchun

Gongcheng"Management"Consulting"Co.，"Ltd.，"Guangzhou，"Guangdong"Province，"510630"China

Abstract："In"order"to"effectively"improve"the"accuracy"and"reliability"of"communication"engineering"inspection，"an"AI"inspection"technology"for"communication"engineering"based"on"visual"recognition"is"proposed，"the"corresponding"system"architecture，"visual"recognition"algorithm"and"deep"learning"model"are"discussed，"and"the"operation"of"the"real-time"inspection"system"is"clarified"through"simulation"test."The"results"show"that"the"system"can"adapt"well"to"the"requirements"of"communication"engineering"inspection，"and"compared"with"the"traditional"inspection"method，"the"inspection"efficiency"and"the"accuracy"of"inspection"results"have"been"significantly"improved.

Key"Words："Visual"identity;"Communication"engineering;"AI"inspection;"Deep"learning

5G的持續(xù)推進(jìn)，對于通信工程線路和設(shè)備的運(yùn)行穩(wěn)定性提出了嚴(yán)格要求，做好通信工程維護(hù)與巡檢工作，能夠及時(shí)發(fā)現(xiàn)工程中存在的不足和問題，對其進(jìn)行有效處理。但是，傳統(tǒng)的巡檢方法在實(shí)際應(yīng)用中存在較大的局限性，如效率低下、容易受到環(huán)境因素影響等。對此，從提高通信工程巡檢效率和質(zhì)量的角度，提出了一種基于視覺識別的通信工程AI巡檢技術(shù)，借助視覺識別和深度學(xué)習(xí)，保障了巡檢的智能化和自動化。

1當(dāng)前技術(shù)分析研究

1.1通信工程巡檢現(xiàn)狀

1.1.1手工巡檢方法

手工巡檢是通信工程巡檢中常用的方法之一，主要是由巡檢人員通過巡視、觀察、聽聲等方式，對線路和設(shè)備的運(yùn)行狀態(tài)進(jìn)行檢查，記錄其中存在的異常情況并進(jìn)行處理。手工巡檢方法簡單易行，適用性強(qiáng)，但是巡檢的效率相對較低，而且容易出現(xiàn)忽略微小異常的情況。

1.1.2自動化巡檢技術(shù)

自動化巡檢技術(shù)具有快速、高效的特點(diǎn)，其基本原理是借助儀表、傳感器等，對通信線路和設(shè)備的運(yùn)行情況進(jìn)行自動感知，采集設(shè)備的運(yùn)行信息并將其與預(yù)先設(shè)定好的標(biāo)準(zhǔn)信息進(jìn)行對比，如果發(fā)現(xiàn)異常，會及時(shí)向工作人員發(fā)出報(bào)警，提醒其進(jìn)行處理。自動化巡檢技術(shù)的優(yōu)點(diǎn)在于反應(yīng)迅速、準(zhǔn)確性高，而且不會受到環(huán)境條件的影響。不過其設(shè)備成本較高，需要專業(yè)人員進(jìn)行定期維護(hù)保養(yǎng)[1]。

1.2視覺識別技術(shù)

1.2.1計(jì)算機(jī)視覺基礎(chǔ)

計(jì)算機(jī)視覺是視覺識別技術(shù)的基礎(chǔ)性內(nèi)容，簡單來講就是使用攝像機(jī)與計(jì)算機(jī)，對目標(biāo)進(jìn)行識別、跟蹤等，形成更能夠滿足實(shí)際需求的圖像。計(jì)算機(jī)視覺所追求的目標(biāo)是像人一樣憑借視覺來感知、認(rèn)識和理解各種事物，提升其自主適應(yīng)環(huán)境的能力。使用計(jì)算機(jī)信息處理的方法，對人類視覺的機(jī)理進(jìn)行研究，構(gòu)建人類視覺計(jì)算理論，這樣的研究被稱為是計(jì)算視覺（Computational"Vision），其被認(rèn)為是計(jì)算機(jī)視覺中一個(gè)重要的研究領(lǐng)域。

1.2.2深度學(xué)習(xí)在視覺識別中的應(yīng)用

深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)算法，基本原理是借助多層次的神經(jīng)網(wǎng)絡(luò)，對輸入的數(shù)據(jù)信息進(jìn)行抽象和分級，從而得到高層次、高復(fù)雜性的特征表示。深度學(xué)習(xí)的核心思想，是在具備足夠數(shù)據(jù)量同時(shí)訓(xùn)練時(shí)間足夠長的情況下，借助網(wǎng)絡(luò)進(jìn)行迭代學(xué)習(xí)，以此來提高算法的準(zhǔn)確率[2]。深度學(xué)習(xí)在視覺識別中的應(yīng)用主要體現(xiàn)在幾個(gè)方面。

一是圖像分類，對輸入的圖像進(jìn)行特征提取和抽象分類，以深度學(xué)習(xí)為支撐，即便是面對復(fù)雜圖像以及高噪聲干擾，依然能夠保障分類的準(zhǔn)確性，常用于人臉識別、物品識別等相關(guān)場景。二是目標(biāo)檢測，可以從復(fù)雜圖像或者視頻中，實(shí)現(xiàn)對指定目標(biāo)的自動檢測。深度學(xué)習(xí)能夠借助相應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)，進(jìn)行多層次抽象特征表達(dá)，從而提高目標(biāo)檢測的準(zhǔn)確性。三是行人重識別，在不同場景中，借助圖像或者視頻序列中的行人特征信息，對行人進(jìn)行識別，常用于人員布控、安防等領(lǐng)域。不過由于姿態(tài)變化、遮擋等因素，行人重識別是深度學(xué)習(xí)在視覺識別中應(yīng)用的一大難點(diǎn)。

2"基于視覺識別的AI巡查方法與技術(shù)實(shí)現(xiàn)

2.1系統(tǒng)架構(gòu)設(shè)計(jì)

2.1.1硬件部分

在系統(tǒng)設(shè)計(jì)中，將其分為3個(gè)不同的部分，具體結(jié)構(gòu)如圖1所示。

硬件部分設(shè)計(jì)中，重點(diǎn)是前端采集部分的設(shè)計(jì)，這里主要對攝像頭和傳感器設(shè)備進(jìn)行討論了。攝像頭和傳感器是系統(tǒng)的前端模塊，也是對圖像信息進(jìn)行采集的關(guān)鍵，在對設(shè)備進(jìn)行選擇時(shí)，必須充分考慮通信工程巡檢工作的要求，確保其能夠?qū)Σ伎胤秶鷮?shí)現(xiàn)影像的記錄，覆蓋巡檢線路上所有的通信設(shè)備。硬件設(shè)施需具備4K及以上清晰度，視頻或圖片格式參數(shù)可以根據(jù)需求進(jìn)行設(shè)定，同時(shí)，攝像頭和傳感器采集到的圖像信息可以通過無線網(wǎng)快速傳遞到系統(tǒng)中，方便工作人員進(jìn)行查詢[3]。

2.1.2軟件部分

軟件部分設(shè)計(jì)的核心體現(xiàn)在算法設(shè)計(jì)方面，算法的核心框架是借助物體類別的全局幾何形狀，以及輔助物體中心，實(shí)現(xiàn)對其特征的準(zhǔn)確描述。考慮到在面對復(fù)雜背景時(shí)，單條線段可能出現(xiàn)誤檢測的問題，采用了深度學(xué)習(xí)算法來提升目標(biāo)識別的準(zhǔn)確性。系統(tǒng)本身需要大量的樣本數(shù)據(jù)來進(jìn)行模型的制作。

2.2視覺識別算法

2.2.1圖像預(yù)處理

圖像預(yù)處理是視覺識別算法中非常重要的內(nèi)容，能夠提升圖像的質(zhì)量，去除噪聲，確保特征提取和目標(biāo)識別的準(zhǔn)確性。系統(tǒng)設(shè)計(jì)中，可以采用平滑模糊處理以及銳化處理的方式。

2.2.2特征提取

特征提取是視覺識別算法中的一個(gè)關(guān)鍵步驟，主要是從圖像中提取出有用信息，為圖像的分類和識別提供參考。特征提取的內(nèi)容包含了圖像視覺特征、統(tǒng)計(jì)特征、代數(shù)特征和變換系數(shù)特征，這里采用了方向梯度直方圖的方法，能夠精準(zhǔn)捕獲圖像的輪廓信息，從而實(shí)現(xiàn)對圖像的快速精準(zhǔn)識別[4]。

2.2.3目標(biāo)監(jiān)測與識別

在經(jīng)過圖像預(yù)處理和特征提取后，系統(tǒng)能夠依照得到的圖像，實(shí)現(xiàn)對目標(biāo)的快速檢測和精準(zhǔn)識別。這里采用的是基于區(qū)域建議的卷積神經(jīng)網(wǎng)絡(luò)算法，先通過選擇性搜索的方式，生成相應(yīng)的候選區(qū)域，然后對每個(gè)區(qū)域進(jìn)行特征提取，做好目標(biāo)分類，再通過非極大值抑制的方式，得到最終的檢測結(jié)果。

2.3深度學(xué)習(xí)模型

2.3.1模型選擇與設(shè)計(jì)

在對深度學(xué)習(xí)模型進(jìn)行選擇時(shí)，需要依照問題的類型，確定好模型結(jié)構(gòu)，考慮到AI巡檢系統(tǒng)本身是用于圖像識別，這里選擇的是卷積神經(jīng)網(wǎng)絡(luò)CNN模型。

2.3.2模型訓(xùn)練與優(yōu)化

條件允許的情況下，先對模型進(jìn)行預(yù)訓(xùn)練，如可以使用ImageNet來對CNN模型進(jìn)行預(yù)訓(xùn)練，依照預(yù)訓(xùn)練的結(jié)果微調(diào)模型，提升模型的合理性。模型訓(xùn)練環(huán)節(jié)，所有輸入到模型中的數(shù)據(jù)都必須進(jìn)行預(yù)處理，如歸一化處理、標(biāo)準(zhǔn)化處理等，同時(shí)也可以應(yīng)用相應(yīng)的數(shù)據(jù)增強(qiáng)技術(shù)，提升模型的泛化能力。在面對大規(guī)模數(shù)據(jù)集時(shí)，可以采用分布式訓(xùn)練的方法，也可以借助TPU、GPU集群等硬件來對訓(xùn)練過程進(jìn)行加速。在深度學(xué)習(xí)框架中，支持不同形式的分布式訓(xùn)練策略，如模型并行、數(shù)據(jù)并行等，云服務(wù)上提供的很多服務(wù)也能夠提供分布式訓(xùn)練的解決方案，實(shí)現(xiàn)對復(fù)雜模型的高效訓(xùn)練。

2.3.3數(shù)據(jù)集構(gòu)建與標(biāo)注

在進(jìn)行深度學(xué)習(xí)模型設(shè)計(jì)的過程中，需要做好對于數(shù)據(jù)集的構(gòu)建工作，對模型的表現(xiàn)進(jìn)行監(jiān)控，記錄訓(xùn)練過程中的損失函數(shù)值以及性能指標(biāo)變化趨勢，看模型在訓(xùn)練中是否存在過擬合或欠擬合的問題：若訓(xùn)練損失遠(yuǎn)遠(yuǎn)小于驗(yàn)證損失，表明存在過擬合的情況；如果訓(xùn)練損失和驗(yàn)證損失都比較高，但是差距不大，這可能存在欠擬合的情況[5]。

2.4實(shí)時(shí)巡檢系統(tǒng)

2.4.1數(shù)據(jù)采集與傳輸

實(shí)時(shí)巡檢系統(tǒng)在實(shí)際運(yùn)行中，可以借助布設(shè)在前端的攝像機(jī)、傳感器等設(shè)備，實(shí)現(xiàn)對通信工程巡檢路徑上線路及設(shè)備數(shù)據(jù)的全面、高效采集，采集到的數(shù)據(jù)以圖片和視頻為主，清晰度都達(dá)到了高清的標(biāo)準(zhǔn)，可以幫助巡檢工作人員準(zhǔn)確識別線路和設(shè)備中存在的異常。采集的數(shù)據(jù)信息可以通過無線網(wǎng)，直接傳輸?shù)较到y(tǒng)綜合管理平臺，存儲到數(shù)據(jù)庫中，由人工進(jìn)行審核。

2.4.2實(shí)時(shí)處理與分析

工作人員可以在系統(tǒng)終端，對前端設(shè)備傳輸?shù)臄?shù)據(jù)進(jìn)行實(shí)時(shí)處理和分析，排除其中可能存在的無效數(shù)據(jù)以及重復(fù)數(shù)據(jù)，對數(shù)據(jù)量進(jìn)行精簡，然后運(yùn)用訓(xùn)練好的深度學(xué)習(xí)模型，逐步進(jìn)行圖像預(yù)處理、特征提取以及目標(biāo)檢測識別，精準(zhǔn)識別通信工程中可能存在的異常和故障，并對其進(jìn)行二次確認(rèn)，隨后安排維修人員及時(shí)做好維修處理，保障通信設(shè)備運(yùn)行的安全性和可靠性。

2.4.3巡檢結(jié)果展示與反饋

在完成圖像數(shù)據(jù)的處理和分析后，可以通過圖片或者表格的形式，對AI巡檢的結(jié)果進(jìn)行展示，及時(shí)與系統(tǒng)設(shè)計(jì)人員進(jìn)行溝通，反饋系統(tǒng)在使用中存在的不足，以確保設(shè)計(jì)人員能夠?qū)ο到y(tǒng)進(jìn)行持續(xù)優(yōu)化和完善。

2.5測試與分析

系統(tǒng)設(shè)計(jì)完成后，采用了對比測試的方式，以30"m內(nèi)的通信桿塔為對象，使用無人機(jī)搭載巡檢設(shè)備進(jìn)行巡檢。在測試中，使用了基于傳統(tǒng)視覺識別的巡檢系統(tǒng)與提出的基于深度學(xué)習(xí)視覺識別的AI巡檢系統(tǒng)進(jìn)行對比測試，結(jié)果顯示，本文提出的系統(tǒng)巡檢在各方面的性能均優(yōu)于基于傳統(tǒng)視覺識別的巡檢系統(tǒng)，同時(shí)，基于深度學(xué)習(xí)的視覺識別能自動提取數(shù)據(jù)特征進(jìn)行訓(xùn)練，獨(dú)立掌握學(xué)習(xí)相關(guān)屬性，實(shí)現(xiàn)自我升級[6]。

3"結(jié)語

總而言之，在通信工程中巡檢工作中，基于視覺識別的AI巡檢系統(tǒng)有著良好的應(yīng)用效果，能夠提升自動巡檢的識別精度，切實(shí)保障巡檢工作的準(zhǔn)確性，同時(shí)也能夠提高巡檢效率，減輕工作人員的負(fù)擔(dān)，具有較大的推廣價(jià)值。

參考文獻(xiàn)

[1]邵文澤，滕臻，朱富坤，等."視覺識別深度學(xué)習(xí)模型的黑盒遷移攻擊方法綜述"[J/OL]."南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），"1-14[2024-08-19]."http：//kns.cnki.net/kcms/detail/32.1772.tn.20240624.0936.003.html.

[2]竇曉欣，梁麗莎，丁兵兵，等.基于AI視覺智能巡檢系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電腦知識與技術(shù)，"2024，20（17）：19-21.

[3]張浩，朱志強(qiáng)，陳志強(qiáng)."AI驅(qū)動無人巡檢技術(shù)在油田行業(yè)的創(chuàng)新應(yīng)用[J].中國科技信息，2024（3）：88-91.

[4]孫信賢，羅燕龍，陳振波，等.軌道車輛AI巡檢系統(tǒng)的設(shè)計(jì)[J].黑龍江科學(xué)，2024，15（2）：109-111，115.

[5]王昊，丁國斌，楊家慧.基于無人機(jī)機(jī)載AI模塊的電力巡檢技術(shù)[J].沈陽工業(yè)大學(xué)學(xué)報(bào)，2024，46（1）：49-53.

[6]雷文桐，顧寄南，胡君杰，等.基于深度學(xué)習(xí)的元器件視覺識別和定位技術(shù)[J].電子測量技術(shù)，"2023，46（8）：65-73.