تحتل أنظمة المراقبة عبر الألياف الضوئية (Distributed Fiber Optic Sensing - DFOS) مكانة بارزة في تعزيز الأمن على مدار مسافات طويلة. إلا أن تنفيذها العملي يواجه بعض التحديات التي تعيق استخدامها بشكل فعال. من بين هذه التحديات، يظهر الانتقال الشديد بين مجالات التطبيقات، فضلًا عن نقص البيانات ووجود تباين محدود ضمن الفئات نفسها حتى في النماذج المصدرية.

للتغلب على هذه العقبات، قدم الباحثون تقنية جديدة تُعرف باسم DUPLE، وهي إطار عمل قائم على التعلم المعدني مصمم خصيصًا لتعرف الأنشطة في بيئات DFOS المتعددة.

تتميز DUPLE بمجموعة من الآليات المتطورة: أولًا، يعتمد النظام على متعلم مزدوج المجالات يقوم بإنشاء تمثيلات متعددة للنماذج لتغطية التباين داخل الفصول المختلفة. ثانيًا، يتم استخدام آلية توجيه إحصائية خفيفة الوزن تهدف إلى تقدير موثوقية كل مجال استنادًا إلى إحصائيات الإشارات الخام. وأخيرًا، يتمتع النظام باستراتيجية تجميع تكيفية تتيح اختيار ودمج النماذج الأكثر صلة بكل استعلام.

وتم إجراء تجارب واسعة على معيارين حقيقيين لتطبيقات متقاطعة تظهر أن هذه التقنية تتفوق باستمرار على نماذج التعلّم العميق والتعلم المعدني التقليدية، مع تحقيق زيادة ملحوظة في دقة واستقرار التعرف في بيئات تفتقر للإشارات.

هذه الابتكارات تُبرز أهمية البحث المستمر في تحسين تقنيات الأمان وتقديم حلول أكثر فعالية لضمان سلامتنا.