典型文献
基于深度学习的Φ-OTDR输油管道入侵监测研究
文献摘要：
相位敏感光时域反射(Φ-OTDR)技术在管道入侵预警领域有着突出表现,其中对于入侵事件的定位和识别是该领域研究的热点.近年来,基于神经网络的信号识别方法不断被提出,但这些方法大多忽视了事件的定位,在实际工程应用中需要人工的持续介入.基于输油管道入侵事件的安全预警问题,提出了一种基于深度学习的入侵事件自动识别和定位的方法.所提方法以图像目标检测思想为基础,以1s时间、4 km空间距离的时空图作为目标检测网络的输入,并使用最大最小归一化、带通滤波和图像移位数据增强3种预处理方法,同时实现对入侵事件的定位和识别.实验结果表明,所提方法对地表捶打、地表挖掘和人为跳跃3种事件单次发生的平均召回率达到82.9％,精确率达到70.4％,基本能够满足工程上的需求.
文献关键词：
光纤光学;光纤传感;图像处理;相位敏感光时域反射计;安全预警;目标检测
中图分类号：
作者姓名：
杨震;封皓
作者机构：
天津大学精密测试技术及仪器国家重点实验室,天津,300072
文献出处：
引用格式：
[1]杨震;封皓-.基于深度学习的Φ-OTDR输油管道入侵监测研究)[J].激光与光电子学进展,2022(08):41-49
A类：
B类：
OTDR,输油管道,突出表现,信号识别,了事,实际工程应用,安全预警,自动识别,识别和定位,以图,图像目标检测,1s,空间距离,时空图,目标检测网络,带通滤波,和图像,像移,移位,数据增强,预处理方法,捶打,跳跃,召回率,精确率,本能,光纤光学,光纤传感,相位敏感光时域反射计
AB值：
0.364091
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
