封面解读

       分布式光纤振动传感技术广泛应用于国家基础设施建设、重点军事区域入侵监控以及民用重要设施周界安防等领域。本封面以重点区域的城市建筑为背景，利用由光缆组成的光纤传感系统以及四旋翼无人机系统，对外部的入侵行为进行实时监控。两大系统相互补充，时域、频域、空间域信息相融合，为周界安防提供了更高的稳定性和可靠性。

《光学学报》2023年第02期封面文章 |薛康; 刘琨; 江俊峰; 王双; 徐天华; 孙振世;李斯晨; 黄悦朗; 靳喜博; 刘铁根. 基于YOLOv5s模型的光纤振动传感事件检测研究[J]. 光学学报, 2023, 43(02): 0228001.

导读

       多类别光纤振动传感事件的精准检测研究，对分布式光纤振动传感系统在实际工程中的应用具有重要意义。天津大学光电信息技术教育部重点实验室刘铁根、刘琨教授团队通过将双马赫-曾德干涉仪型分布式光纤振动传感系统和四旋翼无人机检测系统融合，提出并设计了一种基于YOLOv5s模型的多类别光纤振动传感事件精准检测方案。该方案对5种典型传感模式平均识别率的可达96.6%，并且其平均识别检测时间可控制在5 ms内。

研究背景

       重大基础工程建设是当今国家重大战略需求，对重大基础设施进行振动监测是国家重大基础工程建设和应用的迫切需要。

       分布式光纤振动传感系统是一种基于安全监测技术的前置报警系统，可对光纤链路上的振动事件实现连续分布式检测与测量。根据分布式光纤振动传感系统具有定位精度高、监测范围大以及安装简易等诸多优势，目前其已在振动传感检测领域取得了广泛应用，诸如长距离油气管道泄漏检测、输电线网安全监测以及周界安全监控等。

       然而，由于分布式光纤振动传感系统应用环境的复杂性和多样性，其在实际应用中仍面临可靠性低和稳定性差等不足。因此，系统的设计以及智能感知检测方案的选取极其重要。利用“触觉系统”——光纤传感系统、“视觉”系统——无人机系统，基于智能AI实现多类别光纤振动传感模式的精准识别与检测，可以有效提升其在实际工程应用中的可靠性和稳定性。

智能感知检测方案的设计

       天津大学刘铁根、刘琨教授课题组利用双马赫-曾德型干涉仪 (DMZI)和四旋翼无人机(UAV)系统共同设计搭建了DMZI-UAV融合型安防系统，见图1。图1(a)主要由DMZI型分布式光纤振动传感系统构成。当有振动事件作用于传感光纤链路上时，则振动信号到探测器PD1和PD2会形成固定的时延差。通过互相关时延估计算法即可求解出具体的振动位置信息。图1(b)所示为四旋翼无人机系统的配置结构图。地面站将DMZI型分布式光纤振动传感系统解调出的具体振动位置信息通过数传传输给无人机的飞行控制器pixhawk4。而后，pixhawk4根据地面站发出的联动控制指令，自动起飞。特别地，当无人机飞行至扰动点时，其搭载的摄像头即可自动对振动位置周边环境进行实时画面捕捉和拍摄，并通过图传将实时图像信息回传给地面站。最后，工控机对DMZI型分布式光纤振动传感系统获取的振动信号和无人机捕捉的监测图像信息进行统一处理和分析。

图1 DMZI-UAV融合型安防系统原理图。(a) DMZI结构图；(b) UAV结构图

       随后选取YOLOv5s模型对融合系统采集到的图像信息进行快速目标检测。YOLO检测器是深度学习领域中第一个能够实时检测的算法。YOLO模型使用参数迁移学习对特征提取网络进行预训练，这大大提高了学习效率，这是选择YOLO很重要的原因。为有效克服传统手动特征方案的不足、以及提升信号预处理的时效性，将一维时序振动信号通过短时傅里叶变换(STFT)转换为二维时频谱，而后将二维时频谱进一步送入到深度学习模型中自适应提取振动信号的时域特征、频域特征以及空间域特征，见图2。

图2 将信号从时间序列转换为时频谱图

       为验证多类别光纤振动传感事件精准检测方案的有效性和可行性，根据图3所示的DMZI-UAV融合安防系统结构搭建了实际实验测试系统。在实际的实验过测试程中，将长为2.25 km的多芯铠装光缆以正弦的方式铺设在周界围栏上，并分别对如图3(a)所示的五种典型传感模式进行测试，即分别进行无入侵、晃动、敲击、轰砸以及脚踢传感事件测试。

图3 (a) 五种典型的传感事件：无入侵、摇晃、敲击、轰砸和攀爬; (b) 室外实验场景图：围栏和光缆；

       课题组在实际测试过程中采集并处理了5800个样本来验证所提出的模型的可行性和有效性。根据训练结果，在大约100 epochs后，分类损失和定位损失都趋于稳定，并且mAP@.5:.95 也基本保持在了90%以上。随后进行测试数据集验证，该方案的平均识别精度达到了96.6%，识别响应时间在毫秒级别。上述结果表明将光纤传感信号图像并与无人机图像相结合可增强振动信号的处理和分析能力。即二者的结合可极大提升深度学习模型提取振动事件本质时空特征的能力，从而获得了更好的事件识别检测性能。

       因此，以上研究为周界安全监控和重大基础设施振动监测提供了一种有效的解决方案，所提方法具有较好的理论意义和实际工程应用价值。

未来展望

       课题组根据实际应用需求提出并设计了一种融合型安防系统的振动识别方案，该方案由短时傅里叶变换和YOLOv5s算法相结合实现。与传统的机器学习和其他深度学习方案相比，所提方案的识别精度明显提高，检测时间明显缩短。课题组后续将继续在拓宽传感事件的种类以及提高事件识别率等方面开展深入研究，进一步提升该融合型传感系统在实际工程应用中的可靠性和稳定性。

课题组简介

       天津大学光电信息技术教育部重点实验室是首批38个教重室之一，2017年度评估为优秀(信息领域排名第一)。团队在国家973计划光纤传感项目首席科学家刘铁根教授带领下，主要从事光纤传感和光电检测技术等方面的基础和应用研究工作，包括光纤扰动传感、光纤压力传感、光纤声振动传感、光纤气体传感、光纤应变温度传感、光纤偏振技术、光微流体传感、光互连器件、光互连系统以及光纤智能传感网等。

作者简介

刘琨，男，天津大学精密仪器与光电子工程学院长聘教授、博士生导师，国家优秀青年科学基金项目、天津市杰出青年科学基金项目获得者，现任光电信息技术教育部重点实验室主任、全国光纤传感标准化技术委员会秘书长。主持国家自然科学基金项目4项，以技术负责人承担国家重大科学仪器设备开发专项项目1项，以总协调人参与国家973计划项目1项。以第一(通讯)作者发表SCI论文54篇，以第一完成人授权美国发明专利2项、中国发明专利8项，参编英文专著1部、中文专著3部。荣获国家技术发明二等奖1项(排名第三)、中国专利金奖1项(排名第二)、天津市技术发明一等奖2项(排名第二、第四)等多项科技奖励。