摘要：该数据集是一个面向水泵运行状态监测与异常检测任务构建的音频—图像多模态数据集，同时提供 .wav 格式的水泵声音数据以及与其对应的 .png 图像数据。数据按照训练集和测试集进行组织，并通过 normal、anomaly 等状态标签区分正常运行与异常运行样本。
数据集概述
该数据集是一个面向水泵运行状态监测与异常检测任务构建的音频—图像多模态数据集，同时提供 .wav 格式的水泵声音数据以及与其对应的 .png 图像数据。数据按照训练集和测试集进行组织，并通过 normal、anomaly 等状态标签区分正常运行与异常运行样本。音频数据能够反映水泵工作过程中产生的机械振动、摩擦、冲击及流体噪声等声学特征，而对应的图像表征可以进一步提供二维特征信息。通过联合利用声音与图像两种信息，可用于研究比单一音频输入更加丰富的水泵设备智能故障诊断与异常状态识别方法。
数据结构与关键特征
数据集主要包含 audio 和 image 两个数据模态，每种模态进一步划分为 train 与 test 数据。音频文件采用 WAV 格式，例如 anomaly_id_00_00000000.wav；对应图像采用 PNG 格式，例如 anomaly_id_00_00000000.png。两类文件采用相同的编号规则，因此从目录结构判断，可以建立音频样本与图像样本之间的对应关系，适合进行多模态特征融合实验。当前列出的测试目录包含前 30 个异常样本并显示另有 826 个文件，因此从当前目录信息看，测试部分至少展示了 856 个对应样本的位置；完整训练集及正常/异常样本总量则需要进一步统计目录才能确定。统一的 anomaly_id_00_xxxxxxxx 命名方式也便于程序自动完成标签解析、样本配对和批量数据加载。
应用价值与研究方向
该数据集可应用于工业设备预测性维护、水泵故障诊断、机械声音异常检测以及多模态智能监测等研究方向。在算法方面，可以分别采用 CNN、ResNet、EfficientNet 等模型分析二维图像特征，使用 1D-CNN、CRNN、Transformer 或音频预训练模型提取声音特征，并进一步研究特征级融合、决策级融合、跨模态注意力和多模态 Transformer 等方法。此外，该数据集还适用于研究正常样本驱动的无监督异常检测、半监督异常检测、异常评分、故障预警以及工业边缘端实时监测系统，具有较好的智能制造和设备健康管理应用价值。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-827
文件大小：998M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)