基于有监督机器学习的OPGW光缆纤芯应变分类方法及系统

本发明公开了一种基于有监督机器学习的OPGW光缆纤芯应变分类方法及系统，涉及光缆检测技术领域。本发明首先对典型区域OPGW光缆应变测试数据进行统计分析，提出光缆4种典型应变形态：零应变形态、悬链线形态、驻波形态和局部大应变形态；将测得的OPGW光缆纤芯应变按形态分类并给出标签，为后续OPGW光缆分类提供数据集；利用数据集对CNN模型进行训练；将训练好的CNN模型应用于一条新的光缆纤芯应变数据进行应变分类，分类准确率为99.2％；进一步，根据应变形态对新的光缆纤芯应变产生原因进行判断，有助于运维人员对故障光缆段进行检修。本发明可快速准确地对OPGW光缆故障进行有效检测和分类，为后续工程应用中应变数据分析提供重要参考。