芯耀
131
本文首先總結(jié)了計算機視覺領域的重要關鍵技術以及典型算法模型，隨后介紹了這些技術在通信工程領域內(nèi)設備安裝、施工驗收、三維測量以及天面核查等四種典型場景下的應用方案及實施效果，上述應用實踐將為在通信工程行業(yè)構(gòu)建數(shù)字孿生網(wǎng)絡提供有益探索。
1、引言
計算機視覺（Computer Vision， CV）是指用計算機來模擬人的視覺系統(tǒng)，實現(xiàn)人的視覺功能，以適應、理解外界環(huán)境和控制自身的運動。數(shù)據(jù)、算力和模型是計算機視覺行業(yè)發(fā)展的三大基石。2000 年之后，數(shù)據(jù)量的上漲、運算力的提升和深度學習算法的出現(xiàn)促進了計算機視覺行業(yè)的迅猛發(fā)展。
隨著高性能智能終端的普及以及影像采集設備成本的下降，通信行業(yè)逐漸在勘察、施工、優(yōu)化和運維等領域累積了大量非結(jié)構(gòu)化的圖像數(shù)據(jù)；同時，圖像處理器（Graphics Processing Unit，GPU）的便利應用也為開展高強度并行計算提供了算力基礎。
本文首先總結(jié)了計算機視覺領域的重要關鍵技術以及典型算法模型，隨后介紹了這些技術在通信工程領域內(nèi)設備安裝、施工驗收、三維測量以及天面核查等幾種典型場景下的技術方案，并提供了所屬應用的實施效果。
2、計算機視覺領域的關鍵技術
2.1 重要關鍵技術
計算機視覺領域一般包括如下五類關鍵技術。
（1）圖像分類
圖像分類主要研究內(nèi)容是對圖像進行特征描述。通常，圖像分類算法通過手工特征或者特征學習方法對整個圖像進行全局描述，并依據(jù)圖像特征圖的不同語義信息進行分類，該技術廣泛應用于人臉識別、手寫文件或印刷識別、車輛識別等場景。常用的圖像分類模型包括：AlexNet[1]、VGG[2]、ResNet[3]、InceptionV4、MobileNetV3[4]、ShuffleNet 等。
（2）目標檢測
作為計算機視覺的一個重要分支，目標檢測的任務是在一幅圖像或視頻中找到目標類別以及目標位置。與圖像分類不同，目標檢測側(cè)重于物體搜索，被檢測目標必須有固定的形狀和輪廓；而圖像分類可以是任意目標包括物體、屬性和場景等。目標檢測已在人臉識別和自動駕駛領域取得了非常顯著的效果，經(jīng)典的檢測模型有 YOLOV3、SSD[t5]和 Faster RCNN[6]。
（3）圖像分割
圖像分割指的是將數(shù)字圖像細分為多個圖像子區(qū)域（像素的集合，也被稱作超像素）的過程。圖像分割的目的是簡化或改變圖像的表示形式，使得圖像更容易理解和分析。圖像語義分割是一個像素級別的物體識別，即每個像素點都要判斷它的類別。Mask R-CNN[7]就是一種經(jīng)典的實力分割網(wǎng)絡。
（4）場景文字識別
場景文字識別分為兩部分，首先通過目標檢測檢測出目標區(qū)域，然后通過 CRNN-CTC 模型將網(wǎng)絡特征轉(zhuǎn)為文字序列。場景文字識別廣泛應用于路牌識別、車牌檢測等領域。
（5）圖像生成
圖像生成是指使用對抗網(wǎng)絡（GAN）根據(jù)輸入的隨機噪聲或向量生成目標圖像。生成器、識別器是對抗網(wǎng)絡（GAN）的重要組成部分。
2.2 典型算法模型
近年來，計算機視覺領域的優(yōu)秀算法層出不窮，以下?lián)褚喗橄挛难芯渴褂玫囊恍┠Ｐ汀?/p>
（1）VGG
2014 年，牛津大學計算機視覺組和谷歌公司的研究員聯(lián)合研發(fā)出一種新的深度卷積神經(jīng)網(wǎng)絡，即 VGGNet，并獲得當年 ILSVRC 分類比賽的亞軍。VGGNet 分為 VGG16 和 VGG19：VGG16 通過 13 層 3×3 的卷積網(wǎng)絡和 3 層全連接網(wǎng)絡構(gòu)建，VGG19 則通過 16 層 3×3 的卷積網(wǎng)絡和 3 層全連接網(wǎng)絡構(gòu)建。VGG19 被廣泛應用于不同行業(yè)的圖像特征提取領域。
（2）Resnet
深度殘差網(wǎng)絡（Residual Network, ResNet）是過去幾年中計算機視覺領域頗具開創(chuàng)性的工作。因其強大的表征能力，除圖像分類以外，包括目標檢測和人臉識別在內(nèi)的許多計算機視覺應用都得到了性能提升。ResNet101 是其中的一種網(wǎng)絡堆疊方式，101 層網(wǎng)絡指齊總的卷積或全連接層數(shù)目。
（3）SIFT
尺度不變特征轉(zhuǎn)換（Scale-invariant feature transform，SIFT）是一種用來偵測與描述影像局部性特征的重要算法，由 David Lowe 在 1999 年所發(fā)表，并于 2004 年總結(jié)完善。SIFT 算法主要用于處理兩幅圖像之間發(fā)生平移、旋轉(zhuǎn)、仿射變換情況下的匹配問題。
（4）Mask R-CNN
Mask R-CNN 是華人學者何愷明提出的一種簡潔、靈活的圖像實例分割框架，用于判斷圖像中不同目標的類別和位置，并可做出像素級預測。該算法不僅能夠有效地檢測圖像中的目標，而且還能為每個實例生成一個高質(zhì)量的分割掩碼。
3、通信工程中典型應用與效果
3.1 設備安裝方式檢測
蓄電池是通信機房內(nèi)的重要基礎設施，按照設備屬性、機房空間等因素，蓄電池的安裝方式可分臥式和立式兩種（圖 1）。在局房設計時，需要因地制宜地制定安裝方式；在施工驗收時，需要關注是否按圖施工。通常，安裝方式的信息采集和現(xiàn)場核驗都是人工判斷并填注到相應信息系統(tǒng)中，填報錯誤時有發(fā)生。
圖 1 通信機房內(nèi)蓄電池安裝方式（左：臥式；右：立式）
引入 VGG19 模型中的采用 VGG19 模型中的二分類法，基于一般清晰度的現(xiàn)場圖像，本文設計出圖 2 所示算法，可高效識別這兩種安裝方式，在 100 張標注樣本數(shù)據(jù)時，置信度可以即可以達到 0.95 以上；同時，還可以借助移動互聯(lián)網(wǎng)手段，在圖像信息采集終端中實現(xiàn)即時識別（圖 3），從而提升現(xiàn)場查勘人員信息填寫效率并降低人工填報錯誤率。
圖 2 基于 VGG19 模型的蓄電池安裝方式檢測
圖 3 即拍即傳至后臺自動填寫采集終端的屬性字段
3.2 施工工藝圖像質(zhì)檢
家庭市場是中國移動“四輪驅(qū)動”戰(zhàn)略的重要組成部分，業(yè)務發(fā)展已經(jīng)進入快車道，并由“高速度”向“高質(zhì)量”轉(zhuǎn)型。當前家寬裝維主要存在以下問題：人工抽檢覆蓋率低、成本高；人工質(zhì)檢依靠經(jīng)驗，存在漏檢、錯檢的情況，結(jié)果不可靠。
通過計算機視覺技術可構(gòu)建家客智能化質(zhì)檢手段（圖 4），對家寬裝維質(zhì)量進行跟蹤監(jiān)管，自動識別安裝結(jié)果是否合格，提升質(zhì)檢效率，減少人工成本，改善安裝質(zhì)量，提升家客業(yè)務支撐水平，最終達到降本、增效、提質(zhì)的愿景目標。
圖 4 家寬裝維圖像質(zhì)檢智能作業(yè)流程
以實際應用中效果較好的尾纖安裝質(zhì)檢為例，傳統(tǒng)的人工圖像質(zhì)檢存在檢測準確率低且人力成本高的問題，本文采用基于深度學習的圖像識別技術，基于 VGG19 模型構(gòu)建了相應的檢測算法模塊（圖 5）。
圖 5 基于 VGG19 的尾纖質(zhì)檢基本算法
基于樣本圖像（66 張尾纖布放照片，典型照片如圖 6），開展二分類標注：規(guī)范與整潔，訓練圖 5 所示的 VGG19 模型；同時，預留了 10 張照片用于測試驗證，圖 6 右是隨機挑選的驗證圖片，置信度為 0.954528，方法有效。
圖 6 尾纖施工工藝對比（左：標準；中：凌亂；右：驗證）
3.3 全景圖像三維測量
三維全景是基于全景圖像的真實場景虛擬現(xiàn)實技術，將相機環(huán)一周度拍攝的一組或多組照片拼接成一個全景圖像，也可通過一次拍攝實現(xiàn)成像。通過拼接，經(jīng)過一系列數(shù)學計算可以得到其球形全景的立方體投影圖，最后通過計算機技術實現(xiàn)全方位互動式觀看的真實場景還原展示（圖 7）。
圖 7 基于便攜式全景設備的三維展示與測量系統(tǒng)
本文設計并實現(xiàn)了一種基于 SIFT 算法的三維全景圖像測量方案（圖 8），基于該方案可以開展機房內(nèi)設施、天面設施等場景的三維空間距離測量（圖 9），三種試驗場景下的驗證誤差均在 5%以內(nèi)（測量結(jié)果見圖 9 右上）。
圖 8 基于 SIFT 算法和全景照片的三維距離測量方案
圖 9 基于 SIFT 算法和全景圖像的三維測量（左：機柜高度；中：地磚尺寸；右：抱桿高度）
3.4 天線數(shù)量目標檢測
天面是 5G 網(wǎng)絡建設的重要資源，也制約到 5G 工程建設進展。在日?？睖y、優(yōu)化及維護工作中，往往積累了大量的天面歷史影響資料；通過引入圖像檢測算法，可以探索天面資源的自動核查方法。
本文應用 Mask R-CNN 算法設計了基于天面照片的天線數(shù)量檢測算法：首先，圖像經(jīng)過殘差網(wǎng)絡（ResNet101）和特征金字塔網(wǎng)絡（FPN）結(jié)構(gòu)，提取多層特征圖，然后經(jīng)過區(qū)域選取網(wǎng)絡（RPN）微調(diào)特征圖對應錨框（Anchor）的偏移量并且將錨框劃分為前景還是背景，之后將生成的感興趣區(qū)域（ROI）經(jīng)過排序，輸出相同大小的感興趣區(qū)域。在訓練階段（圖 8），分類和掩膜兩個分支同時進行，其中分類包括類別、置信度、邊界框回歸，掩膜分支則用于分割目標；在測試階段（圖 9），則是先經(jīng)過分類分支，再經(jīng)過掩膜分支。
圖 10 天線數(shù)量檢測訓練模型
圖 11 天線數(shù)量檢測測試模型
本方案使用在所有的交并比（Intersection over Union，IOU）閾值的平均精度（AP）來評價在數(shù)據(jù)集中的表現(xiàn)（表 1）。驗證結(jié)果表明：Mask R-CNN 算法有著較強的魯棒性，可以有效解決天線數(shù)量檢測任務（圖 12）。
表 1 天線目標的檢測結(jié)果
圖 12 天線數(shù)量目標結(jié)果示例
4、結(jié)束語
計算機視覺是通信與信息系統(tǒng)領域一個方興未艾的重要發(fā)展方向。本文系統(tǒng)總結(jié)了在通信工程領域開展的初步探索，介紹了所使用的關鍵技術、方案要點以及實踐效果，未來將進一步推動相應研究成果在 5G 網(wǎng)絡規(guī)劃優(yōu)化信息化系統(tǒng)中的固化與規(guī)?；瘧茫?6G 數(shù)字孿生時代的加速到來。
參考文獻
[1] Krizhevsky A , Sutskever I , Hinton G . ImageNet Classification with Deep Convolutional Neural Networks[C]// NIPS. Curran Associates Inc. 2012.
[2] Simonyan K , Zisserman A . Very Deep Convolutional Networks for Large-Scale Image Recognition[J]. Computer Science, 2014.
[3] He K , Zhang X , Ren S , et al. Deep Residual Learning for Image Recognition[J]. 2015.
[4] Chu X , Zhang B , Xu R . MoGA: Searching Beyond MobileNetV3[J]. 2019.
[5] Wei Liu, Dragomir Anguelov, Dumitru Erhan,等 . SSD: Single Shot MultiBox Detector[C]// European Conference on Computer Vision. Springer International Publishing, 2016.
[6] Ren, Shaoqing, He, Kaiming, Girshick, Ross,等 . Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2015, 39(6):1137-1149.
[7] He Kaiming, Gkioxari Georgia, Dollar Piotr,等 . Mask R-CNN[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence:1-1.
陸南昌：工程師，碩士畢業(yè)于中山大學，現(xiàn)任職于中國移動通信集團廣東有限公司無線優(yōu)化中心，擔任網(wǎng)優(yōu)技術室主任，從事網(wǎng)絡優(yōu)化、新技術研究等工作，主要研究方向為 5G 應用、集中優(yōu)化策略研究等。
劉吉寧：工程師，碩士畢業(yè)于暨南大學，現(xiàn)任職于中國移動通信集團廣東有限公司無線優(yōu)化中心，長期從事無線網(wǎng)規(guī)劃管理、新技術研究等工作，主要研究方向為 4/5G 規(guī)劃、優(yōu)化策略研究等。
黃海暉：高級工程師，碩士畢業(yè)于西安交通大學，現(xiàn)任職于中國移動通信集團廣東有限公司無線優(yōu)化中心，擔任網(wǎng)優(yōu)副總經(jīng)理。長期從事無線網(wǎng)絡優(yōu)化管理、新技術研究管理等工作。
