基于移动互联和人工智能的OTDR数据传输检测系统.pdf

2023 年 10 月基于移动互联和人工智能的数据传输检测系统赵建军1袁袁明芊2袁吴日均2（1.中国电信集团有限公司，北京 100033；2.中国电信股份有限公司广东综合维护优化中心，广东 广州 510627）【摘要】为解决传统使用光时域反射仪渊optical time谣domain reflectometer,OTDR冤对光缆纤芯进行测试时存在的问题袁提出一款基于移动互联和人工智能的 OTDR 数据传输检测系统遥 从基于手机的移动互联尧背向散射曲线图像检测尧异常数据分级处理尧故障数据智能分析尧故障数据跟踪等方面对该系统进行介绍袁以期为相关人员提供参考遥【关键词】数据传输曰图像识别曰检测系统曰故障数据【中图分类号】TN929【文献标识码】A【文章编号】1006-4222（2023）10-0142-030 引言当前，运营商维护单位通常使用光时域反射仪（optical time谣domain reflectometer,OTDR）设备进行光缆线路空闲光纤测试，得到背向散射曲线，然后通过人工分析该曲线数据，判断光缆线路质量，定位光缆线路故障，发现可能存在的问题和安全隐患，进一步指导纤芯质量优化。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立即上传测试文件，通常需要人工借助文件导出功能将测试结果拷贝至管理处，再逐条对应纤芯上传曲线，不仅费时费力，而且容易出现差错，难以高效上传完整的曲线。除此之外，在发现数据测试错误时无法及时告知维护人员，从而影响电信运营商的网络发展规划和网络运营分析。因此，本文提出一款基于移动互联和人工智能的 OTDR 数据传输检测系统，该系统可基于深度学习方法自动提供测试辅助方案，有效解决传统人工检测存在的问题，为上层网络的建设、维护、优化提供全面、精准、高效的数据支撑。1 系统介绍1.1 基于手机的移动互联数据交互演示如图 1 所示。手机 APP 通过 IEEE 802.11 协议或蓝牙无线技术与 OTDR 设备实现互联互通，并赋予 OTDR 背向散射曲线上传功能。维护人员使用 OTDR 设备进行光缆测试时，可利用手机连接通用串行总线（universalserial bus,USB）无线模块，将获取到的背向散射曲线测试文件上传至后台服务器进行数据检测。后台服务器则统一保存检测结果，维护人员通过手机 APP查看检测结果是否存在异常1。（1）测试内容。量程、脉宽、波长、测试时间、测试方式。其中，测试方式包括平均测试、实时测试等。（2）测试光缆位置。测试起始站点名称及其对应的起始站点字符信息、测试终止站点名称及其对应的终止站点字符信息。（3）光缆纤芯 ID。光缆序号、光缆信息、光纤序号、纤芯号信息。（4）测试结果文件。本次测试的背向散射曲线，包括测试发生的事件以及事件发生的距离、损耗。（5）测试时间。本次测试完成的北京时间。图 2为数据上传流程设计。1.2 背向散射曲线图像检测（1）第一步。结构相似性（structure similarity indexmeasure,SSIM）指数公式如下：SSIM（a，b）=（2滋a滋b+C1）（2滓ab+C2）（滋2a+滋2b+C1）（滓2a+滓2b+C2）。（1）式中：滋图像像素值的平均值；滓所有像素值的标准差；a第一图像；b第二图像；Cn常数，保证分母为 0 时的稳定性2，Cn=（KnL）2。计算第一图像和第二图像的差异矩阵0SabSba0噎噎噎0晌尚上上上上上上上上裳捎梢梢梢梢梢梢梢梢，SSIM 函数的值域为0，1，值越大说明两幅图像越相似，可以图 1 数据交互演示超文本传输协议文件传输协议关键参数可编程仪器标准命令点名测试返回文件维护人员手机 APP专题综述1422023 年 10 月直观体现两次测试的事件差异、衰减值差异和图像相似度。通过图像对比方法，可以分析曲线的更多细小曲度差距。SSIM 算法基本思路如图 3 所示。（2）第二步。余弦相似度算法公式如下：cos 兹=x1x2+y1y2x12+y12姨伊x22+y22姨。（2）两端结对对齐对比通过背向散射曲线中存在事件的距离以及衰减值，结合余弦相似度算法计算第一图像中存在事件的距离点 x1、衰减值 y1与第三图像（将第二图像进行水平翻转后获得）存在事件的距离点 x2、衰减值 y2的余弦相似度，从而得到两次测试背向散射曲线的相似度 cos 兹。（3）第三步。为了提高相似度的计算准确率，可以 记 录 第 一、第 三 图 像 曲 线 的 事 件 得 到 数 组（x1，x2，x3，xn）和（y1，y2，y3，yn）。事件相似度算法公式如下：cos 兹=撞ni=1（xi伊yi）撞ni=1（xi）2姨伊撞ni=1（yi）2姨。（3）数组通过事件相似度算法计算得到余弦值及事件相似度，余弦值越小，相似度越低，那么存在差异较大，判断为不相似。通过余弦相似度结合事件相似计算方法，可以排除差异太大的曲线，并保留微小合理的事件距离偏差3。1.3 异常数据分级处理通过上述算法得到异常数据对比结果后，OTDR数据传输检测系统应当保存异常数据对比所涉及的相关数据，如测试参数信息、测试位置信息、光缆纤芯信息、光缆涉及业务信息、测试结果文件和异常数据对比结果差异度等。系统通过对异常数据对比结果进行分级，自动处理异常数据和自动分派及通知人工工单。OTDR 数据传输检测系统可提供阈值预设和故障级别预设两种方案，配置方式为人工预设和自动预设。人工预设是指维护人员或管理人员针对部分光缆、纤芯、业务等单独设置阈值和故障级别。自动预设是指系统对所有光缆、光纤、站点、业务、同路由等相关数据进行关联分析，从而根据光缆级别、光纤容量、业务数量、主备同路由、机房等数据情况实时计算并上传阈值。为了简化结果数据，方便维护人员操作，可将阈值设置为 01，超过阈值则表示数据异常。系统根据阈值与异常数据对比结果的差值将故障等级分为非常严重、一般紧急和无故障 3 种，并分别进行自动处置4。分级及处置方式如下。（1）非常严重。系统将消息发送至维护人员的手机 APP，提醒其立即更换设备再进行测试，若无设备更换，则需要维护人员在附近其他机房两端进行对称测试，从而确定故障发生的实际位置。（2）一般紧急。系统将消息发送至维护人员的手机 APP，且同步向其他机房或同机房维护人员推送相同的测试参数，进行补充两端对称测试或普通对比测试。（3）无故障。系统自动保存此次光缆测试结果至后台服务器，以便向在附近开展测试工作的其他维护人员推送相同的测试参数，进行同个光缆的数据复测。1.4 故障数据智能分析基于移动互联和人工智能的 OTDR 数据传输检测系统可结合历史测试参数信息、测试位置信息、光缆纤芯信息、光缆涉及业务信息、测试结果文件、异常数据对比结果等进行数据建模，利用历史数据构建人工智能神经网络模型，以达到故障预测的目的。人工智能神经网络模型通过分析历史数据，可以得到可能存在故障的光缆列表。需要进行分析的参数包括故障列表、故障紧急程度、光缆相似度、光缆位置、光缆纤芯 ID、测试参数、测试结果等。人工智能神经网络模型具备不断完善的能力，OTDR 数据传图 2 数据上传流程设计OTDRWi谣Fi/蓝牙手机 APP超文本传输协议数据检测后台检测结果检测结果背向散射曲线图形构建图形识别异常检测图 3 SSIM 算法基本思路图像 x图像 y亮度测量对比度测量亮度对比对比度对比结构对比亮度测量对比度测量专题综述1432023 年 10 月输检测系统根据维护人员上传的 OTDR 测试数据，判断是否存在实际故障，如果存在实际故障，则为正样本，如果不存在故障，判断为负样本。随后根据上述参数，训练和优化神经网络分类模型，从而提高数据分析的准确性5。为了提高模型的泛化能力，需要收集海量已知数据集进行模型训练，但是，数据集的获取需要耗费大量时间和人力成本。在图像识别领域，通常使用缩放、平移、色彩变换、旋转等方式进行数据增强，使数据集样本更加丰富。Mosaic 数据增强原理如图 4 所示。即对 4 张图片进行随机裁剪、排列组合、缩放后合成一张图片，以增加数据集的数量；在进行归一操作时，可一次性计算这 4 张图片，降低模型的内存需求，提高检测效率，从而提高风险预警信息生成的及时性。通过每次的测试结果累积样本数据，定期对模型进行增量训练，从而在日常测试工作中不断提高模型预测的正确性。OTDR 数据传输检测系统利用人工智能神经网络模型自动分析历史故障数据，并结合分类置信度对可能存在问题的光缆列表进行降序排序。维护人员可以根据该列表进行测试工作，从而避免故障发生。1.5 故障数据跟踪基于移动互联和人工智能的 OTDR 数据传输检测系统可跟踪故障处理，及时保存每一步的档案信息。待维护人员上传检测数据后，系统会对数据进行检测，而当前检测阈值和故障级别将与上传的检测数据一同保存。一旦识别出故障数据，则将其与光缆纤芯信息、光缆涉及业务信息、位置信息等一同在地图展示出来。在获取本次测试对应的背向散射曲线之后，基于背向散射曲线图像检测结果、测试光缆位置和光缆纤芯 ID，OTDR 数据传输检测系统可自动检索服务器中储存的相同光缆纤芯 ID 的测试数据结果，对比结果差异程度后将相关数据推送至维护人员手机APP 上进行展示。在测试阶段，待维护人员现场勘验后，OTDR 数据传输检测系统自动对故障数据进行归档处理，将故障数据标记为清除状态，并同步向维护人员手机APP 推送信息通知。若数据依旧异常，在开展光缆线路维护工作时需要处理设备故障，维护人员可通过手机 APP 以文字、图片、视频等方式记录维护工作内容，并在设备故障处理完毕之后对该故障数据进行归档处理。故障处理过程将保存至平台中，形成设备故障处置知识库，当相似故障再次发生时，平台将自动推送故障处置建议至相关维护人员手机 APP 中。故障数据跟踪如图 5 所示。2 结语在基于移动互联和人工智能的 OTDR 数据传输检测系统中，维护人员可以通过手机 APP 获取OTDR 的测试背向散射曲线文件，并即时将曲线上传至后台服务器。系统借助图像检测技术进行相似性判别，判别维护人员上传的曲线是否存在重复上传、测错光缆段、仪表参数设置错误、仪表性能退化等问题，提醒维护人员测试过程是否出现错误，进一步提高光缆纤芯测试曲线的现场采集效率和准确性。该系统同样适用于运营商光缆工程建设、网络维护阶段的纤芯测试工作，在同个光缆中继段备纤曲线高度相识的场景下，相似性识别效果优于普通的曲线第一图像直接对比方式，能够精准判别维护人员是否上传不合格曲线并给出调整建议，最终缩短测试工单时长，并获取完整、有效的纤芯测试曲线库。参考文献1 李程贵，王英豪，营海生.基于告警分析的智能光缆故障定位系统的研究J.信息通信，2017（5）：235-237.2 王鹏博.多态并行机上的 OpenVX 系统实现D.西安：西安邮电大学，2015.3 高吉.基于改进结构相似度的标签缺陷检测系统研究与实现D.南京：南京大学，2018.4 王强，房瑜丹.基于 OTDR 的光缆自动监测定位中减少盲区影响的智能测试方法J.广东通信技术，2022，42（3）：72-76.5 霍玉婷.面向智能监控的运动目标检测和分类方法的研究D.北京：北京交通大学，2016.作者简介院赵建军（1969），男，汉族，北京人，本科，工程师，主要从事传输网络维护工作。图 4 Mosaic 数据增强原理累积样本数据集提取一批重复执行提取相似光缆数据形成新数据神经网络神经网络模型增强增强后的数据结果图 5 故障数据跟踪识别发现故障搜索相似光缆对比测试结果数据推送至维护人员手机 APP现场勘验故障归档专题综述144