一种基于双波长光源的光纤传感方法

    公开(公告)号:CN116698096B

    公开(公告)日:2024-12-24

    申请号:CN202310759140.6

    申请日:2023-06-26

    Abstract: 本发明公开了一种基于双波长光源的光纤传感方法。该方法包括:获取前向传感光信号和本振光信号集合;将所述前向传感光信号输入待测光纤传感器,得到反馈光信号;根据所述反馈光信号和所述本振光信号集合确定传感数据集合;根据所述传感数据集合对所述待测光纤传感器对应的至少一个参数进行评估,得到所述待测光纤传感器对应的每个参数的评估结果。通过本发明的技术方案,能够降低电力光缆中传感应用的光纤用量,避免不同传感系统间同步所需的额外电路或光路连接,降低布里渊散射由于功率衰减造成的信噪比降低,提高BOTDR的频移提取精度。

    一种便携式多用途光缆运维工具

    公开(公告)号:CN114189278A

    公开(公告)日:2022-03-15

    申请号:CN202111313364.1

    申请日:2021-11-08

    Abstract: 本发明公开了一种基于云平台的便携式多用途光缆运维工具,包括机体,机体设有:光源,向光纤中发射光线;OTDR测试模块,检测光线的衰减和损耗数据;光功率测定模块,测量光纤的光功率和相对损耗;分布式光纤振动监测系统,感知外界振动并得到外界振动的位置信息;控制模块控制各个模块的工作;数据处理单元,对衰减和损耗数据、光功率和相对损耗以及外界振动的位置信息进行计算处理,以确定出现故障的光纤和故障点在光纤上的位置并生成运维信息单。如此设置,能够精准确定出现故障的光纤以及故障点的位置,能够测量衰减和损耗数据、光功率等,减小了运维人员的工作压力,使用更加方便。

    一种紧凑型智能光缆余长收纳保护装置

    公开(公告)号:CN117666046A

    公开(公告)日:2024-03-08

    申请号:CN202311593238.5

    申请日:2023-11-27

    Abstract: 本发明公开了一种紧凑型智能光缆余长收纳保护装置,包括隧道管廊、光缆槽盒、光缆、收纳组件和监测组件,所述光缆槽盒设置于所述隧道管廊内,所述光缆设置于所述光缆槽盒内,所述收纳组件设置于所述隧道管廊内,用于收纳多余的光缆,所述监测组件设置于所述收纳组件上,用于监测光缆周围的环境。通过在隧道管廊内安装收纳组件,收纳余缆,降低余缆受到机械损伤或环境侵蚀而导致光缆性能下降甚至损坏的风险,且在收纳组件内安装监测组件,不仅能够对光缆进行温度监测,及时发现异常,避免火灾等意外事故,还实现了对光缆水浸情况进行监测,及时排除光缆故障,提高维护和维修的效率。

    一种基于双波长光源的光纤传感方法

    公开(公告)号:CN116698096A

    公开(公告)日:2023-09-05

    申请号:CN202310759140.6

    申请日:2023-06-26

    Abstract: 本发明公开了一种基于双波长光源的光纤传感方法。该方法包括:获取前向传感光信号和本振光信号集合;将所述前向传感光信号输入待测光纤传感器,得到反馈光信号;根据所述反馈光信号和所述本振光信号集合确定传感数据集合;根据所述传感数据集合对所述待测光纤传感器对应的至少一个参数进行评估,得到所述待测光纤传感器对应的每个参数的评估结果。通过本发明的技术方案,能够降低电力光缆中传感应用的光纤用量,避免不同传感系统间同步所需的额外电路或光路连接,降低布里渊散射由于功率衰减造成的信噪比降低,提高BOTDR的频移提取精度。

    基于焦点损失和多任务级联的人脸检测方法

    公开(公告)号:CN111898406B

    公开(公告)日:2022-04-29

    申请号:CN202010506172.1

    申请日:2020-06-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于焦点损失和多任务级联的人脸检测方法,属于计算机视觉技术领域。本发明使用深度学习技术,将焦点损失与多任务级联卷积神经网络相结合来进行人脸检测。首先基于深度学习构建多任务级联卷积神经网络模型,对多任务损失函数进行焦点损失优化;并在网络训练阶段使用在线困难样本挖掘和多尺度训练优化。采用我们设计的人脸检测方法可以有效提高在各种无约束场景中进行人脸检测的平均精度。

    基于区域全卷积网络和自适应的跨域目标检测方法

    公开(公告)号:CN111553397B

    公开(公告)日:2022-04-29

    申请号:CN202010316648.5

    申请日:2020-04-21

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于区域全卷积网络和自适应的跨域目标检测方法,属于计算机视觉技术领域。本发明使用深度学习目标检测技术,针对目标检测中训练域和测试域的数据不同分布的问题,利用自适应方法来改善目标检测的跨域鲁棒性。首先基于深度学习构建了区域全卷积网络模型;接着在图像级别和目标级别上设计了两个相应的域分类器作为自适应成分来减少域变换的差异,并在域分类器加上一致性正则化;然后以端到端的方式训练网络;最后去掉自适应成分,将网络用于目标检测任务。采用我们设计的跨域目标检测方法可以有效提高在各种域变换场景中进行目标检测的平均精度。

Patent Agency Ranking