天线监测方法、装置、电子设备、存储介质及程序产品与流程

摘要: 本技术涉及通信,尤其涉及一种天线监测方法、装置、电子设备、存储介质及程序产品。背景技术:1、天线是无线通信的关键组件,对天线进行检测可以识别其潜在故障、优化信号...
天线监测方法、装置、电子设备、存储介质及程序产品与流程

本技术涉及通信,尤其涉及一种天线监测方法、装置、电子设备、存储介质及程序产品。

背景技术:

1、天线是无线通信的关键组件,对天线进行检测可以识别其潜在故障、优化信号质量和覆盖范围,避免通信中断或信号衰减。相关技术主要靠人工对天线进行检测,即需要派出检验人员到各天线制造厂家驻场,并对生产的每批次天线进行人工抽检。在一致性检验环节,检验流程高度依赖检验人员的个人经验,这导致在核查元件工艺与数量时,极易出现疏漏,从而影响监测结果的准确性与可靠性。

技术实现思路

1、本技术实施例提供一种天线监测方法、装置、电子设备、存储介质及程序产品,以解决现有天线监测方法中监测结果准确性较低的问题。

2、为了解决上述技术问题,本技术是这样实现的:

3、第一方面,本技术实施例提供了一种天线监测方法。该方法包括:

4、获取待监测天线设备的内部结构图像;

5、利用预先训练好的目标检测模型对所述内部结构图像进行特征提取,得到所述待监测天线设备的天线阵子的特征信息;

6、基于所述天线阵子的特征信息,确定所述待监测天线设备的异常天线阵子;

7、基于所述异常天线阵子的特征信息,输出告警信息;

8、所述目标检测模型包括残差神经网络模块、旋转框回归模块和旋转框交并比iou计算模块,所述残差神经网络模块用于提取所述内部结构图像的特征图像,所述旋转框回归模块用于基于所述特征图像确定与所述天线阵子对应的预测旋转框的特征参数,所述旋转框交并比iou计算模块用于确定所述预测旋转框和与所述天线阵子对应的真实标注框之间的匹配度。

9、可选地,所述利用预先训练好的目标检测模型对所述内部结构图像进行特征提取,得到所述待监测天线设备的天线阵子的特征信息,包括:

10、通过所述残差神经网络模块提取所述内部结构图像的特征图像;

11、利用所述旋转框回归模块基于所述特征图像确定所述天线阵子对应的多个第一预测旋转框和所述多个第一预测旋转框的特征参数,以及确定所述设备轮廓对应的多个第二预测旋转框和所述多个第二预测旋转框的特征参数;

12、利用所述旋转框iou计算模块计算所述待监测天线设备的天线阵子对应的第一真实标注框分别与所述多个第一预测旋转框之间的匹配度,以及计算所述待监测天线设备的设备轮廓对应的第二真实标注框分别与所述多个第二旋转框之间的匹配度;

13、确定匹配度最大的第一预测旋转框为目标第一预测旋转框,并确定匹配度最大的第二预测旋转框为目标第二预测旋转框;

14、根据所述目标第一预测旋转框的特征参数和所述目标第二预测旋转框的特征参数,得到所述待监测天线设备的天线阵子的特征信息。

15、可选地,所述目标检测模型基于如下方式训练得到:

16、获取目标数据集,所述目标数据集包括不同生产厂家的天线设备的内部结构图像,以及所述天线设备的天线阵子的特征信息;

17、将所述目标数据集划分为训练数据集和测试数据集;

18、利用所述训练数据集训练所述目标检测模型的结构参数,以得到训练好的所述目标检测模型;

19、利用所述测试数据集对训练好的所述目标检测模型进行测试,并根据测试结果调整所述目标检测模型的结构参数。

20、可选地,所述基于所述异常天线阵子的特征信息,输出告警信息,包括:

21、基于所述异常天线阵子的特征信息,确定所述异常天线阵子对应的天线异常等级;

22、基于所述异常天线阵子所处的天线异常等级,输出告警信息,所述告警信息与所述天线异常等级关联。

23、可选地,所述获取待监测天线设备的内部结构图像之前,所述方法还包括:

24、从厂家设备处获取所述待监测天线设备的各频点的目标三阶互调数据;

25、所述获取待监测天线设备的内部结构图像,包括:

26、在所述待监测天线设备的各频点的目标三阶互调数据在预设范围内的情况下,获取所述待监测天线设备的内部结构图像。

27、可选地,所述在所述待监测天线设备的各频点的目标三阶互调数据在预设范围内的情况下,获取所述待监测天线设备的内部结构图像之前,所述方法还包括:

28、采集互调检测仪输出的所述待监测天线设备的各频点的原始三阶互调数据;

29、基于所述原始三阶互调数据,对所述目标三阶互调数据进行数据一致性校验;

30、所述在所述待监测天线设备的各频点的目标三阶互调数据在预设范围内的情况下,获取所述待监测天线设备的内部结构图像,包括:

31、在所述目标三阶互调数据通过所述数据一致性校验,且所述待监测天线设备的各频点的目标三阶互调数据在预设范围内的情况下,获取所述待监测天线设备的内部结构图像。

32、可选地,所述待监测天线设备是从多个天线设备中抽取得到的,每个天线设备上均设置有表示天线标识信息的条形码;

33、所述获取待监测天线设备的内部结构图像,包括:

34、通过扫描所述待监测天线设备的条形码,获取所述待监测天线设备的内部结构图像;

35、所述从厂家设备处获取所述待监测天线设备的各频点的目标三阶互调数据,包括:

36、通过扫描所述待监测天线设备的条形码,从厂家设备处获取所述待监测天线设备的各频点的目标三阶互调数据。

37、可选地,所述方法还包括:

38、将所述多个天线设备的条形码和所述待监测天线设备的监测过程数据存储至区块链。

39、第二方面,本技术实施例还提供一种天线监测装置,该天线监测装置包括:

40、第一获取模块,用于获取待监测天线设备的内部结构图像;

41、第一处理模块,用于利用预先训练好的目标检测模型对所述内部结构图像进行特征提取,得到所述待监测天线设备的天线阵子的特征信息;

42、第一确定模块,用于基于所述天线阵子的特征信息,确定所述待监测天线设备的异常天线阵子;

43、第一输出模块,用于基于所述异常天线阵子的特征信息,输出告警信息;

44、所述目标检测模型包括残差神经网络模块、旋转框回归模块和旋转框交并比iou计算模块,所述残差神经网络模块用于提取所述内部结构图像的特征图像,所述旋转框回归模块用于基于所述特征图像确定与所述天线阵子对应的预测旋转框的特征参数,所述旋转框交并比iou计算模块用于确定所述预测旋转框和与所述天线阵子对应的真实标注框之间的匹配度。

45、第三方面,本技术实施例还提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述的天线监测方法的步骤。

46、第四方面,本技术实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的天线监测方法的步骤。

47、第五方面,提供一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现如第一方面所述的方法的步骤。

48、本技术实施例的天线监测方法,获取待监测天线设备的内部结构图像;利用预先训练好的目标检测模型对所述内部结构图像进行特征提取,得到所述待监测天线设备的天线阵子的特征信息;基于所述天线阵子的特征信息,确定所述待监测天线设备的异常天线阵子;基于所述异常天线阵子的特征信息,输出告警信息;所述目标检测模型包括残差神经网络模块、旋转框回归模块和旋转框交并比iou计算模块,所述残差神经网络模块用于提取所述内部结构图像的特征图像,所述旋转框回归模块用于基于所述特征图像确定与所述天线阵子对应的预测旋转框的特征参数,所述旋转框交并比iou计算模块用于确定所述预测旋转框和与所述天线阵子对应的真实标注框之间的匹配度。与相关技术中通过人工对天线进行监测相比,该种实施方式通过预先训练好的包括残差神经网络模块、旋转框回归模块和旋转框交并比iou计算模块的目标检测模型可以准确确定待监测天线设备的天线阵子的特征信息,进而可以基于待监测天线设备的天线阵子的特征信息,精确地确定待监测天线设备的异常天线阵子,故该种实施方式提高了天线监测结果的准确性和可靠性。