智能光纤路自动切换保护光缆轻量级故障检测与定位方法与流程

【】本发明创造涉及网络，特别是一种智能光纤路自动切换保护光缆轻量级故障检测与定位方法。

背景技术

0、
背景技术：

1、传统otdr方式不支持业务纤在线监测和基于波分的eotdr无法监测空余纤芯，而且受厂家所限，现有的olp(optical fiber line auto switch protectionequipment)——光纤线路自动切换保护装置，只能对自家的系统进行监测的缺陷，存在无法同时测试同缆多纤芯光缆质量的问题。上述的问题导致现有的光纤路自动切换保护光缆设备成本高(不能对多家进行监测，每一家设备都有不同的模型监控现有光缆的缺陷)，通用性不足(现有故障定位算法仅仅是对自家光缆设备定位或者故障定位进行建模，无法蒋模型用于其他光缆的监测)，使得当前运营商在主干线上的光缆监测、故障定位无法全方位进行。传统的高性能的olp对设备缺陷定位和质量检测时采用传统深度卷积神经网络结合缺陷定位数据库和质量检测数据库实现光缆问题的鉴定，但是传统卷积神经网络计算量大，一旦部署到计算能力较差的设备上，必定会影响性能，因此，传统的olp设备一般市场价格较高，很难在整个城市范围内的干线进行全方位部署。因此，如果降低模型计算复杂性，不仅能够降低olp设备的成本，还能提升olp设备在光缆检测中的普及率。那么，如何在保证的深度卷积神经网络性能基本不变的基础上，减少模型的计算量是当前推动深度神经网络应用的一个重要课题。

2、因此，本发明创造提出一种智能光纤路自动切换保护光缆轻量级、自适应故障检测与定位方法，这种方法不需要高性能的olp(optical fiber line auto switchprotection equipment)——光纤线路自动切换保护装置，仅仅需要便携式、轻量级、成本低设备(类似现有手机的采集和处理信息)的计算能力就能实现系统缺陷的定位和多厂家多纤芯光缆质量的检测。

技术实现思路

0、
技术实现要素：

1、为解决上述问题，本发明创造提供一种智能光纤路自动切换保护光缆轻量级故障检测与定位方法，如附图1所示，本专利通过提出一个自适应剪枝的轻量级卷积神经网络架构，实现轻量级、自适应的故障定位和光缆质量检测功能。该架构通过互信息计算(通过给定的样本算出样本标签与每一个通道的特征重要性)每一个卷积层在各个特征通道的重要性后，将各特征通道的重要性进行排序，然后采用自适应通道特征重要性阈值的方法确定剪枝阈值，在此基础上，对通道进行由粗到细的剪枝，最后对神经网络进行微调，实现模型压缩的目的。

2、为实现上述目的，本发明创造提供如下技术方案：

3、一种智能光纤路自动切换保护光缆轻量级故障检测与定位方法，包括有如下步骤，

4、步骤s1，通道特征互信息计算：在给定卷积神经网络，将训练样本输入卷积神经网络中，基于给定的样本算出样本的标签与每一个通道特征的重要性；

5、步骤s2，通道特征的初步裁剪：将通道特征冗余性和互补性进行初步裁剪，以优化通道特征与标签之间的互信息；

6、步骤s3，自适应通道特征重要性阈值：基于优化后所述通道特征与标签之间的互信息，确定合适的通道特征重要性阈值以实现剪枝并获得剪枝阈值；

7、步骤s4，基于最终确定的剪枝阈值进行剪枝，并对网络通道参数进行微调，实现网络压缩。

8、作为优选实施方式，进一步限定为：在步骤s1中，提取若干卷积层通道的特征，采用池化层对卷积层提取的特征进行池化，以使得将不同卷积层提取的特征尺寸不一通过池化后实现每一个卷积层提取特征尺寸一致性，具体互信息计算过程如下，

9、假设有n个样本，l表示第l个池化层，k表示第k个通道，那么表示第i个样本在第l层池化层后在第k个通道的特征向量，那么cl为池化层的通道数量，其中那么针对所有n个样本在第l个池化层在第k个通道的特征集合可以表示为：那么n个样本对应的标签为y＝{y1,y2,......,yn}，那么vl(k)与y的互信息可以表示为：

10、作为优选实施方式，进一步限定为：在步骤s 2中，

11、所述特征通道之间的冗余性采用j(vl(i))表示：

12、其中s表示第l层的通道集合；

13、所述特征通道互补性来度量通道i和通道k的互补性，表示为：

14、

15、按照公式1和公式2对l层的所有的通道进行衡量，确定通道特征之间的互补性和冗余性，并进行初步剪除，以获取候选通道s'。

16、作为优选实施方式，进一步限定为：在步骤s3中，将训练样本数据随机切分成n批，并将所述候选通道s'中最小通道特征重要性从小到大排序，选取排位在第10％的通道特征重要性i10％作为初始化的阈值，通过剪枝，获得剪枝后的模型重要性，并将其余模型准确性相比较，得到误差为e1；假设固定间隔为inta：

17、inta＝i11％-i10％(公式3)

18、公式3中，i11％表示排位在第11％通道特征重要性的值；

19、基于误差实现自适应间隔的获取，以便实现自适应剪枝，那么自适应间隔表示为：

20、其中，在公式4中，k'表示一个常数；

21、剪枝阈值可以表示为：

22、i2＝i10％+int1(公式5)

23、同理，第k-1次的剪枝阈值为：

24、ik-1＝ik-2+intk-2(公式6)。

25、作为优选实施方式，进一步限定为：在确定第k-1次的剪枝阈值作为最终的剪枝阈值，将不满足指定通道特征重要性的通道进行剪除，并采用训练数据对剩余的特征通道进行重新训练，微调深度网络参数，实现网络参数的微调。

26、本发明创造的有益效果是：

27、1、该方法采用一种自适应剪枝的轻量级卷积神经网络架构，不仅实现轻量级的卷积神经网络剪枝的技术路线，还能将现有的模型通过自适应剪枝，在具有其他厂家给定的样本的基础上快速算出样本标签与每一个通道的特征重要性，从而将现有的模型快速切换到其他厂家光缆故障位置和质量检测中，提升了模型的通用性。

28、2、该方法可以根据不同光缆质量检测的要求，各种涉及到光缆质量参数要求对模型进行的灵活调整(自适应本身就能根据用户需求，快速对模型进行剪枝，从而适用于不同厂家、不同质量要求光缆的检测)、快速确定网络剪枝阈值。

29、3、该方法通过通道特征之间的互补性和冗余性，并将冗余过大和互补性小的通道进行初步剪除，再用剪枝阈值剪除通道特征重要性不高的通道。

技术特征：

1.智能光纤路自动切换保护光缆轻量级故障检测与定位方法，其特征在于：包括有如下步骤，

2.根据权利要求1所述的智能光纤路自动切换保护光缆轻量级故障检测与定位方法，其特征在于：在步骤s1中，提取若干卷积层通道的特征，采用池化层对卷积层提取的特征进行池化，以使得将不同卷积层提取的特征尺寸不一通过池化后实现每一个卷积层提取特征尺寸一致性，具体互信息计算过程如下，

3.根据权利要求2所述的智能光纤路自动切换保护光缆轻量级故障检测与定位方法，其特征在于：在步骤s2中，

4.根据权利要求3所述的智能光纤路自动切换保护光缆轻量级故障检测与定位方法，其特征在于：在步骤s3中，将训练样本数据随机切分成n批，并将所述候选通道s'中最小通道特征重要性从小到大排序，选取排位在第10％的通道特征重要性i10％作为初始化的阈值，通过剪枝，获得剪枝后的模型重要性，并将其余模型准确性相比较，得到误差为e1；假设固定间隔为inta：

5.根据权利要求4所述的智能光纤路自动切换保护光缆轻量级故障检测与定位方法，其特征在于：在确定第k-1次的剪枝阈值作为最终的剪枝阈值，将不满足指定通道特征重要性的通道进行剪除，并采用训练数据对剩余的特征通道进行重新训练，微调深度网络参数，实现网络参数的微调。

技术总结
本发明创造公开了一种智能光纤路自动切换保护光缆轻量级故障检测与定位方法，通过提出一个自适应剪枝的轻量级卷积神经网络架构，实现轻量级、自适应的故障定位和光缆质量检测功能。该架构通过互信息计算每一个卷积层在各个特征通道的重要性后，将各特征通道的重要性进行排序，然后采用自适应通道特征重要性阈值的方法确定剪枝阈值，在此基础上，对通道进行由粗到细的剪枝，最后对神经网络进行微调，实现模型压缩的目的。

技术研发人员：李晓辉,蒋杰伟
受保护的技术使用者：广州杰鑫科技股份有限公司
技术研发日：
技术公布日：2024/1/13