Классификация сигналов системы мониторинга на основе распределённого волоконно-оптического датчика

Применение методов машинного обучения уже несколько лет вызывает всеобщий интерес. Одной из возможных областей, где высока потребность в применении данных методов, являются системы безопасности. В данной выпускной работе поставлена задача классификации сигналов системы мониторинга, полученных с фазочувствительного оптического рефлектометра, кабель которого проложен вдоль периметра охраняемого объекта. Были изучены и предложены несколько моделей машинного обучения для решения проблемы. Многие методы, которые были изучены, применяются в задачах компьютерного зрения и отлично подходят для данного вопроса. В ходе данной работы была произведена предобработка данных для последующего их использования в моделях. Итогом стал сравнительный анализ качества и точности различных алгоритмов из машинного обучения. В качестве входных данных брались сигналы, выдаваемые исходной системой как тревоги. Была также предложена архитектура свёрточной нейронной сети в качестве решения задачи классификации. Максимально достигнутая точность классификации среди реализованных алгоритмов наблюдалась у нейронной сети и превышает 98%