• Treffer 7 von 8
Zurück zur Trefferliste
Zitieren Sie bitte immer diesen URN: urn:nbn:de:kobv:b43-524631

Time-Efficient Convolutional Neural Network-Assisted Brillouin Optical Frequency Domain Analysis

  • To our knowledge, this is the first report on a machine-learning-assisted Brillouin optical frequency domain analysis (BOFDA) for time-efficient temperature measurements. We propose a convolutional neural network (CNN)-based signal post-processing method that, compared to the conventional Lorentzian curve fitting approach, facilitates temperature extraction. Due to its robustness against noise, it can enhance the performance of the system. The CNN-assisted BOFDA is expected to shorten the measurement time by more than nine times and open the way for applications, where faster monitoring is essential.

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Christos Karapanagiotis, Aleksander Wosniok, Konstantin HickeORCiD, Katerina Krebber
Dokumenttyp:Zeitschriftenartikel
Veröffentlichungsform:Verlagsliteratur
Sprache:Englisch
Titel des übergeordneten Werkes (Englisch):Sensors
Jahr der Erstveröffentlichung:2021
Organisationseinheit der BAM:8 Zerstörungsfreie Prüfung
8 Zerstörungsfreie Prüfung / 8.6 Faseroptische Sensorik
Veröffentlichende Institution:Bundesanstalt für Materialforschung und -prüfung (BAM)
Verlag:MDPI
Jahrgang/Band:21
Ausgabe/Heft:8
Erste Seite:2724
DDC-Klassifikation:Naturwissenschaften und Mathematik / Chemie / Analytische Chemie
Freie Schlagwörter:Brillouin distributed sensing; Fiber-optic sensors; Machine learning; Temperature and strain monitoring
Themenfelder/Aktivitätsfelder der BAM:Umwelt
Umwelt / Sensorik
DOI:10.3390/s21082724
URN:urn:nbn:de:kobv:b43-524631
Verfügbarkeit des Dokuments:Datei für die Öffentlichkeit verfügbar ("Open Access")
Lizenz (Deutsch):License LogoCreative Commons - CC BY - Namensnennung 4.0 International
Datum der Freischaltung:21.04.2021
Referierte Publikation:Ja
Datum der Eintragung als referierte Publikation:20.05.2021
Schriftenreihen ohne Nummerierung:Wissenschaftliche Artikel der BAM
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.