轴承图片数据集分类效果测试

前面展示了很多将一维数据二维图片化的方法，但是具体效果如何还待定，今天我把简单测试的结果放出来供大家参考。一共有以下几种形式的数据集：

• 小波时频图CWT
• 格拉米角场GAFs，包含GADF和GASF两种
• 马尔可夫变迁场 MTF
• 递归图RP
• 短时傅里叶变换时频图STFT

还有一种灰度图我觉得价值不大，因为它本质上是把一维数据乘以255后转化为图片，读取以后再除以255转换为原始二维数据。这是何苦呢，大家都只有一个通道，直接读取不就行了，何必换来换去的折腾。

以上几种图我在之前的文章里都单独列举了，首先直观的看，小波和短时傅里叶的特征是最明显的，其他图片的特征目测已经不是一般人类能把握的了。模型都用最普通的1DCNN，数据是先滑窗取值再生成图片的，图片大小为96×96，这个已经算是很大了，一般64的尺寸就有不错的结果。由于比较耗时，所以每种方法只做一次，以下是测试结果：

0.小波时频图CWT

>第1次 model: 85.35 耗时705.8 sec
scores: [84.7857117652893, 68.99999976158142, 89.35714364051819, 88.78571391105652, 89.92857336997986, 90.2142882347107]
A-B model准确率: 84.79 
A-C model准确率: 69.00 
B-A model准确率: 89.36 
B-C model准确率: 88.79 
C-A model准确率: 89.93 
C-B model准确率: 90.21 
总用时：705.8sec 
平均用时：705.8sec 
Accuracy: 85.35% (+/-0.00)

1.GADF和GASF

#GADF 96×96
>第1次 model: 22.92 耗时564.2 sec
scores: [30.000001192092896, 29.0714293718338, 18.714286386966705, 19.928571581840515, 20.000000298023224, 19.785714149475098]
A-B model准确率: 30.00 
A-C model准确率: 29.07 
B-A model准确率: 18.71 
B-C model准确率: 19.93 
C-A model准确率: 20.00 
C-B model准确率: 19.79 
总用时：564.2sec 
平均用时：564.2sec 
Accuracy: 22.92% (+/-0.00)

#GASF 96×96
>第1次 model: 26.02 耗时574.5 sec
scores: [62.14285492897034, 50.21428465843201, 10.285714268684387, 13.428571820259094, 10.000000149011612, 10.07142886519432]
A-B model准确率: 62.14 
A-C model准确率: 50.21 
B-A model准确率: 10.29 
B-C model准确率: 13.43 
C-A model准确率: 10.00 
C-B model准确率: 10.07 
总用时：574.5sec 
平均用时：574.5sec 
Accuracy: 26.02% (+/-0.00)

2.马尔可夫变迁场 MTF

#MTF96×96
>第1次 model: 64.80 耗时736.0 sec
scores: [75.14285445213318, 70.14285922050476, 58.21428298950195, 63.85714411735535, 57.64285922050476, 63.78571391105652]
A-B model准确率: 75.14 
A-C model准确率: 70.14 
B-A model准确率: 58.21 
B-C model准确率: 63.86 
C-A model准确率: 57.64 
C-B model准确率: 63.79 
总用时：736.0sec 
平均用时：736.0sec 
Accuracy: 64.80% (+/-0.00)

3.递归图RP

#RP96×96
>第1次 model: 81.12 耗时708.8 sec
scores: [89.07142877578735, 81.6428542137146, 92.78571605682373, 86.14285588264465, 67.21428632736206, 69.85714435577393]
A-B model准确率: 89.07 
A-C model准确率: 81.64 
B-A model准确率: 92.79 
B-C model准确率: 86.14 
C-A model准确率: 67.21 
C-B model准确率: 69.86 
总用时：708.8sec 
平均用时：708.8sec 
Accuracy: 81.12% (+/-0.00)

4.短时傅里叶变换时频图STFT

#STFT
>第1次 model: 96.24 耗时711.6 sec
scores: [100.0, 89.42857384681702, 100.0, 98.42857122421265, 89.64285850524902, 99.92856979370117]
A-B model准确率: 100.00 
A-C model准确率: 89.43 
B-A model准确率: 100.00 
B-C model准确率: 98.43 
C-A model准确率: 89.64 
C-B model准确率: 99.93 
总用时：711.6sec 
平均用时：711.6sec 
Accuracy: 96.24% (+/-0.00)

5.结论

从以上结果可以看出，SFTF>CWT>RP>MTF>GAFs。当然，这个结果仅供参考，毕竟在不同情况下，不同的方法可能会有各自的优势，这个就需要大家自行去挖掘了。整个数据集的生成相当费劲，因为只能用得到CPU算力，内存也很容易爆，也可能是我程序优化的问题吧，整了好几天才把数据集都做出来。