基于图像数据转换和深度学习的Phase-OTDR事件检测
计算机视觉与模式识别
2025-12-08 v1 人工智能
摘要
本研究聚焦于光纤中的事件检测，具体为使用Phase-OTDR系统对六类事件进行分类。引入一种新方法，通过诸如格兰根角度差场、格兰根角度求和场和复现图等技术，将1D数据转换为灰度图像。将这些灰度图像组合为多通道RGB表示，使其能够更稳健、更灵活地使用迁移学习模型进行分析。该方法在EfficientNetB0和DenseNet121模型上分别实现了98.84%和98.24%的高分类准确率。5折交叉验证过程确认了这些模型的可靠性，测试准确率分别为99.07%和98.68%。使用公开可用的Phase-OTDR数据集，本研究展示了一种高效理解光纤事件的方法，同时减少数据集大小并提高分析效率。结果凸显了基于图像的分析在解释复杂光纤光纤传感数据方面的变革性潜力，为光纤监控系统的准确性和可靠性提供了显著的进步。该研究的代码和相应的基于图像的数据集已公开发布在GitHub上以支持进一步研究：https://github.com/miralab-ai/Phase-OTDR-event-detection。
关键词
引用
@article{arxiv.2512.05830,
title = {Phase-OTDR Event Detection Using Image-Based Data Transformation and Deep Learning},
author = {Muhammet Cagri Yeke and Samil Sirin and Kivilcim Yuksel and Abdurrahman Gumus},
journal= {arXiv preprint arXiv:2512.05830},
year = {2025}
}
备注
22 pages, 11 figures, 5 tables