中石油 · 第二届梦想云创新大赛总结

设计一个抽油机工况数据的分类模型，可准确的识别抽油机当前的工作状态，提高抽油机井工况诊断准确率。

参赛者在规定时间内须使用深度学习平台飞桨进行模型的设计、训练和预测，不得使用其他相关平台、框架及任何飞桨中未包含的学习方法参赛。

大赛数据将于10月26日发布

提供部分典型工况的抽油机工况数据及对应图片，参赛队可以基于这些数据、典型示功图图形特点以及数据加强算法构建自己的训练集。

数据说明

训练集文件名称：train.zip，包含17087个样本数据，每个样本数据包含1个csv格式原始数据以及1张对应的png格式图片。训练集包含12类典型工况：

每条csv数据有2列，第1列为X值（位移），第2列为Y值（载荷），选手可以不使用提供的png图片训练，利用csv中的X&Y值生成自己需要尺寸的图片。数据存在不均衡问题，与实际情况相符，选手可以采取适当的数据增强方法

测试集A文件名称：test1.zip，包含13854个样本数据，每个样本数据包含1个csv格式原始数据以及1张对应的png格式图片。

基于官方开源的基线对抽油机工况数据及对应图片进行轮廓填充，之后进行进行图片分类模型去做12分类，之后模型也是基于这种思路去做的。

数据处理思路：

这里所有的图片都是按照Width * Height为400x190保存的，并且通道为4通道（但其实数值只在第四个通道才有），而且所有的有效数据都是点。所以这里简便起见，我们将第四个通道取出，并提取所有的点形成轮廓，再将轮廓填充后转换为灰度图，并将后缀改为jpg保存在原来相同的路径下。

处理前的图片可视化

处理后的图片可视化

图片处理代码：

后来我觉得白色可能不是很明显，我又进行了轮廓内的进行了颜色填充，

其实对于模型的提升效果不是很大

模型构建

模型一开始就尝试一些图片分类的预训练模型，主要是尝试使用了resnet-x系列以及efficientnetbx系列的模型，

从训练集以及验证集的acc来看模型很容易过拟合，线下直接飙到99+，主要由于类别之间及其不平衡，另一个数据增强没有做到位。

数据增强

后续在构建image reader阶段加入了数据增强，由于paddlehub目前对数据增强的接口不是很完善，所以当时一股脑加入了默认data_augmentation，没有去结合石油背景知识去做定制化，但是欣慰的是，只加入一行代码data_augmentation=True,线上提升了10个点，但是距离前排差距还是很大。

默认官方数据增强方式如下:

图片数据增强详情代码可见链接：

后来看到夕阳大佬的rank4方案，发现数据增强部分做的很细致，并且结合观察到的图片形状，对类间数据进行了转化，对类内数据进行了增强，下面是大佬进行的数据扩充操作：

这个相当于自己第一次参加CV相关的比赛，结合之前对CV的图片分类任务的感知，可以说大家的模型性能应该是不分上下的，主要差距在于对数据的理解、图片处理和数据增强部分。可能由于自己投入的时间和精力不太充分，所以稍微有些遗憾，下次好好选择一个图片分类任务的比赛，从头参与到位，加油ヾ(◍°∇°◍)ﾉﾞ

1. 
   

2. https://aistudio.baidu.com/aistudio/projectdetail/1201478

3. 
   

4. https://aistudio.baidu.com/aistudio/projectdetail/1160086

5. 
   

6. https://aistudio.baidu.com/aistudio/projectdetail/1196456

7. 
   

END

扫码关注最新动态

公众号ID：yanqiangmiffy