基于深度学习测量水温的多模光纤传感器OA
Deep Learning-Based Multimode Fiber Sensor for Water Temperature Measurement
利用激光束经过多模光纤传输时形成的散斑图像随着温度改变而发生变化的特性,将多模光纤浸入水中,并对水温进行监测.设计一个卷积神经网络(CNN)模型,构建水温在 1.6～60.0℃时的散斑图像数据集,以实现对多模光纤所处水位的温度进行监测.结果表明:在±1.0℃的偏差范围内,温度监测准确率的总平均值可达 98.66%,文中方法为水下温度传感监测提供了一种高精度、宽温度范围的解决方案.
By utilizing the characteristic that the speckle image generated by a laser beam transmitting through a multimode optical fiber vary with temperature,the multimode fiber is immersed in water to enable water tem-perature monitoring.A convolutional neural network(CNN)model is designed,and a speckle image dataset corresponding to water temperatures ranging from 1.6 to 60.0℃is constructed to train the system for monito-ring the temperature of water level in multimode fiber.The results show that within a deviation range of±1.0℃,the proposed method provides an average temperature monitoring accuracy of 98.66%,which offers a high-accuracy,wide-range solution for underwater temperature sensing and monitoring.
王孝艳;杨璐璇;吕蓬;刘永欣
华侨大学 信息科学与工程学院,福建 厦门 361021||华侨大学 福建省光传输与变换重点实验室,福建 厦门 361021华侨大学 信息科学与工程学院,福建 厦门 361021||华侨大学 福建省光传输与变换重点实验室,福建 厦门 361021华侨大学 信息科学与工程学院,福建 厦门 361021华侨大学 信息科学与工程学院,福建 厦门 361021||华侨大学 福建省光传输与变换重点实验室,福建 厦门 361021
数理科学
散斑图像卷积神经网络高精度温度监测多模光纤
speckle imageconvolutional neural networkhigh precision temperature monitoringmultimode fiber
《华侨大学学报（自然科学版）》 2026 (1)
76-82,7
国家自然科学基金资助项目(62375092)
评论