encoding

UTF-8

Description

人工智能用于流型识别：一维模型（AI for Flow Pattern Identification: One-dimensional Model）

这是一个基于深度学习的管道流型识别项目，提供了多个一维分类模型。采用一维序列数据集。

本项目构建的一维网络架构：YOLOv8_1D、YI-Net。

此项目不仅可以用于流型识别分类任务，在样本数据点足够多（≥500）的条件下，通常也适用于其他一维分类工作。

参考了YOLO系列模型，YOLOv8、YOLOv10等。

clone

git clone https://github.com/JiuYu77/flow_identification.git

配置环境

（1） 安装PyTorch以外的库

pip install -r requirements.txt

（2） 安装PyTorch

数据集

本项目提出的YOLOv8_1D等模型，采用一维输入样本。

将一维数据集，按照某个数值length（如2048、4096等），划分为多个数据点数为length的一维样本。一个一维样本是一个行向量。

数据集格式

提供了两种数据集结构：（1）训练集、验证集和测试集（推荐）；（2）训练集和测试集

结构1 训练集、验证集和测试集（推荐）

0、1...6既是文件夹名，又是标签，称为标签文件夹。

每个标签文件夹下可以有多个文本文件，每个文本文件只有一列数据。

  Pressure_Simple
  ├── train--------训练集
  │   ├── 0
  │   ├── 1
  │   ├── 2
  │   ├── 3
  │   ├── 4
  │   ├── 5
  │   └── 6
  ├── val----------验证集
  │   ├── 0
  │   ├── 1
  │   ├── 2
  │   ├── 3
  │   ├── 4
  │   ├── 5
  │   └── 6
  └── test---------测试集
      ├── 0
      ├── 1
      ├── 2
      ├── 3
      ├── 4
      ├── 5
      └── 6

结构2 训练集和测试集

测试集和验证集是数据集的同一部分，test=val。适用于数据不足的情况。

  Pressure_Simple
  ├── train--------训练集
  │   ├── 0
  │   ├── 1
  │   ├── 2
  │   ├── 3
  │   ├── 4
  │   ├── 5
  │   └── 6
  └── val---------测试集
      ├── 0
      ├── 1
      ├── 2
      ├── 3
      ├── 4
      ├── 5
      └── 6

自定义数据集

你也可以使用，其他数据集格式，例如.txt、.tsv、.csv、.xls、.xlsx等文件存储的数据集。只要输入到模型中的样本是行向量（张量）就可以。

你需要编写自己的Dataset类，或者将处理好的样本与标签赋值给FlowDataset类的allSample、allLabel属性。

bash脚本

具体使用方法：查看帮助信息。

bash cmd.sh help