摘要：光分配网络(optical distribution network,ODN)网络是FTTH网络中的重要组成部分,其质量好坏直接关系到客户使用宽带网络的体验。为了对哑资源进行高效精准管理,改善网络质量,提升宽带业务开通效率,降低维护成本,设计优化了哑资源智能检测及清查系统。该系统基于深度学习中的YOLOX算法,设计改进提出随机梯度下降动量及Nestrov动量(stochastic gradient descent with momentum and nestrov,SGDMN)优化器,该优化器能有效抑制振荡并且在加速训练的同时对梯度进行校正,以此对参数进行更新;在不脱离真实场景的前提下选择数据增强方式,以此实现对分光器、尾纤、标签、二维码等关键信息进行目标检测,进行分类标识,维护人员可基于这些关键信息配合资管系统信息完成哑资源清查。通过其他经典目标识别算法进行对比实验,结果表明改进后的YOLOX算法精度更高,满足哑资源智能检测及清查实际工程需求。