1.一种基于光功率检测的光纤性能自动测试方法，其特征在于，所述方法包括：对光纤网络结构通过光纤智能扫描进行全面检测，生成包含光纤编号数据、光纤空间位置数据、光路连接关系数据的光纤资源映射数据；对所述光纤资源映射数据通过动态分析算法进行测试参数计算，得到包含波长选择参数、脉冲宽度、采样频率的OTDR测量配置表；对光纤通过所述OTDR测量配置表指定的参数进行光脉冲注入和信号采集，得到光纤链路的时域响应特征曲线；对所述时域响应特征曲线通过小波降噪和峰值识别算法进行数据处理，得到包含故障点坐标、衰减系数、连接损耗的光纤性能参数集；对所述光纤性能参数集通过深度学习网络和专家规则库进行综合分析，得到包含故障等级、异常类型、优化建议的诊断决策数据；对所述诊断决策数据通过数字孪生建模进行可视化转换，得到包含拓扑图谱、损耗分布、健康评分的光纤状态评估报告。
2.根据权利要求1所述的基于光功率检测的光纤性能自动测试方法，其特征在于，所述对光纤网络结构通过光纤智能扫描进行全面检测，生成包含光纤编号数据、光纤空间位置数据、光路连接关系数据的光纤资源映射数据，包括：通过端口识别算法对光纤网络结构进行扫描检测，得到光纤编号数据；根据所述光纤编号数据通过光栅定位算法进行三维坐标采集，得到光纤空间位置数据；通过光路跟踪算法对所述光纤编号数据进行连接判定，得到光路初始连接关系；根据所述光纤空间位置数据和所述光路初始连接关系通过拓扑分析算法进行关联验证，得到光路连接关系数据；对所述光纤编号数据、所述光纤空间位置数据和所述光路连接关系数据通过属性关联算法进行特征提取，得到资源特征集；将所述资源特征集通过数据聚合算法进行标准化整理，生成所述光纤资源映射数据。
3.根据权利要求1所述的基于光功率检测的光纤性能自动测试方法，其特征在于，所述对所述光纤资源映射数据通过动态分析算法进行测试参数计算，得到包含波长选择参数、脉冲宽度、采样频率的OTDR测量配置表，包括：通过路径分析算法对所述光纤资源映射数据进行段落划分，得到包含不同波长选择参数范围的光纤特征分组；根据所述光纤特征分组通过动态阈值算法进行波长预选计算，得到波长选择参数；通过自适应分配算法对所述光纤资源映射数据进行光纤长度测算，得到对应的脉冲宽度；根据所述波长选择参数和所述脉冲宽度通过频率优化算法进行采样计算，得到采样频率；对所述波长选择参数、所述脉冲宽度和所述采样频率通过参数组合算法进行整合，得到测试参数矩阵；将所述测试参数矩阵通过格式转换算法进行标准化处理，得到所述OTDR测量配置表。
4.根据权利要求1所述的基于光功率检测的光纤性能自动测试方法，其特征在于，所述对所述光纤通过所述OTDR测量配置表指定的参数进行光脉冲注入和信号采集，得到光纤链路的时域响应特征曲线，包括：通过参数解析算法对所述OTDR测量配置表进行参数提取，得到光脉冲注入控制序列；根据所述光脉冲注入控制序列通过脉冲调制算法进行光信号生成，得到待注入的光脉冲信号；通过光电转换器对所述光脉冲信号进行功率调节，得到注入光纤的探测信号；根据所述OTDR测量配置表中的采样频率通过实时采样算法对光纤返回信号进行数据采集，得到原始响应数据；对所述原始响应数据通过时序处理算法进行时间同步和幅值标定，得到标准化响应数据；将所述标准化响应数据通过特征提取算法进行曲线拟合，得到所述时域响应特征曲线。
5.根据权利要求1所述的基于光功率检测的光纤性能自动测试方法，其特征在于，所述对所述时域响应特征曲线通过小波降噪和峰值识别算法进行数据处理，得到包含故障点坐标、衰减系数、连接损耗的光纤性能参数集，包括：通过小波分解算法对所述时域响应特征曲线进行多尺度分析，得到噪声特征系数；根据所述噪声特征系数通过阈值处理算法进行信号过滤，得到去噪后的响应数据；通过峰值识别算法对所述去噪后的响应数据进行特征点定位，得到含故障点坐标的特征点序列；根据所述特征点序列通过斜率分析算法进行损耗计算，得到光纤衰减系数数据；对所述特征点序列通过接头损耗计算算法进行连接点分析，得到光纤连接损耗数据；将所述故障点坐标、所述衰减系数和所述连接损耗通过数据融合算法进行整合，得到所述光纤性能参数集。
6.根据权利要求1所述的基于光功率检测的光纤性能自动测试方法，其特征在于，所述对所述光纤性能参数集通过深度学习网络和专家规则库进行综合分析，得到包含故障等级、异常类型、优化建议的诊断决策数据，包括：通过特征转换算法对所述光纤性能参数集进行参数标准化，得到规范化特征向量；对所述规范化特征向量通过深度学习网络进行故障分类计算，得到故障等级；通过专家规则库对所述故障等级进行规则匹配，得到异常类型；根据所述异常类型通过相关性分析算法进行历史案例检索，得到优化建议；对所述故障等级和所述优化建议通过多维度评估算法进行优先级排序，得到优化策略序列；将所述故障等级、所述异常类型和所述优化策略序列通过决策融合算法进行整合，得到所述诊断决策数据。
7.根据权利要求1所述的基于光功率检测的光纤性能自动测试方法，其特征在于，所述对所述诊断决策数据通过数字孪生建模进行可视化转换，得到包含拓扑图谱、损耗分布、健康评分的光纤状态评估报告，包括：通过拓扑映射算法对所述诊断决策数据进行空间结构分析，得到拓扑图谱；根据所述拓扑图谱通过图形渲染算法进行视图构建，得到三维可视化拓扑图谱；通过插值计算算法对所述诊断决策数据中的损耗信息进行空间分布处理，得到损耗分布；对所述诊断决策数据通过评分计算算法进行健康状态量化，得到健康评分；将所述三维可视化拓扑图谱和所述损耗分布通过空间配准算法进行关联映射，得到状态可视化数据；通过报告生成算法对所述状态可视化数据和所述健康评分进行整合，得到所述光纤状态评估报告，实现了通过数字孪生建模进行可视化转换，直观展示光纤网络的状态和性能分布。
8.一种基于光功率检测的光纤性能自动测试系统，用于实现如权利要求1-7中任一项所述的基于光功率检测的光纤性能自动测试方法，其特征在于，所述基于光功率检测的光纤性能自动测试系统包括：检测模块，用于对光纤网络结构通过光纤智能扫描进行全面检测，生成包含光纤编号数据、光纤空间位置数据、光路连接关系数据的光纤资源映射数据；计算模块，用于对所述光纤资源映射数据通过动态分析算法进行测试参数计算，得到包含波长选择参数、脉冲宽度、采样频率的OTDR测量配置表；采集模块，用于对光纤通过所述OTDR测量配置表指定的参数进行光脉冲注入和信号采集，得到光纤链路的时域响应特征曲线；处理模块，用于对所述时域响应特征曲线通过小波降噪和峰值识别算法进行数据处理，得到包含故障点坐标、衰减系数、连接损耗的光纤性能参数集；分析模块，用于对所述光纤性能参数集通过深度学习网络和专家规则库进行综合分析，得到包含故障等级、异常类型、优化建议的诊断决策数据；转换模块，用于对所述诊断决策数据通过数字孪生建模进行可视化转换，得到包含拓扑图谱、损耗分布、健康评分的光纤状态评估报告。
9.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，以使所述至少一个处理器能够执行权利要求1-7任一项所述的方法。
