一种基于环芯光纤光斑的熔接偏移量的检测方法技术

本发明专利技术属于光纤传感技术领域，更具体地，涉及一种基于环芯光纤光斑的熔接偏移量的检测方法。利用环芯光纤稳定、形态结构区分度高的光纤光斑，对在不同错位熔接偏移量下采集到的光斑进行高精度卷积神经网络的光斑识别训练，打破了现有的仅利用少模光纤高阶模式的背向瑞利散射对光纤熔接损耗的测量的局限，实现了对熔接过程中光纤偏移量的测量，提高了熔接质量检测的准确度。质量检测的准确度。质量检测的准确度。

【技术实现步骤摘要】
一种基于环芯光纤光斑的熔接偏移量的检测方法


[0001]本专利技术属于光纤传感
，更具体地，涉及一种基于环芯光纤光斑的熔接偏移量的检测方法。

技术介绍

[0002]目前，针对光纤熔接偏移量的检测方法大多是基于光时域反射技术。最为常见的光纤熔接质量检测方法是使用单模光时域反射仪(Optical Time Domain Reflectometer,OTDR)，利用单模光纤中基模的背向瑞利散射进行检测；这种方法只能支持对光纤中基模的检测，不适用于在支持多个模式且每个模式的传输损耗特性存在较大差异的少模光纤中使用；且基模的检测灵敏度低，会影响判断的准确性。也有人提出基于高阶模式背向瑞利散射的少模光纤链路检测方法，利用少模光纤中的高阶模式对光纤熔接错误灵敏度高的特点，提高对熔接质量判断的准确性，但这种方法只得到熔接导致的损耗，仅能从损耗的大小判断熔接质量的相对好坏，无法得到熔接偏移量的数值。

技术实现思路

[0003]本专利技术为克服上述现有技术中的缺陷，提供一种基于环芯光纤光斑的熔接偏移量的检测方法，实现了对熔接过程中光纤偏移量的测量，提高了熔接质量检测的准确度。
[0004]为解决上述技术问题，本专利技术采用的技术方案是：一种基于环芯光纤光斑的熔接偏移量的检测方法，包括以下步骤：
[0005]S1.系统的搭建：搭建针对环芯光纤错位熔接的表征系统，所述系统包括：激光器、透镜、四分之一玻片、反射镜、涡旋相位板、两根待熔接的环芯光纤、光纤熔接机、CCD相机；
[0006]S2.数据采集：激光器发出的光经透镜准直之后，经过四分之一玻片变成圆偏振；光传输到涡旋相位板上进行模式调制，再经由透镜耦合进第一根待熔接的环芯光纤中；在光纤熔接机中，先对准第一根和第二根待熔接的环芯光纤，后根据实验需要调整两根待熔接的环芯光纤之间的轴向偏移量；在第二根待熔接的环芯光纤的尾端，放置一个CCD相机，用来采集不同熔接偏移量情况下的光纤出射光斑；
[0007]S3.光斑图像的处理：在计算机上处理采集到的光斑数据，先对两根光纤在不同偏移量下采集的每张图像与对准情况下采集到的图像的平均图像做绝对值差分处理，再将经过绝对值差分后的图像进行剪裁，作为卷积神经网络的输入图像；
[0008]S4.神经网络的训练与预测：经过剪裁后的图像输入到卷积神经网络，利用卷积神经网络对不同熔接偏移量下的光纤光斑进行学习，建立熔接偏移量与光纤光斑变化之间的非线性映射关系，在训练阶段，输出层预测的偏移量将与输入图像实际对应偏移量构造交叉熵损失函数，通过梯度的反向传播与随机梯度下降的方法更新卷积神经网络的参数；在预测阶段，输出层输出的数据将直接作为图像对应的偏移量。
[0009]在本专利技术中，利用卷积神经网络对不同熔接偏移量下的光纤光斑进行学习，建立熔接偏移量与光纤光斑变化之间的非线性映射关系，实现对光纤熔接偏移量的测量，从而
实现对光纤熔接质量的评估。
[0010]进一步的，所述的环芯光纤为径向一阶限制的环芯光纤。
[0011]进一步的，所述的绝对值差分处理包括：将每张图像的像素点的灰度值减去对准情况下采集到的图像的平均图像对应像素点处的灰度值。
[0012]进一步的，所述的步骤S3具体包括：
[0013]S31.对两根光纤在对准情况下的采集到的图像求平均图像，表达为：
[0014][0015]其中A
mean
(i,j)表示求得的平均图像在像素点(i,j)处的灰度值，A
k
(i,j)表示对准情况下采集到的图像在像素点(i,j)处的灰度值；
[0016]S32.将光纤偏移情况下采集到的图像与求得的平均图做绝对值差分处理，表达为：
[0017]A
′
p
(i,j)＝A
p
(i,j)
‑
A
mean
(i,j)
[0018]其中A
′
p
(i,j)表示绝对值差分后图像在像素点(i,j)处的灰度值，A
p
(i,j)表示偏移情况下采集到的图像在像素点(i,j)处的灰度值，A
mean
(i,j)表示平均图像在像素点(i,j)处的灰度；
[0019]S33.对经过绝对值差分后的图像进行剪裁处理，将其从960*1280大小剪裁到412*412大小，作为卷积神经网络的输入图像。
[0020]进一步的，所述的卷积神经网络包括一个输入层、两个卷积层、两个下采样层、两个全连接层和一个输出层。
[0021]进一步的，所述的步骤S4具体包括：
[0022]S41.输入图像X1在输入层被压缩至256*256大小，并经过零均值化成为图像X2，进入第一个卷积层C1；
[0023]S42.图像X2被8个大小为5*5*1，步长为1，填充为2的卷积核的卷积后，生成8张特征图X3_i{i＝1,...,8}，8张特征图被批归一化后，经过ReLU函数激活成为X3_i
’
{i＝1,...,8}，进入第一个池化层S1；
[0024]S43.8张特征图X3_i
’
{i＝1,...,8}经过核大小为2*2，步长为2平均池化后成为X4_i{i＝1,...,8},进入第二个卷积层C2；
[0025]S44.8张特征图X4_i{i＝1,...,8}经过卷积核大小为5*5*8，步长为1，填充为2的16个卷积核卷积后，生成16张特征图X5_i{i＝1,...,16}，16张特征图被批归一化后，经过ReLU函数激活成为X5_i
’
{i＝1,...,16}，进入第二个池化层S2；
[0026]S45.16张特征图X5_i
’
{i＝1,...,16}经过核大小为2*2，步长为2的平均池化后成为X6_i{i＝1,...,16},该16张特征图随后被展开拼接成一维向量，输入到全连接层FC1，全连接层FC1具有256个神经元；
[0027]S46.全连接层FC1的输出经过ReLU函数的激活后，输入到全连接层FC2，全连接层FC2具有9个神经元；
[0028]S47.FC2的9个神经元的输出进入输出层，输出层通过softmax函数判断输入图像对应的光纤熔接偏移量；在训练阶段，输出层预测的偏移量将与输入图像实际对应偏移量
构造交叉熵损失函数，通过梯度的反向传播与随机梯度下降的方法更新卷积神经网络的参数；在预测阶段，输出层输出的数据将直接作为图像对应的偏移量。
[0029]本专利技术还提供一种基于环芯光纤光斑的熔接偏移量的检测系统，包括：
[0030]数据采集模块：包括激光器、透镜、四分之一玻片、反射镜、涡旋相位板、两根待熔接的环芯光纤、光纤熔接机、CCD相机；激光器发出的光经透镜准直之后，经过四分之一玻片变成圆偏振；光传输到涡旋相位板上进行模式调制，再经由透镜耦合进第一根待熔接的环芯光纤中；在光纤熔接机中，先对准第一根和第二根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于环芯光纤光斑的熔接偏移量的检测方法，其特征在于，包括以下步骤：S1.系统的搭建：搭建针对环芯光纤错位熔接的表征系统，所述系统包括：激光器、透镜、四分之一玻片、反射镜、涡旋相位板、两根待熔接的环芯光纤、光纤熔接机、CCD相机；S2.数据采集：激光器发出的光经透镜准直之后，经过四分之一玻片变成圆偏振；光传输到涡旋相位板上进行模式调制，再经由透镜耦合进第一根待熔接的环芯光纤中；在光纤熔接机中，先对准第一根和第二根待熔接的环芯光纤，后根据实验需要调整两根待熔接的环芯光纤之间的轴向偏移量；在第二根待熔接的环芯光纤的尾端，放置一个CCD相机，用来采集不同熔接偏移量情况下的光纤出射光斑；S3.光斑图像的处理：在计算机上处理采集到的光斑数据，先对两根光纤在不同偏移量下采集的每张图像与对准情况下采集到的图像的平均图像做绝对值差分处理，再将经过绝对值差分后的图像进行剪裁，作为卷积神经网络的输入图像；S4.神经网络的训练与预测：经过剪裁后的图像输入到卷积神经网络，利用卷积神经网络对图像进行训练和预测，在训练阶段，输出层预测的偏移量将与输入图像实际对应偏移量构造交叉熵损失函数，通过梯度的反向传播与随机梯度下降的方法更新卷积神经网络的参数；在预测阶段，输出层输出的数据将直接作为图像对应的偏移量。2.根据权利要求1所述的基于环芯光纤光斑的熔接偏移量的检测方法，其特征在于，所述的环芯光纤为径向一阶限制的环芯光纤。3.根据权利要求1所述的基于环芯光纤光斑的熔接偏移量的检测方法，其特征在于，所述的绝对值差分处理包括：将每张图像的像素点的灰度值减去对准情况下采集到的图像的平均图像对应像素点处的灰度值。4.根据权利要求1所述的基于环芯光纤光斑的熔接偏移量的检测方法，其特征在于，所述的步骤S3具体包括：S31.对两根光纤在对准情况下的采集到的图像求平均图像，表达为：其中A
mean
(i,j)表示求得的平均图像在像素点(i,j)处的灰度值，A
k
(i,j)表示对准情况下采集到的图像在像素点(i,j)处的灰度值；S32.将光纤偏移情况下采集到的图像与求得的平均图做绝对值差分处理，表达为：A
′
p
(i,j)＝A
p
(i,j)
‑
A
mean
(i,j)其中A
′
p
(i,j)表示绝对值差分后图像在像素点(i,j)处的灰度值，A
p
(i,j)表示偏移情况下采集到的图像在像素点(i,j)处的灰度值，A
mean
(i,j)表示平均图像在像素点(i,j)处的灰度；S33.对经过绝对值差分后的图像进行剪裁处理，将其从960*1280大小剪裁到412*412大小，作为卷积神经网络的输入图像。5.根据权利要求4所述的基于环芯光纤光斑的熔接偏移量的检测方法，其特征在于，所述的卷积神经网络包括一个输入层、两个卷积层、两个下采样层、两个全连接层和一个输出层。6.根据权利要求5所述的基于环芯光纤光斑的熔接偏移量的检测方法，其特征在于，所
述的步骤S4具体包括：S41.输入图像X1在输入层被压缩至256*256大小，并经过零均值化成为图像X2，进入第一个卷积层C1；S42.图像X2被8个大小为5*5*1，步长为1，填充为2的卷积核的卷积后，生成8张特征图X
3_i
{i＝1,...,8}，8张特征图被批归一化后，经过ReLU函数激活成为X
3_i
’
{i＝1,...,8}，进入第一个池化层S1；S43.8张特征图X
3_i
’
{i＝1,...,8}经过核大小为2*2，步长为2平均池化后成为X
4_i
{i＝1,...,8},进入第二个卷积层C2；S44.8张特征图X
4_i
{i＝1,...,8}经过卷积核大小为5*5*8，步长为1，填充为2的16个卷积核卷积后，生成16...

【专利技术属性】
技术研发人员：刘洁，黄聪，唐钢，
申请(专利权)人：中山大学，
类型：发明
国别省市：