基于Focal Loss改进LightGBM的管网毛刺数据检测方法及存储器

本发明涉及人工智能技术领域，具体涉及一种基于Focal Loss改进LightGBM的管网毛刺数据检测方法及存储器，包括：针对管网原始数据提取邻域特征并构建毛刺数据集；基于毛刺数据集对检测模型进行多次验证，于每次验证过程中调整检测模型的损失函数的损失函数参数；根据验证结果选择多个检测模型进行融合形成融合模型，采用融合模型对管网数据进行识别。针对现有技术中的毛刺数据样本不均衡、对模型训练效果较差的问题，引入了对损失函数进行预先验证、调整损失函数参数的验证流程。通过对损失函数的参数进行调整并进行多轮验证，能够确定在对特定的毛刺数据集的训练过程中，较好地兼顾召回率与精确率的参数组合，最后再进行融合，从而提升整体的检测效果。