一种基于并行深度学习的光纤散斑多参量解调方法

本发明公开了一种基于并行深度学习的光纤散斑多参量解调方法，涉及光纤传感领域，包括以下步骤：通过施加组合扰动于多模光纤，同步采集散斑图像及对应的曲率、振动强度、位置坐标标签，构建多参量映射数据集；基于算力动态划分所述数据集的子集，利用各子集独立训练特征提取子网络，生成预训练权重集合；构建并行神经网络架构，加载并冻结所述预训练权重集合，进行融合分类网络训练，获得优化后的融合分类网络；将待测散斑图像输入所述优化后的融合分类网络，输出对应的参数解调结果。该方法通过并行深度学习架构与预训练权重复用机制，实现了光纤散斑中曲率、振动及位置坐标的高精度同步解调，兼具强抗干扰性与高效算力利用率。