如今互联网已经走进千家万户,电信营运商为了保持客户的网络稳定,必须定期对光纤传输箱进行检测与维护。日常的检测工作主要是依靠人工查看光纤传输箱的每个端口状态并且手动记录检测结果。基于人工检测不仅效率低下,而且准确率也无法得到保证这个问题,本文提出了利用计算机视觉技术来替代人工进行检测维护任务。随着各类计算机视觉技术的不断发展,使计算机视觉替代人工进行光纤传输箱端口状态识别任务可行。本文针对移动公司使用人工进行光纤传输箱端口状态检测耗时过长、准确率无法得到保证的问题,研究了一套基于计算机视觉的光纤传输箱端口状态检测算法和系统,主要研究内容如下:（1）以光纤传输箱图像为研究对象,针对人工采集图像可能存在箱体倾斜、背景众多、以及图像过曝光或者欠曝光的问题,对图像进行预处理,进行倾斜矫正裁剪以及曝光矫正,以解决人为因素对后续检测的干扰。（2）针对预处理后的光纤传输箱,基于光纤传输箱一行端口对应一个字符的特性,制作字符检测训练集,基于YOLOv4训练一个字符检测器,并根据字符位置分割出每一行的端口,用于之后的单个端口定位。（3）以每行光纤传输箱端口图片为研究对象,对堆叠沙漏网络进行改进,使用改进后的网络对每行端口图像进行端口一次性定位,并通过ROI分割出每个端口图像用于后续识别。（4）以单个端口图像为研究对象,设计一个新型端口分类网络对端口图像进行快速而且准确性高的分类。并与现有的各个分类网络进行识别效果分析,从中选择最优的分类网络作为系统的端口分类器。（5）对光纤传输箱端口状态识别算法进行调试,并移植到Android端,并在手机端开发APP系统,实现端口状态检测的功能。本文实现了光纤传输箱端口状态识别和系统开发。最终结果显示,该系统取得了良好的识别效果,而且算法移植到移动端后,检测性能表现良好。该系统具有很好的鲁棒性,对绝大多数的场景都可以取得良好的识别结果。