基于φ-OTDR和YOLO实现PIG跟踪策略的研究

摘要

提出了一种利用相敏光时域反射仪(phase-sensitive optical time domain reflectometer,φ-OTDR)和YOLOv5(you only look once v5)目标检测算法定位跟踪管道中清管器(pipeline inspection gauge,PIG)的策略。PIG两端皮碗和管道焊缝碰撞时会产生振动,利用φ-OTDR技术可以收集该振动信号在时空图上呈现出区分于其他背景噪声的“倒V”特征。通过获取大量含有“倒V”特征的时空图来构建训练集和测试集,训练集用来训练YOLOv5网络模型,测试集用来测试训练好的YOLOv5网络。经过训练的模型被证明能够准确地捕捉时空图中的“倒V”特征,从而反演PIG的实时位置与路径。将分布式光纤传感器与神经网络算法相结合,进一步提高了PIG定位跟踪的便捷性与准确性,有利于实现PIG的在线、自动化跟踪。