作为全国数据要素市场化配置改革先行区，浙江近年来持续完善数据知识产权登记体系，依托浙江省数据知识产权登记平台为各类合规数据资产提供权属确权、交易凭证、维权支撑等公共服务，破解数据资产“权属不清、流通不畅”的核心堵点，为实体经济领域的场景化数据开发利用筑牢制度基础。
2026年4月28日，台州市路桥数字产业有限公司、浙江日井泵业股份有限公司联合研发的水泵装维图片AI识别检测训练数据正式在该平台完成登记，成为国内泵业领域为数不多完成省级合规登记的工业场景训练数据集。
本次登记的数据集聚焦水泵安装验收环节长期存在的人工检测效率低、标准执行不一、质量追溯难等核心痛点，构建了面向水泵装维场景的AI识别检测模型训练专属数据集。通过对水泵安装现场采集的图片进行精细化标注，本数据能够支撑模型自动识别出水口与进水口的连接状态、水泵是否存在等关键安装要素，并依据预设规则判定安装是否合格。通过应用基于该数据集训练的模型，可实现对安装现场图片的实时合规性检测，将原本依赖人工逐一核验的流程转变为自动化、标准化的智能巡检，大幅提升装维验收效率，降低因安装不规范导致的设备运行风险与售后成本，确保安装质量可追溯、可量化。
从行业应用价值来看，本次完成登记的数据集除了直接应用于水泵安装合规检测、工业视觉质检场景外，未来还可拓展至水泵全生命周期故障预判、装维人员技能培训、流体设备通用装维标准迭代等多个方向；而完成省级数据知识产权登记后，该数据集也具备了合规流通的基础，可面向台州乃至全国的泵业产业集群开放共享，避免行业内重复采集标注的资源浪费，降低制造企业数字化转型的成本，也为工业细分场景的训练数据资产化、合规化交易提供了可复制的实践样本，对推动数据要素向实体经济赋能、助力传统制造产业数字化升级具有重要的示范意义。
该数据集的完整构建流程如下：
1.数据采集与标注
本次数据集全部采用真实装维场景中拍摄的水泵安装图片作为原始数据源，最大程度还原不同工况、不同环境下的安装现场特征。针对每一张图片，由具备水泵装维专业资质的标注员对“出水口是否连接”、“进水口是否连接”、“水泵是否存在”三个核心维度进行人工标注，并基于以上三项指标的实际情况，综合判定最终的“安装是否合格”，标注结果采用合格/不合格二分类标签，确保了数据标签与水泵装维业务规则的强一致性，为AI模型训练提供了高质量的监督信号。目前数据集已构建近千条有效样本，为模型训练奠定了坚实基础。
2.数据预处理
为消除不同拍摄环境（如光照、角度、设备清晰度）带来的特征干扰，技术团队对采集的装维图片统一进行尺寸标准化、图像增强（如对比度调整、去噪、畸变校正）等预处理操作，使图像特征更稳定，便于模型高效提取关键的结构化信息，降低模型训练的噪声干扰。
3.模型训练
技术团队基于成熟的深度卷积神经网络架构，采用“图像输入→特征提取→多标签分类输出”的端到端学习范式，建立水泵安装合规性识别模型。模型通过大量标注数据训练，自主学习出水口、进水口以及水泵本体在图像中的视觉特征，并建立其与“连接状态”和“存在性”的映射关系。同时团队结合水泵安装的国家标准规范制定了预定义的业务规则引擎，明确只有出水口已连接、进水口已连接且水泵存在时，才判定为“安装合格”；模型输出结果的结构化字段被引擎捕获后，通过逻辑运算自动生成最终的“安装是否合格”判定结果，实现了视觉识别技术与工业业务逻辑的深度融合。
4.模型评估
训练完成后，技术团队采用预留的独立测试集对模型性能进行评估，基于混淆矩阵（真正例TP、假正例FP、真负例TN、假负例FN）计算精度、召回率、F1分数三大核心指标：其中精度（Precision=TP/(TP+FP)）衡量模型预测为“合格”的结果中真实合格的占比，召回率（Recall=TP/(TP+FN)）衡量所有真实合格样本中被模型准确识别的占比，F1分数为精度和召回率的调和平均数，能够综合反映模型的整体性能。团队还针对不同光照、不同拍摄角度的细分场景分别计算三类指标与实时检测速度，全方位保障模型在复杂现场环境下的检测准确性。
5.评估与迭代
团队建立了精度、召回率、F1分数等多维度指标评估体系，对模型上线后的检测结果准度与漏检情况进行持续监控，可根据新增的场景样本持续迭代优化数据集与模型性能，适配更多细分装维场景需求。
登记内容：
_1769672084863.jpg)