基于光纤声音还原识别技术,光子瑞利为多领域提供长距离安全管控解决方案
光子瑞利科技(北京)有限公司(以下简称“光子瑞利”)成立于2015年,但其实早在2013年,核心团队便开始将目光锁定在光纤传感领域。经过5年的研发,2018年,光子瑞利将技术转化成产品,并布局多个领域,开始进行市场推广。
随着物联网等技术的发展,工业大数据日益重要。另一方面,现阶段传感器技术的限制成为工业发展的关键瓶颈。光子瑞利总经理张海臣提到,传统的传感器设备大多数是点式传感器,比如温度传感器、压力传感器等,点式传感器的瓶颈在于只能测量某一个点的数据,而工业生产还需要大范围的数据采集,点式传感器无法支撑。此外,点式传感器基本都需要线缆连接,一个规模化工厂的设备成千上万台,每台设备上都将安置传感器便于监测,全方位安装点式传感器的话,无疑是巨大的开支。
文章插图来源于光子瑞利,经授权使用
近年来,分布式传感器逐渐应用于工业环境,与点式传感器不同,分布式传感器可以测量的范围更广,当光纤接上分布式传感器后,光纤上任何一个点的数据都可以被收集,这是点式与分布式最核心的区别。
光子瑞利在研发分布式传感器时则将目光聚焦于更小众的“声音”领域,以光纤侦听为核心,利用光纤声音还原识别技术,提供长距离大范围的安全管控解决方案、系统及服务。
张海臣提到,光纤侦听在光纤传感中是一个全新的领域,以往的光纤传感能够利用传感器测量温度、压力、振动等数据。但在测量振动数据时往往只能收集到简单的信息,而光子瑞利的光纤声音还原识别技术则在信息采集的内容上更为丰富。
据张海臣介绍,现在市场上存在的采样频率在500赫兹左右,而光子瑞利的采样频率则能达到20000赫兹,两个数字的差别在实际应用中则体现为,前者通过只能判别出光纤某处有振动,而后者则可以通过侦听声音精准识别声源以及所发生的事件类型。简单来说,前者只能通过监测振动“知其然”,后者则可以通过侦听声音“知其所以然”。
以国防边境线巡检为例,以往边境线巡检只能依靠边防兵,人力成本大,而且无法动态掌握边境线上所有情况。此外,即便是依靠现有的安防产品,依然无法全面实现立体监控。而相应的振动光纤只能传输振动数据,识别某个点出现了振动,却无法判定振动原因,传感器根据振动会立刻报警,但结果却可能只是一个自然现象所致,导致人力资源的浪费。
光子瑞利的光纤侦听传感器则能实时传递边境线情况,传感器的人工智能声音识别技术可以立刻识别某个点传出的声音信息,进行事件判定,并将声源地经纬度、事件类型等信息及时发送到管理员的APP上,以便管理员及时处理突发状况。
基于光纤声音还原识别技术,光子瑞利的传感器能够布局国防边境线巡检、石油管道安全监测、工厂设备检测、铁路防灾、煤矿应急救援等多个领域。据张海臣介绍,现在光子瑞利的光纤侦听设备可以实现一台设备侦听50公里长度的光纤,光纤附近1-2米的人力活动和10-20米的机械活动都可以识别出来,准确率高达99%。
谈及竞争优势,张海臣提到,现在市场上的侦听传感器多围绕振动数据,以声音为切入点的很少。在他看来,光子瑞利的传感器设备是跨学科研究的产品,涉及光学、计算机硬件、人工智能等多个领域,“我们从2013年开始做技术研发,一直到2017年底才开始产品化,花了5年的时间做技术上的突破。”
2019年,光子瑞利正式进行市场推广,目前已与10多家B端企业达成合作,签订千万级合同,通过将传感器以售卖的形式实现盈利,另外在具体的应用中为企业提供服务收取服务费。
光子瑞利目前有20多名员工,几乎都是从事研发工作。创始人魏照曾供职于中科院导航中心,主要研究方向是工业物联网智能传感与大数据分析。张海臣拥有15年创业经验,曾先后供职于国内上市公司大唐电信、智网科技,历任市场总监、产品经理、技术总监、销售总经理等。在研发初期,核心团队集结了中科院、百度、小米等科研院校和企业的人员共同开发。今年9月,光子瑞利完成A轮融资,投资方为澳银资本。张海臣表示,这笔资金将主要用于设备制造和市场推广。
本文相关的文章列表页头图图片来源于光子瑞利,经授权使用。本文为创业邦原创,未经授权不得转载,否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问,请联系editor@cyzone.cn。
作者暂无likerid, 赞赏暂由本网站代持,当作者有likerid后会全部转账给作者(我们会尽力而为)。Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: