Algoritmy strojového učení pro zpracování událostí z fázově citlivého OTDR

Ing. Bc. et Bc. Přemysl Till

Diplomová práce

Machine learning algorithms for event processing in phase sensitive OTDR

Anotace:

Tato práce se věnuje algoritmům strojového učení pro zpracování událostí nad výstupy z fázově citlivého OTDR. V rámci práce je vytvořena označkovaná datová sada, která umožňuje objektivní srovnání a zhodnocení efektivity těchto algoritmů. Následně je zpracován stručný přehled metod strojového učení vhodných pro práci s Φ-OTDR daty, ze kterého jsou pro další analýzu zvoleny konvoluční neuronové sítě a předtrénovaná síť MobileNetV2. Zvolené algoritmy a jejich variace jsou implementovány a následně zhodnoceny s využitím vytvořené datové sady. Posouzen je také dopad použití různých variant Prewittova a Sobelova operátoru pro filtrování dat.

Abstract:

This thesis studies the usage of machine learning algorithms for event processing in phase sensitive OTDR. In its first part, an annotated dataset of Φ-OTDR events is created which can be used to compare different algorithms and evaluate their usability for event detection. In the second part, a brief overview of relevant algorithms is presented, from which a Convolutional Neural Network and pre-trained MobileNetV2 model are selected for further analysis. Using the annotated dataset, I evaluate different variants of these networks, as well as their combinations with variations of Prewitt and Sobel operators used for data preprocessing.

Klíčová slova

Φ-OTDR, fázově citlivá optická reflektometrie, detekce vibrací, strojové učení, konvoluční neuronová síť, MobileNetV2

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 21. 5. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 18. 6. 2024
• Vedoucí: doc. RNDr. Tomáš Brázdil, Ph.D.
• Oponent: doc. Mgr. Jan Obdržálek, PhD.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Umělá inteligence a zpracování dat / Strojové učení a umělá inteligence