何景晖，敖银辉，赵伟良

（广东工业大学机电工程学院，广州510006）

1 引 言

光缆交接箱是用于光缆接入网中主干光缆与配线光缆交接处的端口设备，简称光交箱，通常安装在户外。目前主要的前端维护方式是技术人员定期外出巡检，排查故障端口以及用表格记录每个端口的状态。由于光交箱大体安装在街道，内部布线杂乱，端口数量大，给维护工作带来很大困难。使用移动设备对光缆交接箱拍照，然后利用数字图像识别技术分析箱体上的端口状态，可以大大减化任务、降低成本、提高准确性。在图像中定位并识别端口属于计算机视觉中的目标检测任务。传统目标检测方法[1-3]首先在给定的图像上生成一批候选区域，然后对这些区域手工定义提取特征，最后采用模板匹配或者用分类器对特征向量进行分类。该类方法存在区域选择策略没有针对性、手工设计的特征对于多样性的变化没有很好的鲁棒性等问题。现代目标检测方法主要利用卷积神经网络（CNN）自动提取特征能力，将目标定位与分类作为回归任务，依赖于高性能的计算硬件来完成。其中具有代表性的二阶网络[4-6]与一阶网络[7-9]，在具有GPU 配置的电脑端下，对常规尺寸的目标可以保持较高的检测精度和较快的检测速度，但在无GPU 条件下，对较小尺寸的目标，往往并不能快速检测出所有目标。工作场景下拍摄的光交箱图像以及局部放大图如图1 所示。光交箱的端口分布密度大，属于小目标，仅用传统或者深度学习目标检测方法难以满足端口检测实际工程应用要求。……