AI如何采用CNN对分布式光纤振动非法入侵行为进行识别

关键词: 光纤振动识别 AI 光纤振动 分类: 知识科普 更新日期: 2024-02-02 02:48:16

AI如何采用CNN对分布式光纤振动非法入侵行为进行识别

扫描二维码,关注我们的视频号

微信头像
技术支持:黄工 13427781756 (微信同号,可扫码
Email: huangqianyuan@glgyzn.com
您是不是对这个产品感兴趣,如果感兴趣的话,可以添加我们黄工的微信具体了解一下。

分布式光纤振动监测系统对防护区域的保护过程是:通过系统监测光缆的振动并实时采集振动信号,然后对振动信号行为进行识别,识别出具有破坏性的行为后,系统进行预警或告警,前往现场处置破坏行动。所以对振动信号进行准确识别,是目前市场的一个强需求。

对于振动信号的识别方法有很多,有通过对振动信号幅值的强弱,频率,持续时间进行识别的,也有通过支持向量机SVM进行的,还有通过卷积神经网络模型(简称CNN)进行AI识别的。

在当前一切都想往AI靠的大环境下,CNN神经网络模型倍受欢迎。那么如何通过CNN对振动信号进行识别呢?

我们在用CNN做识别前,需要先搭建自己的CNN模型。我们首先需要对振动点进行特征采样,例如安静环境下的样本,有挖掘机挖掘等破坏行为时候的样本,采样时长我们设置为3秒,这样我们就可以获取到一系列的3秒钟时长的不同行为下的振动样本数据。

我们把这3秒钟的振动数据读取,其实就是一个一维的数组,我们把该数据可视化到图形上,可以得到一系列的波形图。

在神经网络中,我们一般都是输入二维的tensor矩阵,所以我们可以把3秒钟的一维数组,假设10000个数,可以转换成一个100*100的二维数组。

二维卷积(nn.Conv2d)是最常用的卷积,我们可以多次二维卷积,然后最大池化(MaxPool2d)等操作,搭建自己的模型。

剩余的即是训练数据,及修改参数调整模型准确度的工作了。

当数据样本足够多,理论上模型更精准。这样当现场一个3S的振动数据数据到模型库后,立即可以识别是否具有破坏性。

更多博客视频内容

DVS-A 集成模块 适合用于光缆寻线仪 便携式DVS设备
[产品动态] 2024-08-27 01:12:27
DVS的ALL IN One一体化集成模块。该模块集成了DVS的所有光路功能以及采集卡,模块对外通过千兆网口进行通信,用户只需搭配一个控制主板通过千兆网线连接即可,DVS-A实现了DVS的光路和采集功能,同时尺寸更小,更方便用户进行集成,实现自己的小型化,便携式产品。
光缆故障巡线仪基本原理
[产品动态] 2024-09-20 00:38:15
光缆故障寻线仪也叫光缆寻线仪,设备的实现原理是通过集成OTDR光时域反射计和DVS光纤振动系统,使得设备能够同时测量光纤链路的光衰及链路质量,确定光缆损坏的具体故障点位置。
即将发布4款EDFA模块产品
[产品动态] 2023-06-06 00:44:23
即将发布脉冲EDFA,小信号EDFA,脉冲EDFA+拉曼放大器,小信号+PIN探测器模块共4款产品。
PZT光纤振动器用于模拟光纤振动,用于分布式光纤DAS系统研发测试
[产品动态] 2025-03-16 04:15:18
通过信号发生器可以给PZT光纤振动器输入不同的调制信号,比频率为10Hz, 100Hz, 1000Hz等, 振动的强弱可以通过设置电压值大小进行修改。一款做光纤振动DAS必备的测试小工具

联系电话 13427781756