近日，南方科技大学电子系邵理阳研究员受邀在Sensors期刊上作为客座编辑发起 “Recent Trends in Distributed Optical Fiber Sensing Technology”特刊。课题组在分布式光纤传感领域取得系列重要进展，研究成果包括基于YOLO算法的Φ-OTDR实时多类干扰检测，基于相移双脉冲相敏OTDR和直接检测的分布式低频振动的定量解调和一篇特邀综述论文。相关论文成果分别发表于Sensors，Optics Express（OE），Results in Optics（RIO）, Opto-Electronic Advances（OEA）等国际知名期刊上。

基于YOLO算法的Φ-OTDR实时多类干扰检测

该团队提出了一种基于YOLO的分布式光纤振动传感的实时多类干扰检测算法。该算法实现了对分布式光纤传感系统（DOFS）基于相位敏感的光时域反射仪（Φ-OTDR）所感知的外部入侵事件位置的实时检测和分类。在周边安全场景下进行了数据采集，获得了五种类型的事件，共5787个样本。在提出的基于YOLO的模型（You Only Look Once-based method）的训练中，这些数据被用作空间-时间感应图像。该方案使用Darknet53网络将传统的两步物体检测简化为一步，使用一个网络结构进行事件定位和分类，从而提高检测速度，实现实时操作。与传统目标检测算法，Fast-RCNN和Faster-RCNN算法相比，该方案在保持高准确率（96.14%）的同时，可以达到每秒22.83帧（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。该方案实现了在连续记录的传感数据下对入侵事件进行定位和分类的实时扰动检测。实验结果表明，该方案为基于Φ-OTDR的DOFS在实际应用中的实时、多类外部入侵事件检测和分类提供了可靠的解决方案。