科技新星—王松—2020149

联系合作
光电子产业
新一代信息技术
智慧城市
成果单位: 北京邮电大学
合作方式: 自行实施合作开发
所处阶段: 概念
关键词: 公共建筑桥梁隧道基础设施安全监测Φ-OTDR信号感知压缩感知图像处理AI视觉
总得分 (满分100)
0
资本强度 (满分0)
该成果得分:0

核心问题

分布式光纤传感技术在公共建筑、桥梁隧道等基础设施安全监测中,因数据量巨大而导致存储和处理困难,影响了其在实际应用中的优势发挥。特别是在全分布式光纤传感系统中,单位时间内采集的数据量急剧增加,数据膨胀问题严重,对数据存储和后续处理造成了巨大压力。

解决方案

本项目围绕相位光时域反射计技术(Φ-OTDR),通过整体性信息感知获取安全监测对象的全面信息;采用二维到三维信号转换并进行压缩感知处理,保持信号完整性同时大幅减少存储需求;结合图像处理与人工智能计算机视觉技术,对信号进行高位映射与分析,提高感知精度。最终实现对分布式海量数据的压缩感知与异常信号监测,有效解决了数据膨胀问题,提高了安全监测的效率和准确性。

竞争优势

本项目在Φ-OTDR信号的获取、压缩感知、信息存储和分析处理等方面具有显著的创新优势。通过综合运用分布式感知、信号转换与压缩、图像处理和人工智能计算机视觉技术,实现了对整体局面的高效监测。相较于传统方法,本项目能够大幅降低存储资源需求,降低设备成本,提高处理效率,并及时检测到异常信号,提升安全监测效果。此外,项目处于小试阶段,具有广阔的应用前景和市场潜力。

成果公开日期

20240723

所属产业领域

信息传输、软件和信息技术服务业

转化现有基础

近年来,分布式光纤传感技术因其无源、抗电磁干扰以及可远距离大范围监测等特性,在公共建筑、桥梁隧道等基础设施安全监测领域中得到了广泛应用并发挥着举足轻重的作用,引起了国内外学者的重点关注和深入研究。但是,全分布式光纤传感系统在对基础设施进行全范围连续监测的过程中会得到巨大的数据量,并且随着分布式光纤传感系统性能指标的提升,单位时间内采集得到的数据会几十倍甚至上百倍地增加,由此导致的数据膨胀问题对数据存储及后续数据处理造成严重影响,使其在实际应用中无法充分发挥其优势和作用。 目前基于分布式光纤传感信号的压缩研究中,存在只对时间维度上的一维振动信号进行压缩、稀疏性表示没有考虑分布式光纤振动信号的二维时空结构、二维小波变换缺少各向异性等问题。因此,针对分布式光纤二维时空信号的压缩存储进行研究,从时间和空间两个维度对Φ-OTDR分布式光纤振动数据进行分析,将振动数据从时空维度进行去噪和压缩,完成数据的梯次精简,然后采用编码的方式完成数据的存储,最终实现对Φ-OTDR分布式光纤振动数据的梯次精简与编码存储研究。

转化合作需求

希望国内城市基础设施的企业在人员、资金、设备、场地等方面,予以一定的支持。

转化意向范围

仅限国内转让

转化预期效益

本项目主要围绕Φ-OTDR安全监测中图片式压缩感知技术进行研究与应用,解决了Φ-OTDR技术数据冗余、磁盘膨胀、处理效率低下的问题,研究成果属于原始创新,突破了二维分布式振动信号压缩存储、图像式信号特征提取分析系统设计等关键技术,研制了仿真模型及应用程序,同时进行了相关的知识产权保护、人才培养、项目申请和奖励申报的工作。 研究成果应用于城市运行安全场景的安全监测项目中,显著提升了我国在国际安全监测的影响力;同时也作为高效基础性监测设备应用于我国各类复杂环境下的传感信息感知存储分析场景中,比如水、电、气、热、通信、道路、建筑、地铁等多个重要领域,显著节省了数据存储空间,提高了数据分析效率,缩短了海量数据存储分析周期,带来了巨大经济效益。 研究成果为城市运行安全监测工程中应力场、温度场以及渗流场等的变化监测提供了有力支撑;为城市生命线安全等电磁干扰环境下的测量提供了技术支持。积极服务国家需求、服务北京需求,显著提高社会效益、经济效盈,对推进国家安全监测以及国民经济建设具有重要的意义;对标国际同类产品,对于提升北京科技创新中心全球竞争力具有重要意义。

项目名称

科技新星

项目课题来源

北京市科学技术委员会;中关村科技园区管理委员会

摘要

近年来,分布式光纤传感技术因其无源、抗电磁干扰以及可远距离大范围监测等特性,在公共建筑、桥梁隧道等基础设施安全监测领域中得到了广泛应用并发挥着举足轻重的作用,引起了国内外学者的重点关注和深入研究。但是,全分布式光纤传感系统在对基础设施进行全范围连续监测的过程中会得到巨大的数据量,并且随着分布式光纤传感系统性能指标的提升,单位时间内采集得到的数据会几十倍甚至上百倍地增加,由此导致的数据膨胀问题对数据存储和后续数据处理造成了严重影响,使其在实际应用中不能充分发挥其优势和作用。针对上述问题,围绕相位光时域反射计技术(Phase Optical Time Domain Reflection,Φ-OTDR)分布式光纤振动数据的梯次精简和编码存储,通过利用Φ-OTDR信号的整体获取、信号压缩感知、信息存储、信息分析处理方面的优势,进行整体局面的分布式海量数据的压缩感知与异常信号监测。主要包括以下四方面: 1)整体性信息感知:项目利用分布式信号感知技术,能够获取安全监测对象的整体性信息。这包括对机件设备、电缆传输、安全管道等细节处的感知。确保获得完整的信息对于后续分析的可信度和可靠性至关重要。 2)信号压缩感知:项目采用二维到三维信号转换,并进行压缩感知处理。这种处理方式既保持了整体信号的信息完整性,又方便了后续图像分析处理。此外,它还能大幅减少存储资源需求,降低了安全监测设备成本,并提高了处理效率。 3)图像处理与人工智能计算机视觉技术:项目利用图像处理和人工智能计算机视觉技术对信号进行高位映射与分析。通过这种方式,可以更精确地感知图像的深层特征。相较于仅进行Φ-OTDR信号分析,这种综合思路更具全面性和准确性。 4)分布式海量数据的压缩感知与异常信号监测:通过以上设计思路,项目能够实现对整体局面的分布式海量数据进行压缩感知和异常信号监测。这意味着项目可以高效地处理大量的数据,并及时检测到异常信号,从而提升安全监测的效果。 总体而言,该项目在Φ-OTDR信号的获取、压缩感知、信息存储和分析处理等方面具有创新的优势。通过综合运用分布式感知、信号转换与压缩、图像处理和人工智能计算机视觉技术,实现对整体局面的分布式海量数据的压缩感知与异常信号监测,从而提高了安全监测的效率和准确性。

试试对话AI技术经理人
WENXIAOGUO
问小果
该成果有哪些相似成果?
该成果可能有哪些需求方?
该成果的市场前景如何?
北京邮电大学的相关成果还有哪些?