文章目录
- 1 竞赛背景
- 2 任务
- 3 数据
1 竞赛背景
挖掘机作为工程建设中最重要的工程机械之一，承担多种作业任务，可进行多种不同形式的作业。
在挖掘机租赁业务中，出租人和客户将事先明确规定挖掘机可以进行的操作形式。但目前，仅仅依靠现场抽查并不能对挖掘机的实际使用进行有力和全面的监督。随着物联网技术的不断发展，挖掘机安装了数十个传感器，并将数据返回到云中。现在我希望使用这些传感器数据（C终端数据)识别挖掘和工作模式，加强对挖掘机使用的监督。
在产品研发方面，有效识别挖掘机式的有效识别可以加深对挖掘机相关数据的理解，充分发挥作用C端数据的价值为新产品的研发和故障预测性维护提供了强有力的支持。
2 任务
根据挖掘机工作模式识别问题C终端数据判断挖掘机在给定时间内的工作模式（模式1/模式2）。预赛和决赛任务是判断上述两种模式。决赛将在预赛的基础上为选手补充训练样本，以提高模型精度。
本次比赛是低资源竞赛的任务。同时，为了提高模型泛化能力和模型鲁棒性，，最终得分不包括干扰数据。
3 数据
预赛和决赛都在DCLab在平台上，玩家需要在平台上调试算法。请复制作品提交页面token值后前往DCLab提交作品在比赛平台提交结果。
预赛为训练模型提供325个设备数据，基于预赛增加154个设备。(注:由于每台设备的实际开工率不同，相应的数据量也不同。 标签字段不包含在数据中。选手需要根据数据所在文件夹的名称添加标签。标签约定如下：
任何外部数据都不能用于本赛题。