近日，南方科技大學電子系邵理陽研究員受邀在Sensors期刊上作為客座編輯發起 “Recent Trends in Distributed Optical Fiber Sensing Technology”特刊。課題組在分布式光纖傳感領域取得系列重要進展，研究成果包括基于YOLO算法的Φ-OTDR實時多類干擾檢測，基于相移雙脈沖相敏OTDR和直接檢測的分布式低頻振動的定量解調和一篇特邀綜述論文。相關論文成果分別發表于Sensors，Optics Express（OE），Results in Optics（RIO）, Opto-Electronic Advances（OEA）等國際知名期刊上。
基于YOLO算法的Φ-OTDR實時多類干擾檢測
該團隊提出了一種基于YOLO的分布式光纖振動傳感的實時多類干擾檢測算法。該算法實現了對分布式光纖傳感系統（DOFS）基于相位敏感的光時域反射儀（Φ-OTDR）所感知的外部入侵事件位置的實時檢測和分類。在周邊安全場景下進行了數據采集，獲得了五種類型的事件，共5787個樣本。在提出的基于YOLO的模型（You Only Look Once-based method）的訓練中，這些數據被用作空間-時間感應圖像。該方案使用Darknet53網絡將傳統的兩步物體檢測簡化為一步，使用一個網絡結構進行事件定位和分類，從而提高檢測速度，實現實時操作。與傳統目標檢測算法，Fast-RCNN和Faster-RCNN算法相比，該方案在保持高準確率（96.14%）的同時，可以達到每秒22.83幀（FPS），比基于Fast-RCNN的方案快44.90倍，比基于Faster RCNN的方案快了3.79倍。該方案實現了在連續記錄的傳感數據下對入侵事件進行定位和分類的實時擾動檢測。實驗結果表明，該方案為基于Φ-OTDR的DOFS在實際應用中的實時、多類外部入侵事件檢測和分類提供了可靠的解決方案。
