Extração de características de padrões speckle para sensores a fibra óptica

Abstract

This work presents a classification system, based on texture features extracted from the speckle pattern, to determine 3 different regions in which an optical fiber is mechanically perturbed. Two different descriptors are used: the Local Binary Pattern (LBP) and the Gray Level Co-occurrence Matrix (GLCM) for extracting characteristics, which are applied to an Artificial Neural Network. Accuracy was analyzed for seven different characteristic amounts. The results show that, for an optical fiber of 50 µm automatically disturbed, both descriptors were able to classify the location of the deformation, reaching 94.2% accuracy with 236 features extracted with LBP and 79.3% accuracy with 16 features extracted with GLCM. Resumo: Neste trabalho é apresentado um sistema de classificação, baseado na extração de características de texturas de padrões speckle, para determinação de 3 regiões em que uma fibra óptica é perturbada mecanicamente. São utilizados dois diferentes descritores de textura, o Local Binary Pattern (LBP) e a Gray Level Co-occurrence Matrix (GLCM) para extração de características, as quais são empregadas em uma Rede Neural Artificial feedforward. A acurácia foi analisada para sete diferentes quantidades de características. Os resultados mostram que, para uma fibra óptica de 50 µm perturbada de forma automática, ambos descritores foram capazes de classificar a localização da deformação, alcançando 94,2% de acurácia com 236 características extraídas com LBP e 79,3% de acurácia com 16 características extraídas com GLCM.