[发明专利]一种基于YOLOv4卷积神经网络的BOTDR分布式光纤传感系统

说明书

本发明是一种基于YOLOv4卷积神经网络的BOTDR分布式光纤传感系统，系统中光信号发送模块内激光器发出的光经过第一耦合器分为探测光和参考光，探测光经过处理后发送到传感光纤模块内的光纤内并自发布里渊散射，散射光与参考光通过第二耦合器完成光学拍频后利用光电探测器探测采集；采集到的布里渊散射光的时域电信号做快速傅里叶变换得到三维频谱图并压缩成二维频谱图，运用卷积神经网络对二维频谱做目标检测，对发生频移的部位和频率基底目标定位并获取其频率和功率信息，最后计算出温度和应变信息。该方案利用散射光频谱图中的有效信息来获取实际的传感信息，提高BOTDR分布式光纤传感系统的测量速度和精度。

技术领域

本发明涉及分布式光纤传感技术领域，具体的说是一种基于YOLOv4卷积神经网络的BOTDR分布式光纤传感系统。

背景技术

分布式光纤传感是一种具有广阔应用前景的光纤传感技术，其最显著的特点是可以准确地分布式测量光纤沿线上任意一点的应力、温度、振动和损伤等信息。分布式光纤传感系统具有诸多优势，非常适合远距离、高空间分辨率的监测应用。其中BOTDR分布式传感系统由于具有单端注入光和可同时测量温度与应变的优点，引起了学术界和工业界的广泛关注。

近些年来，许多研究者提出了各种信号处理方法来对传感系统散射光信号进行处理，其目的都是为了从散射光信号中获取准确的传感信息。由于布里渊增益谱为洛伦兹形状，通常使用洛伦兹曲线沿光纤方向对整根光纤进行逐点拟合来获得整段光纤上传感信息，但洛伦兹曲线拟合法通常需要比较长的时间，无法满足长距离动态实时测量的需求。随着计算机技术的发展，利用数字图像处理和机器学习技术的频谱信息提取方法被提出，这些方法可以有效提高分布式光纤传感系统的测量速度和精度。根据现有文献报道，利用数字图像处理中的边缘检测技术可以有效的提取出传感信息，如基于sobel算子和二阶Laplacian算子的边缘检测技术，但该方法的布里渊频移特征提取精度仍然依赖于实验系统的扫频步进和信号的噪声水平。 在机器学习的算法中，利用BP神经网络训练布里渊相减频谱中的数据来区分布里渊相减频谱中的频移信息和系统噪声，从而定位频移点并得到传感信息。该方法也能得到一个比较理想的结果，但在传感光纤沿线上多点同时发生频移的情况下的传感效果是不太理想。虽然前人的许多研究己经取得了突破性的进展，但是在分布式光纤传感测量得到的频谱中仍然包含着大量有效的信息尚未被充分利用。到目前为止在分布式光纤传感领域，还没有文献报道在BOTDR系统中对布里渊散射光信号的频谱进行目标检测来获取传感信息的方法。

发明内容

本发明要解决的技术问题是提供一种基于YOLOv4卷积神经网络的BOTDR分布式光纤传感系统，该传感系统使用YOLOv4卷积神经网络对BOTDR分布式传感系统散射光频谱图像进行目标检测，充分利用频谱图中的有效信息来获取实际的传感信息，提高BOTDR分布式光纤传感系统的测量速度和精度。

为解决上述技术问题，本发明采用的技术方案为：

一种基于YOLOv4卷积神经网络的BOTDR分布式光纤传感系统，其特征在于：包括光信号发送模块、传感光纤模块和传感信号接收模块；

光信号发送模块中同一激光器发出的连续光经过第一耦合器分为探测光和参考光，所述的探测光和参考光具有相同的偏振态，探测光经过处理后发送到传感光纤模块内的光纤内，探测光在传感光纤内自发布里渊散射，将散射光与参考光在传感信号接收模块内通过第二耦合器完成光学拍频后利用光电探测器探测采集；

对采集到的布里渊散射光的时域电信号做快速傅里叶变换得到三维频谱图，并将三维频谱图压缩成二维频谱图，接着运用YOLOv4卷积神经网络对二维频谱做目标检测，对发生频移的部位和频率基底目标定位并获取该位置的频率和功率信息，最后通过获得的信息计算出温度和应变信息。

光信号发送模块包括激光器、电光调制器、波形发生器和放大器，探测光和参考光通过偏振控制器调整具有相同的偏振态后完成光学拍频；探测光经过电光调制器调制成脉冲光，探测光脉冲经过光纤放大器进行光放大后输入环形器的第一端口。