基于深度学习的基站设备灰尘隐患识别方法研究  

作　　者：韩龙刚 马方明[2] 邱禹 刘昊天 程琳 

机构地区：[1]中国移动通信集团设计院有限公司网研中心,北京100080 [2]中国移动通信集团广东有限公司无线网优中心,广东广州510000 [3]中国移动通信集团设计院有限公司广东分公司网优所,广东广州510623

出　　处：《通讯世界》2023年第11期31-33,共3页Telecom World

摘　　要：由于基站设备大多会自带静电,很容易吸附灰尘,产生基站设备通风散热不良、温度过高等问题,从而影响基站设备的正常运行。目前,移动运营商在委派基站巡检人员对基站进行巡检并除尘时,巡检人员仅通过肉眼来判断设备是否存在灰尘,无法及时发现与清除灰尘,并且没有智能化判断除尘是否完成的手段。因此,研究基于深度学习的基站设备灰尘隐患识别方法,以高效支撑基站巡检工作。

关 键 词：基站巡检 灰尘识别 深度学习 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]