光纤检测模型的训练方法、光纤检测方法及相关设备与流程

本技术涉及光纤检测领域，具体涉及一种光纤检测模型的训练方法、光纤检测方法及相关设备。

背景技术：

1、光纤通信是利用光波作载波的，用光纤把光信号从一处传至另一处的通信手段。然而光纤质地脆、机械强度较差，若光纤受到外界刺激，致使光纤发生拉伸、弯曲和挤压等情况，光纤所传输的光信号容易发生损耗，影响通信质量。

2、因此，目前可在需要监测的光纤段配置形变传感器，以得到该段光纤的形变情况，从而确定光纤发生的外界刺激。

3、然而，上述方式只能对配置有形变传感器的光纤段进行检测，检测范围小，局限性较强。

技术实现思路

1、鉴于上述，本技术实施例提供一种光纤检测模型的训练方法、光纤检测方法及相关设备，能够降低光纤检测对形变传感器等硬件的依赖，准确识别施加于光纤的外界刺激，提高光纤的检测范围。

2、本技术实施例提供一种光纤检测模型的训练方法，包括：

3、采集受损光纤传输的光信号，所述受损光纤为受到外界刺激的光纤；

4、对所述光信号进行特征提取，得到所述光信号的多个特征参数；

5、基于所述光信号的多个特征参数，创建样本数据集；

6、基于所述样本数据集对所述光纤检测模型进行训练；

7、其中，所述光纤检测模型用于基于待测光纤传输的光信号的特征参数确定所述待测光纤的检测结果，所述检测结果用于描述所述待测光纤是否受到外界刺激及受到的外界刺激的类型。

8、本技术实施例的光纤检测模型能够学习各受损光纤传输的光信号的特征参数，从而能够灵活的针对各段待测光纤的光信号对待测光纤进行外界刺激的检测，降低光纤检测过程中对形变传感器等外部硬件的依赖，有利于提高可检测光纤的范围。

9、在一些实施例中，基于所述光信号的多个特征参数，创建样本数据集，包括：

10、对所述光信号的多个特征参数进行相关性分析，得到所述光信号的多个特征参数之间的相关性；

11、基于所述光信号的多个特征参数之间的相关性，确定相关性超过预设阈值的多个特征参数；

12、在所述相关性超过预设阈值的多个特征参数中，选择至少一个特征参数作为冗余特征参数；

13、在所述光信号的多个特征参数中剔除所述冗余特征参数，以得到所述样本数据集。

14、在一些实施例中，光纤检测模型为k-邻近模型；所述基于所述样本数据集对所述光纤检测模型进行训练，包括：

15、基于所述样本数据集确定多个测试样本和多个训练样本；

16、基于所述测试样本中的特征参数和所述训练样本的特征参数，计算每个所述测试样本与每个所述训练样本的距离；

17、在预设的候选k值集合中，选取一个未计算过正确率的k值，其中，所述k为大于0的整数；

18、在所述多个训练样本中选择与所述测试样本距离最近的前所述k个训练样本；

19、基于前所述k个训练样本的检测标签，预测所述测试样本的检测结果；

20、基于每个所述测试样本的检测结果和每个所述测试样本的检测标签，确定所述k值的正确率，直至得到所述候选k值集合中，各k值的正确率；

21、在所述候选k值集合中选择正确率最大的k值作为所述k-邻近模型使用的k值。

22、本技术实施例通过选取合理的k值能够使得k-邻近模型的准确率提高，减少学习误差，避免出现过拟合现象。

23、在一些实施例中，采集受损光纤传输的光信号，包括：

24、采集受损光纤传输的多个光信号；

25、所述基于所述光信号的多个特征参数，创建样本数据集，包括：

26、基于多个数据点包括的特征参数对所述多个数据点进行降维处理，得到多个目标映射点；

27、其中，一个所述数据点包括基于一个所述光信号提取的特征参数，所述目标映射点的维度小于所述数据点的维度；

28、基于所述多个目标映射点创建所述样本数据集。

29、本技术实施例中对数据点进行降维，可以降低后续进行光纤检测模型训练的计算量。

30、在一些实施例中，基于多个数据点包括的特征参数对所述多个数据点进行降维处理，得到多个目标映射点，包括：

31、基于所述多个数据点包括的特征参数，计算所述多个数据点之间的相似度，得到第一相似度；

32、将所述第一相似度转换为概率，得到第一概率分布；

33、获取多个初始映射点，其中，所述初始映射点的维度与所述目标映射点的维度相同；

34、基于所述多个初始映射点包括的特征参数，计算所述多个初始映射点之间的相似度，得到第二相似度；

35、将所述第二相似度转换为概率，得到第二概率分布；

36、检测所述第一概率分布和所述第二概率分布是否满足预设的相似条件；

37、若所述第一概率分布和所述第二概率分布不满足预设的相似条件，对所述多个初始映射点中包括的特征参数的值进行梯度下降，直至所述第一概率分布和所述第二概率分布满足预设的相似条件；

38、若所述第一概率分布和所述第二概率分布满足预设的相似条件，将所述多个初始映射点作为所述多个目标映射点。

39、本技术实施例可保证在低维上数据(即，多个目标映射点)的分布与原始特征空间(即多个数据点)的分布相似性高，有利于保留数据的局部结构和相似性关系。

40、在一些实施例中，检测所述第一概率分布和所述第二概率分布是否满足预设的相似条件，包括：计算所述第一概率分布和所述第二概率分布的相对熵；若所述相对熵达到最小值，确认所述第一概率分布和所述第二概率分布满足预设的相似条件。

41、在一些实施例中，对所述光信号进行特征提取，得到所述光信号的多个特征参数，包括：

42、在所述光信号中截取处于目标时间段的光信号；

43、其中，所述目标时间段为所述外界刺激开始施加于所述受损光纤的时间点至所述外界刺激停止施加于所述受损光纤的时间点组成的时间段；

44、对所述处于目标时间段的光信号进行特征提取，得到所述光信号的多个特征参数。

45、本技术实施例降低进行特征提取的算力，减少参与训练的样本中的脏数据，进而提高模型训练的精度。

46、本技术实施例还提供一种光纤检测方法，包括：

47、获取待测光纤传输的光信号；

48、提取所述光信号的特征参数；

49、基于所述特征参数和预设的光纤检测模型，确定所述待测光纤的检测结果；

50、其中，所述光纤检测模型采用上述的光纤检测模型的训练方法训练得到。

51、本技术实施例还提供一种电子设备，所述电子设备包括处理器及存储器，所述存储器用于存储指令，所述处理器用于调用所述存储器中的指令，使得所述电子设备执行上述的光纤检测模型的训练方法，或者上述的光纤检测方法。

52、本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行上述的光纤检测模型的训练方法，或者上述的光纤检测方法。