KR20220086033A - 광섬유의 융착접속 분석 장치 및 그 분석 방법 - Google Patents
광섬유의 융착접속 분석 장치 및 그 분석 방법 Download PDFInfo
- Publication number
- KR20220086033A KR20220086033A KR1020200176131A KR20200176131A KR20220086033A KR 20220086033 A KR20220086033 A KR 20220086033A KR 1020200176131 A KR1020200176131 A KR 1020200176131A KR 20200176131 A KR20200176131 A KR 20200176131A KR 20220086033 A KR20220086033 A KR 20220086033A
- Authority
- KR
- South Korea
- Prior art keywords
- optical fiber
- image
- splice
- fusion
- fusion splicing
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/41—Refractivity; Phase-affecting properties, e.g. optical path length
- G01N21/412—Index profiling of optical fibres
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/41—Refractivity; Phase-affecting properties, e.g. optical path length
- G01N21/43—Refractivity; Phase-affecting properties, e.g. optical path length by measuring critical angle
- G01N21/431—Dip refractometers, e.g. using optical fibres
- G01N2021/432—Dip refractometers, e.g. using optical fibres comprising optical fibres
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
- G01N21/474—Details of optical heads therefor, e.g. using optical fibres
- G01N2021/4742—Details of optical heads therefor, e.g. using optical fibres comprising optical fibres
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
- G01N21/5907—Densitometers
- G01N2021/5957—Densitometers using an image detector type detector, e.g. CCD
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Mechanical Coupling Of Light Guides (AREA)
Abstract
본 발명은 광섬유의 융착접속 분석 장치 및 그 분석 방법에 관한 것으로서, 서로 다른 광섬유 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 상기 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습하는 학습부; 광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는 촬영부; 및 상기 분류 모델을 통해 상기 촬영부에서 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 판단하는 분석부를 포함하되, 상기 접속 이미지는 상기 접속 부위를 포함하는 광역 이미지, 상기 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 접속 경계면에 해당하는 엣지(Edge) 이미지 중 적어도 하나 이상을 포함할 수 있다.
Description
본 발명은 광섬유의 융착 접속의 접속 손실을 분석하기 위한 광섬유의 융착접속 분석 장치 및 그 분석 방법에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 발명의 일 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
광섬유 접속 방법 중 하나인 융착 접속은 광섬유 축을 영상 장치 및 소형 모터에 의해 정렬시킨 후 광섬유 단면을 가열 융착하여 접속시키는 방식이다.
기존의 광섬유 융착접속기는 접속할 광섬유들을 V형홈(V-groove) 위에 올려놓고, 영상 장치에 의해 일치시킨 후 광섬유 단면을 예가열로 정형한 후 아크 방전으로 융착 접속한다. 이러한 융착 접속기는 광섬유 또는 리본 광섬유 상호 간의 융착 접속시 사용하고, 코어 투 코어 이미지 센싱 기술(Core to core Image Sensing Technique)을 이용하여 단일모드 광섬유, 다중모드 광섬유, 분산천이형 광섬유(DSF), 대구경 광섬유 등 모든 종류의 광섬유 심선에 대해 심선 정렬 및 접속을 자동/수동으로 수행한다.
이때, 광섬유를 서로 연결하기 위하여 융착 접속할 때에, 각 광섬유에 따라 가장 적합한 융착 접속 방법(방전 전류, 방전 시간 등)으로 융착을 하는 것이 필요하다.
기존의 광섬유 융착 접속기는 SMF의 경우 기하 요인(geometrical factor)으로 접속 경계면이 직각이 아니고 경사진 데에 기인한 코어 각도의 어긋남과 경계면에서의 코어 중심 사이의 어긋남이 있고, 광학 요인으로 두 광섬유 사이의 MFD(Mode Field Diameter)의 차이, 두 광섬유 사이의 굴절률 차 등으로 융착 접속손실이 발생한다. 또한, PCF의 경우, 기하요인에 의한 접속 손실은 광섬유의 외경 정밀도나 코어 편심, 광섬유 절단 시 종단면의 직각도, 및 융착 접속기의 코어 중심 위치 조정의 정밀도에 의존하여 발생하고, 광학 요인에 의한 접속 손실은 PCF 종단면이 용융되면 유리의 표면장력에 의해 기공이 눌려 무너져버려, 도파구조가 변화 또는 소실되면서 발생한다. PCF와 일반 광섬유와의 접속에서는 양자의 모드 필드(mode field)의 크기나 형상이 다른 것도 큰 접속손실 요인이 된다.
이와 같이, 종래의 광섬유 융착 접속 방법에서는 광섬유를 연결하면서 부적합한 융착 접속 상태로 인하여 광섬유의 결합손실, 접속손실 등이 발생하여 전로 특성에 심각한 영향을 끼치며, 광섬유 융착 접속의 신뢰성이 저하하게 된다. 광섬유의 융착 접속이 정확하게 수행되지 않는다면, 결합손실, 접속손실을 줄이기 위하여 광섬유의 융착을 처음부터 다시 시작해야만 하고 이에 따라 작업 효율이 악화된다는 문제점이 있다.
본 발명은 전술한 문제점을 해결하기 위하여, 본 발명의 일 실시예에 따라 광섬유의 융착접속에 이상이 없는지 확인하고, 접속 손실 정도를 분석할 수 있는 광섬유의 융착접속 분석 장치 및 그 분석 방법을 제공하는 것에 목적이 있다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서 본 발명의 일 실시예에 따른 광섬유의 융착접속 분석 장치는, 서로 다른 광섬유 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 상기 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습하는 학습부; 광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는 촬영부; 및 상기 분류 모델을 통해 상기 촬영부에서 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 판단하는 분석부를 포함하되, 상기 접속 이미지는 상기 접속 부위를 포함하는 광역 이미지, 상기 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 접속 경계면에 해당하는 엣지(Edge) 이미지 중 적어도 하나 이상을 포함하는 것이다.
상기 촬영부는, CCD(Charge Coupled Device) 카메라이고, 상기 학습부는 CNN(Convolutional Neural Network)을 이용하여 이미지를 분류하는 것이다.
한편, 상기 접속 이미지는 접속 부위에서 각 광섬유의 클래딩과 클래딩간의 접속 경계면을 포함하는 엣지 이미지를 더 포함할 수 있다.
한편, 본 발명의 다른 일 실시예에 따른 광섬유의 융착접속 분석 장치는, 서로 다른 광섬유 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 상기 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습하는 학습부; 상기 광섬유의 입력단에 입력광을 조사하는 광원; 상기 광섬유의 출력단에서 출력되는 출력광과 입력광의 세기를 측정하는 감지부; 상기 광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는 촬영부; 및 상기 감지부에서 측정된 입력광과 출력광의 세기를 비교하여 상기 융착 접속된 광섬유의 접속 손실값에 대한 수치데이터를 제공하고, 상기 분류 모델을 통해 상기 촬영부에서 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 판단하여, 상기 접속 이미지와 수치데이터를 매칭하여 접속 손실 분석 데이터로 제공하는 분석부를 포함하는 것이다.
상기 접속 이미지는 상기 접속 부위를 포함하는 광역 이미지, 상기 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 접속 경계면에 해당하는 엣지(Edge) 이미지 중 적어도 하나 이상을 포함하고, 접속 부위에서 각 광섬유의 클래딩과 클래딩간의 접속 경계면을 포함하는 엣지 이미지를 더 포함할 수 있다.
상기 분석부는, 상기 접속 손실 분석 데이터를 상기 학습부로 제공하고, 상기 학습부는 상기 접속 손실 분석 데이터를 학습하여 상기 접속 이미지를 이용하여 광섬유에 대한 접속 손실의 예측값을 제공할 수 있다.
본 발명은 일 실시예에 따른 광섬유의 융착접속 분석 방법은, 서로 다른 광섬유 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 상기 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습하는 학습 과정; 광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는 이미지 획득 과정; 및 상기 분류 모델을 통해 상기 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 분석하는 분석 과정을 포함하되, 상기 접속 이미지는 상기 접속 부위를 포함하는 광역 이미지, 상기 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 접속 경계면에 해당하는 엣지(Edge) 이미지 중 적어도 하나 이상을 포함할 수 있다.
본 발명의 다른 일 실시예에 따른 광섬유의 융착접속 분석 방법은, 서로 다른 광섬유 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 상기 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습하는 학습 과정; 광원을 이용해 광섬유의 입력단에 입력광을 조사하는 광 조사 과정; 상기 광섬유의 출력단에서 출력되는 출력광과 상기 입력광의 세기를 측정하는 광감지 과정; 상기 광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는 이미지 획득 과정; 및 상기 광감지 과정에서 측정된 입력광과 출력광의 세기를 비교하여 상기 융착 접속된 광섬유의 접속 손실값에 대한 수치데이터를 제공하고, 상기 분류 모델을 통해 상기 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 판단하여, 상기 접속 이미지와 수치데이터를 매칭하여 접속 손실 분석 데이터로 제공하는 분석과정을 포함한다.
상기 접속 이미지는 상기 접속 부위를 포함하는 광역 이미지, 상기 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 접속 경계면에 해당하는 엣지(Edge) 이미지 중 적어도 하나 이상을 포함하고, 접속 부위에서 각 광섬유의 클래딩과 클래딩간의 접속 경계면을 포함하는 엣지 이미지를 더 포함할 수 있다.
상기 분석 과정은, 상기 접속 손실 분석 데이터를 상기 학습 과정에 제공하고, 상기 학습 과정에서는 상기 접속 손실 분석 데이터를 학습하여 상기 접속 이미지를 이용하여 광섬유에 대한 접속 손실의 예측값을 제공할 수 있다.
전술한 본 발명의 과제 해결 수단에 의하면, 본 발명은 인공신경망 기반의 학습 데이터를 이용하여 융착접속의 이상 여부나 손실 정도를 분석하여 융착접속 최적화 상태를 예측할 수 있고, 광섬유 융착 접속의 신뢰성을 향상시킬 수 있다.
또한, 본 발명은 광섬유의 융착접속 방식뿐만 아니라 다른 소자들 간의 접속 상태를 확인하는데에 활용될 수 있다.
도 1은 본 발명의 일 실시예에 따른 광섬유의 융착접속 분석 장치의 구성을 설명하는 도면이다.
도 2는 본 발명의 제1 실시예에 따른 코어와 클래딩의 직경이 동일한 이종 광섬유 융착 접속시 광섬유 정렬 및 융착 과정을 설명하는 도면이다.
도 3은 도 2에 의해 발생되는 접속 이미지를 설명하는 도면이다.
도 4는 본 발명의 제2 실시예에 따른 코어와 클래딩의 직경이 상이한 이종 광섬유 융착 접속시 광섬유 정렬 및 융착 과정을 설명하는 도면이다.
도 5는 도 4에 의해 발생되는 접속 이미지를 설명하는 도면이다.
도 6은 본 발명의 제3 실시예에 따른 코어와 클래딩의 직경이 상이한 이종 광섬유 융착 접속시 광섬유 정렬 및 융착 과정을 설명하는 도면이다.
도 7은 도 6에 의해 발생되는 접속 이미지를 설명하는 도면이다.
도 8은 본 발명의 제1 실시예에 따른 광섬유의 융착접속 분석 방법을 설명하는 순서도이다.
도 9는 본 발명의 제2 실시예에 따른 광섬유의 융착접속 분석 방법을 설명하는 순서도이다.
도 2는 본 발명의 제1 실시예에 따른 코어와 클래딩의 직경이 동일한 이종 광섬유 융착 접속시 광섬유 정렬 및 융착 과정을 설명하는 도면이다.
도 3은 도 2에 의해 발생되는 접속 이미지를 설명하는 도면이다.
도 4는 본 발명의 제2 실시예에 따른 코어와 클래딩의 직경이 상이한 이종 광섬유 융착 접속시 광섬유 정렬 및 융착 과정을 설명하는 도면이다.
도 5는 도 4에 의해 발생되는 접속 이미지를 설명하는 도면이다.
도 6은 본 발명의 제3 실시예에 따른 코어와 클래딩의 직경이 상이한 이종 광섬유 융착 접속시 광섬유 정렬 및 융착 과정을 설명하는 도면이다.
도 7은 도 6에 의해 발생되는 접속 이미지를 설명하는 도면이다.
도 8은 본 발명의 제1 실시예에 따른 광섬유의 융착접속 분석 방법을 설명하는 순서도이다.
도 9는 본 발명의 제2 실시예에 따른 광섬유의 융착접속 분석 방법을 설명하는 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에서 ‘단말’은 휴대성 및 이동성이 보장된 무선 통신 장치일 수 있으며, 예를 들어 스마트 폰, 태블릿 PC 또는 노트북 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치일 수 있다. 또한, ‘단말’은 네트워크를 통해 다른 단말 또는 서버 등에 접속할 수 있는 PC 등의 유선 통신 장치인 것도 가능하다. 또한, 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다.
무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아니다. 따라서 본 발명과 동일한 기능을 수행하는 동일 범위의 발명 역시 본 발명의 권리 범위에 속할 것이다.
또한, 본 발명의 각 실시예에 포함된 각 구성, 과정, 공정 또는 방법 등은 기술적으로 상호간 모순되지 않는 범위 내에서 공유될 수 있다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 광섬유의 융착접속 분석 장치의 구성을 설명하는 도면이다.
도 1을 참조하면, 광섬유의 융착접속 분석 장치(100)는 광원(110), 촬영부(120), 감지부(130) 및 분석부(140)를 포함하지만 이에 한정되지는 않는다.
광원(110)은 레이저 빔을 입력광으로 광섬유(10)의 입력단에 조사한다.
학습부(141)는 통신망을 통해 서로 다른 광섬유(10) 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습한다.
촬영부(120)는 광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는데, 적어도 하나 이상의 CCD(Charge Coupled Device) 카메라를 포함할 수 있다. 또한, 촬영부(120)는 광섬유(10)가 융착 접속되기 전에 접속하고자 하는 광섬유의 단면 이미지를 촬영하여 분석부(140)로 제공할 수 있다.
감지부(130)는 광섬유(10)로 입출력되는 입력광과 출력광을 각각 측정하는 것으로서, 파워 센서나 미터측정기 등일 수 있다.
분석부(140)는 분류 모델을 통해 촬영부(120)에서 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 판단하고, 해당 광섬유의 융착 접속에 대한 분석 데이터를 제공한다. 여기서, 분석부(140)는 제어 단말 또는 일반적인 의미의 서버용 컴퓨터 본체일 수 있고, 그 외에 서버 또는 제어 역할을 수행할 수 있는 다양한 형태의 장치로 구현될 수 있다. 구체적으로, 분석부(140)는 각각 통신 모듈(미도시), 메모리(미도시), 프로세서(미도시) 및 데이터베이스(미도시)를 포함하는 컴퓨팅 장치에 구현될 수 있는데, 일례로 휴대폰이나 TV, PDA, 태블릿 PC, PC, 노트북 PC 및 기타 사용자 단말 장치 등으로 구현될 수 있다.
한편, 분석부(140)는 감지부(130)에서 측정된 입력광과 출력광의 세기를 비교하여 융착 접속된 광섬유의 접속 손실값에 대해 정량적인 수치데이터를 산출하고, 분류 모델을 통해 접속 이미지에 대한 융착 접속의 성공/실패를 판단한 후, 접속 이미지와 수치데이터를 매칭하여 접속 손실 분석 데이터로 제공한다. 이때, 분석부(140)는 접속 손실 분석 데이터를 학습부(141)로 제공하고, 학습부(141)는 접속 손실 분석 데이터(접속 이미지, 접속 손실값의 수치 데이터)를 학습하여 접속 이미지를 이용하여 광섬유에 대한 접속 손실의 예측값을 제공한다.
도 2는 본 발명의 제1 실시예에 따른 코어와 클래딩의 직경이 동일한 이종 광섬유 융착 접속시 광섬유 정렬 및 융착 과정을 설명하는 도면이고, 도 3은 도 2에 의해 발생되는 접속 이미지를 설명하는 도면이다.
도 2 및 도 3을 참조하면, 동일한 직경의 코어(11)와 클래딩(12)을 갖는 이종 광섬유 간 상호 연결시, 광섬유 융착 접속기(미도시)는 2개의 광섬유 축을 영상 장치 및 소형 모터(미도시)에 의해 정렬시킨 후 광섬유 단면을 가열 융착하여 접속시킨다((a), (b) 참조).
융착 접속된 광섬유(10)의 입력단에 광원(110)을 이용하여 입력광(예를 들어, 백색 레이저빔)을 입력하고, 촬영부(120)를 통해 후면(Back View), 중심면(Center View), 전면(Front View)에서 촬영된 접속 이미지를 각각 획득할 수 있다.
분석부(140)는 광섬유의 융착 접속전 단면 이미지를 제공하고, 융착 접속된 이후에 후면, 중심면 및 전면에서 획득된 접속 이미지에서 융착 접속된 접속 부위를 포함하는 광역 이미지(I11), 접속 부위 내에 광섬유의 코어(11)와 클래딩(12)을 포함하는 로컬 이미지(I12), 코어(11)와 클래딩(12)의 상부 및 하부 접속 경계면에 대한 엣지 이미지(I13, I14)를 학습데이터로 활용하기 위해 학습부(141)로 제공한다.
따라서, 학습부(141)는 융착 접속전의 단면 이미지와 융착 접속 이후의 접속 이미지(I11, I12, I13, I14)를 데이터셋으로 하여, 융착 접속전의 단면 이미지에서 절단면의 각도 정보와 융착 접속 이후의 접속 이미지의 접속 경계선 정보 등의 상관관계를 학습하여 학습 데이터로 데이터베이스에 저장한다.
도 4는 본 발명의 제2 실시예에 따른 코어와 클래딩의 직경이 상이한 이종 광섬유 융착 접속시 광섬유 정렬 및 융착 과정을 설명하는 도면이고, 도 5는 도 4에 의해 발생되는 접속 이미지를 설명하는 도면이다.
도 4 및 도 5를 참조하면, 코어(11)와 클래딩(12)의 직경이 서로 다른 이종 광섬유를 서로 접속하는 경우에, 상기한 제1 실시예와 유사하게 촬영부(120)를 통해 후면(Back View), 중심면(Center View), 전면(Front View)에서 촬영된 접속 이미지를 각각 획득하고, 이종 광섬유가 융착 접속된 이후에 후면, 중심면 및 전면에서 획득된 접속 이미지에서 융착 접속된 접속 부위를 포함하는 광역 이미지(I21), 접속 부위 내에 광섬유의 코어(11)와 클래딩(12)을 포함하는 로컬 이미지(I22), 코어(11)와 클래딩(12)의 상부 및 하부 접속 경계면에 대한 엣지 이미지(I23, I24)를 학습데이터로 활용하기 위해 학습부(141)로 제공한다.
상기한 제1 실시예에서는 이종 광섬유 간 코어와 클래딩이 일대일로 매칭되는 정도에 대해 융착접속의 성공/실패의 요인 중 하나로 분석할 수 있지만, 제2 실시예에서는 코어와 클래딩의 직경이 서로 상이하므로 코어 대 코어 간 상호 중심이 어긋나지 않는지를 확인하여 융착 접속의 성공/실패의 요인 중 하나로 분석할 수 있다.
도 6은 본 발명의 제3 실시예에 따른 코어와 클래딩의 직경이 상이한 이종 광섬유 융착 접속시 광섬유 정렬 및 융착 과정을 설명하는 도면이고, 도 7은 도 6에 의해 발생되는 접속 이미지를 설명하는 도면이다.
도 6 및 도 7을 참조하면, 제3 실시예는 상기한 제2 실시예에서와 같이 코어와 클래딩의 직경이 상이한 이종 광섬유를 융착 접속시키는 것이지만, 종 광섬유가 융착 접속된 이후에 후면, 중심면 및 전면에서 획득된 접속 이미지에서 융착 접속된 접속 부위를 포함하는 광역 이미지(I31), 접속 부위의 클래딩과 클래딩(12)간의 상부 및 하부의 접속 경계면을 로컬 이미지(I32, I33)를 학습데이터로 활용하기 위해 학습부(141)로 제공한다.
이와 같이, 도 2 내지 도 7에 도시된 바와 같이, 분석부(140)는 학습부(141)를 통해 동종의 광섬유, 이종 광섬유, PCF-SMF, 대구경 광섬유 등 광섬유의 종류에 따라 학습 데이터를 생성하여 데이터베이스에 저장한다. 예를 들어, PCF의 접속 이미지는 PCF 홀의 닫힘 정도를 접속 이미지로 추출하여 학습데이터로 활용할 수 있다.
도 8은 본 발명의 제1 실시예에 따른 광섬유의 융착접속 분석 방법을 설명하는 순서도이다.
도 8을 참조하면, 광섬유의 융착접속 분석 방법은 광섬유 융착접속기에서 이종의 광섬유 축을 영상 장치 및 소형 모터에 의해 정렬시킨 후 광섬유 단면을 가열 융착하여 접속시키면(S11), 광원(110)을 통해 광섬유의 입력단으로 입력광을 조사한다(S12).
감지부(130)에서는 광섬유의 입력단과 출력단에서 입력광과 출력광의 세기를 각각 측정하여 분석부(140)로 제공한다(S13). 또한, 촬영부(120)는 융착접속된 접속부위에서의 접속 이미지를 획득한다(S14). 이때, 접속 이미지는 접속 부위를 포함하는 광역 이미지, 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 상부 및 하부 접속 경계면, 각 광섬유의 클래딩과 클래딩간의 상부 및 하부 접속 경계면에 해당하는 엣지 이미지를 포함할 수 있다. 또한, 접속 이미지는 접속 부위에서 광진행 과정을 획득한 광이미지가 될 수도 있다.
분석부(140)는 입력광과 출력광의 세기를 비교하여 정량적인 수치 데이터로 접속 손실값을 계산하고(S15), 계산된 접속 손실값과 접속 이미지를 매칭하여 접속손실 분석 데이터로 제공한다(S16, S17).
또한, 분석부(140)는 접속 손실 분석 데이터를 학습부(141)로 제공하고, 학습부(141)는 접속 손실 분석 데이터를 데이셋으로 이용하여 학습한다. 분석부(140)는 융착접속의 접속 손실이 없을 경우에 접속 부위에 대한 성공/실패 여부가 육안으로 구분이 어렵기 때문에 CNN을 활용하여 접속 이미지에 대한 분석 데이터를 구조화하고, 접속 조건을 최적화하는데 활용할 수 있다.
도 9는 본 발명의 제2 실시예에 따른 광섬유의 융착접속 분석 방법을 설명하는 순서도이다.
광섬유의 융착접속 분석 방법은 통신망을 통해 이종 광섬유의 융착접속된 접속 부위에 대한 접속 이미지를 수집하거나, 데이터베이스에 저장된 접속 이미지를 데이터셋으로 이용하여 접속 이미지에 대한 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습한다.(S21, S22)
이때, 학습부(141)는 CNN을 적용할 수 있지만, CNN 외에도 RNN, YOLO(You Only Look Once), Single Shot Detector(SSD) 등의 다양한 알고리즘을 사용할 수 있다.
CNN은 입력계층, 출력 계층, 입력계층과 출력계층 사이의 여러 은닉 계층으로 구성되고, 각 계층은 해당 데이터만이 갖는 특징을 학습하기 위해 데이터를 변경하는 계산을 수행하는데, 가장 사용되는 계층으로는 컨벌루션, 활성화/ReLU(Rectified Linear Unit), 풀링 등이 있다.
컨벌루션은 각 접속 이미지에서 특정한 특징을 활성화하는 컨벌루션 필터 집합에 입력 데이터를 통과시킨다. ReLU는 음수 값을 0에 매핑하고 양수 값을 유지하여 더 빠르고 효과적인 학습을 가능하게 하는데, 활성화된 특징만 다음 계층으로 전달되기 때문에 이 과정을 활성화라 부르기도 한다. 풀링은 비선형 다운샘플링을 수행하고 네트워크에서 학습해야 하는 매개 변수 수를 줄여서 출력을 간소화한다.
이러한 CNN은 접속 이미지에 대한 데이터셋을 이용하여 특성을 분석하여 서로 다른 패턴들 구분하기 위한 특징 벡터를 추출하고, 접속 이미지가 어떤 패턴에 해당하는지 분류하고 인식하게 된다.
광섬유 융착접속기에서 이종의 광섬유 축을 영상 장치 및 소형 모터에 의해 정렬시킨 후 광섬유 단면을 가열 융착하여 접속시키면(S23), 촬영부(120)는 융착 접속된 접속 부위에 대한 접속 이미지를 획득한다(S24).
분석부(140)는 획득된 접속 이미지에서 특징 벡터를 추출하고, 추출된 특징 벡터에 대하여 학습된 분류 모델을 이용하여 최종 분석 결과를 예측할 수 있다(S25, S26). 즉, 분석부(140)는 분류 모델에서 학습된 학습 데이터를 이용하여 접속 이미지를 통해 융착 접속의 성공/실패 여부를 판단할 수 있고, 접속 손실값을 예측하여 제공할 수 있다.
한편, 도 8의 단계 S11 내지 S17은, 도 9의 S21 내지 S26은 본 발명의 구현예에 따라서 추가적인 단계들로 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계간의 순서가 변경될 수도 있다.
이상에서 설명한 본 발명의 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 이러한 기록 매체는 컴퓨터 판독 가능 매체를 포함하며, 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함하며, 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 광섬유의 융착접속 분석 장치
110 : 광원
120 : 촬영부
130 : 감지부
140 : 분석부
141 : 학습부
110 : 광원
120 : 촬영부
130 : 감지부
140 : 분석부
141 : 학습부
Claims (15)
- 서로 다른 광섬유 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 상기 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습하는 학습부;
광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는 촬영부; 및
상기 분류 모델을 통해 상기 촬영부에서 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 판단하는 분석부를 포함하되,
상기 접속 이미지는 상기 접속 부위를 포함하는 광역 이미지, 상기 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 접속 경계면에 해당하는 엣지(Edge) 이미지 중 적어도 하나 이상을 포함하는 것인, 광섬유의 융착접속 분석 장치. - 제1항에 있어서,
상기 촬영부는,
CCD(Charge Coupled Device) 카메라인 것인, 광섬유의 융착접속 분석 장치. - 제1항에 있어서,
상기 학습부는 CNN(Convolutional Neural Network)을 이용하여 이미지를 분류하는 것인, 광섬유의 융착접속 분석 장치. - 제1항에 있어서,
상기 접속 이미지는 접속 부위에서 각 광섬유의 클래딩과 클래딩간의 접속 경계면을 포함하는 엣지 이미지를 더 포함하는 것인, 광섬유의 융착접속 분석 장치. - 서로 다른 광섬유 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 상기 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습하는 학습부;
상기 광섬유의 입력단에 입력광을 조사하는 광원;
상기 광섬유의 출력단에서 출력되는 출력광과 입력광의 세기를 측정하는 감지부;
상기 광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는 촬영부; 및
상기 감지부에서 측정된 입력광과 출력광의 세기를 비교하여 상기 융착 접속된 광섬유의 접속 손실값에 대한 수치데이터를 제공하고, 상기 분류 모델을 통해 상기 촬영부에서 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 판단하여, 상기 접속 이미지와 수치데이터를 매칭하여 접속 손실 분석 데이터로 제공하는 분석부를 포함하는 것인, 광섬유의 융착접속 분석 장치. - 제5항에 있어서,
상기 접속 이미지는 상기 접속 부위를 포함하는 광역 이미지, 상기 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 접속 경계면에 해당하는 엣지(Edge) 이미지 중 적어도 하나 이상을 포함하는 것인, 광섬유의 융착접속 분석 장치. - 제6항에 있어서,
상기 접속 이미지는 접속 부위에서 각 광섬유의 클래딩과 클래딩간의 접속 경계면을 포함하는 엣지 이미지를 더 포함하는 것인, 광섬유의 융착접속 분석 장치. - 제5항에 있어서,
상기 분석부는,
상기 접속 손실 분석 데이터를 상기 학습부로 제공하고,
상기 학습부는 상기 접속 손실 분석 데이터를 학습하여 상기 접속 이미지를 이용하여 광섬유에 대한 접속 손실의 예측값을 제공하는 것인, 광섬유의 융착접속 분석 장치. - 광섬유의 융착 접속에 대해 분석하는 방법에 있어서,
서로 다른 광섬유 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 상기 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습하는 학습 과정;
광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는 이미지 획득 과정; 및
상기 분류 모델을 통해 상기 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 분석하는 분석 과정을 포함하되,
상기 접속 이미지는 상기 접속 부위를 포함하는 광역 이미지, 상기 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 접속 경계면에 해당하는 엣지(Edge) 이미지 중 적어도 하나 이상을 포함하는 것인, 광섬유의 융착접속 분석 방법. - 제9항에 있어서,
상기 학습 과정은 CNN(Convolutional Neural Network)을 이용하여 이미지를 분류하는 것인, 광섬유의 융착접속 분석 방법. - 광섬유의 융착 접속에 대해 분석하는 방법에 있어서,
서로 다른 광섬유 간의 융착 접속된 접속 부위에 대한 접속 이미지들을 수집하고, 상기 접속 이미지의 특징을 분석하여 융착 접속의 실패/성공을 판단하기 위한 이미지를 분류하는 분류 모델을 학습하는 학습 과정;
광원을 이용해 광섬유의 입력단에 입력광을 조사하는 광 조사 과정;
상기 광섬유의 출력단에서 출력되는 출력광과 상기 입력광의 세기를 측정하는 광감지 과정;
상기 광섬유의 융착 접속된 접속 부위에 대한 접속 이미지를 획득하는 이미지 획득 과정; 및
상기 광감지 과정에서 측정된 입력광과 출력광의 세기를 비교하여 상기 융착 접속된 광섬유의 접속 손실값에 대한 수치데이터를 제공하고, 상기 분류 모델을 통해 상기 획득한 접속 이미지에 대한 융착 접속의 성공/실패를 판단하여, 상기 접속 이미지와 수치데이터를 매칭하여 접속 손실 분석 데이터로 제공하는 분석과정을 포함하는 것인, 광섬유의 융착 접속 방법. - 제11항에 있어서,
상기 접속 이미지는 상기 접속 부위를 포함하는 광역 이미지, 상기 접속 부위 내부의 광섬유의 코어와 클래딩을 포함하는 로컬 이미지, 상기 코어와 클래딩의 접속 경계면에 해당하는 엣지(Edge) 이미지 중 적어도 하나 이상을 포함하는 것인, 광섬유의 융착접속 분석 방법. - 제12항에 있어서,
상기 접속 이미지는 접속 부위에서 각 광섬유의 클래딩과 클래딩간의 접속 경계면을 포함하는 엣지 이미지를 더 포함하는 것인, 광섬유의 융착접속 분석 방법. - 제11항에 있어서,
상기 학습 과정은 CNN(Convolutional Neural Network)을 이용하여 이미지를 분류하는 것인, 광섬유의 융착접속 분석 방법. - 제11항에 있어서,
상기 분석 과정은,
상기 접속 손실 분석 데이터를 상기 학습 과정에 제공하고, 상기 학습 과정에서는 상기 접속 손실 분석 데이터를 학습하여 상기 접속 이미지를 이용하여 광섬유에 대한 접속 손실의 예측값을 제공하는 것인, 광섬유의 융착접속 분석 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200176131A KR102517633B1 (ko) | 2020-12-16 | 2020-12-16 | 광섬유의 융착접속 분석 장치 및 그 분석 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200176131A KR102517633B1 (ko) | 2020-12-16 | 2020-12-16 | 광섬유의 융착접속 분석 장치 및 그 분석 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220086033A true KR20220086033A (ko) | 2022-06-23 |
| KR102517633B1 KR102517633B1 (ko) | 2023-04-04 |
Family
ID=82221636
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200176131A KR102517633B1 (ko) | 2020-12-16 | 2020-12-16 | 광섬유의 융착접속 분석 장치 및 그 분석 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102517633B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116184570A (zh) * | 2023-02-26 | 2023-05-30 | 北京工业大学 | 一种基于神经网络的空芯反谐振光纤熔接方法 |
| CN116912205A (zh) * | 2023-07-13 | 2023-10-20 | 上海频准激光科技有限公司 | 一种基于神经网络模型的光纤熔接质量预测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101096496B1 (ko) * | 2010-07-07 | 2011-12-20 | 주식회사 옵텔콤 | 광섬유의 융착 접속 방법 및 장치, 이를 기록한 기록매체 |
| JP2014106328A (ja) * | 2012-11-27 | 2014-06-09 | Fujitsu Telecom Networks Ltd | 画像解析装置、及び光ファイバ融着接続システム |
| KR101735356B1 (ko) * | 2015-10-05 | 2017-05-15 | 주식회사 덕인이엔씨 | 광커넥터의 비접촉식 삽입손실 측정장치 및 그 측정방법 |
| KR20170133184A (ko) * | 2016-05-25 | 2017-12-05 | 주식회사 제이티 | 광섬유 검사기 |
| JP2018200530A (ja) * | 2017-05-26 | 2018-12-20 | 日東電工株式会社 | 画像分類プログラム、分類データ作成プログラム、及び、分類データ作成方法 |
-
2020
- 2020-12-16 KR KR1020200176131A patent/KR102517633B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101096496B1 (ko) * | 2010-07-07 | 2011-12-20 | 주식회사 옵텔콤 | 광섬유의 융착 접속 방법 및 장치, 이를 기록한 기록매체 |
| JP2014106328A (ja) * | 2012-11-27 | 2014-06-09 | Fujitsu Telecom Networks Ltd | 画像解析装置、及び光ファイバ融着接続システム |
| KR101735356B1 (ko) * | 2015-10-05 | 2017-05-15 | 주식회사 덕인이엔씨 | 광커넥터의 비접촉식 삽입손실 측정장치 및 그 측정방법 |
| KR20170133184A (ko) * | 2016-05-25 | 2017-12-05 | 주식회사 제이티 | 광섬유 검사기 |
| JP2018200530A (ja) * | 2017-05-26 | 2018-12-20 | 日東電工株式会社 | 画像分類プログラム、分類データ作成プログラム、及び、分類データ作成方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116184570A (zh) * | 2023-02-26 | 2023-05-30 | 北京工业大学 | 一种基于神经网络的空芯反谐振光纤熔接方法 |
| CN116184570B (zh) * | 2023-02-26 | 2024-04-26 | 北京工业大学 | 一种基于神经网络的空芯反谐振光纤熔接方法 |
| CN116912205A (zh) * | 2023-07-13 | 2023-10-20 | 上海频准激光科技有限公司 | 一种基于神经网络模型的光纤熔接质量预测方法 |
| CN116912205B (zh) * | 2023-07-13 | 2024-03-08 | 上海频准激光科技有限公司 | 一种基于神经网络模型的光纤熔接质量预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102517633B1 (ko) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9977189B2 (en) | Optical element cleaver and splicer apparatus and methods | |
| KR102517633B1 (ko) | 광섬유의 융착접속 분석 장치 및 그 분석 방법 | |
| US20200064549A1 (en) | Fusion splicing system, fusion splicer and method of determining rotation angle of optical fiber | |
| US20200056960A1 (en) | Fusion splicing system, fusion splicer and method of determining type of optical fiber | |
| JP2009522594A (ja) | 光ファイバを融着接続するためのコアの軸合わせ | |
| US10054742B2 (en) | Optical fiber fusion splicer and optical fiber fusion splicing method | |
| CN107144419A (zh) | 一种基于夏克‐哈特曼波前传感器的光学系统波像差测量装置与方法 | |
| US20180350061A1 (en) | Apparatus and Method for Terminating and Testing Connectors | |
| CN106154420A (zh) | 一种光纤熔接方法及光纤熔接机 | |
| US6816244B2 (en) | Determining optical fiber types | |
| CN101375191A (zh) | 光纤的位置确定 | |
| CN103424808A (zh) | 光纤熔接机的光纤推进控制方法及光纤熔接机 | |
| US20240062359A1 (en) | Apparatus and method for verifying optical fiber work using artificial intelligence | |
| CN112903249B (zh) | 一种双包层光纤的包层数值孔径测量装置 | |
| US20130236147A1 (en) | Cladding Alignment for Fusion Splicing Optical Fibers | |
| JPS6046509A (ja) | 光フアイバのコア検出・軸合せ方法及びその装置 | |
| KR20230003501A (ko) | 광파이버를 위한 융착 접속 시스템, 융착 접속기, 모델 작성 장치, 및 광파이버를 융착 접속하는 방법 | |
| Chavez-Gutierrez et al. | Measurement of optical fiber parameters and thermal core diffusion characteristics by digital image processing | |
| CN106271048B (zh) | 激光加工装置及方法 | |
| US11934018B2 (en) | Apparatus, method and storage medium for concentric alignment of cylindrical components | |
| JPH09138318A (ja) | 光ファイバの融着接続方法及び装置 | |
| Filipenko et al. | Improving of photonic crystal fibers connection quality using positioning by the autoconvolution method | |
| KR101181895B1 (ko) | 다파장의 광원을 이용하는 광섬유 융착 접속 장치 및 융착 접속 방법 | |
| KR20240141310A (ko) | 광섬유의 조심 방법, 광섬유 접속체의 제조 방법, 광섬유의 조심 장치, 및 광섬유의 융착 접속기 | |
| CN204515186U (zh) | 一种光纤熔接机 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |