Mudestreda (Multimodal Device State Recognition) 转成团队统一 7 字段 SFT schema。一个 sample =「某把刀 T + 某刀次 R + 某刀刃 B」的一次观测(id 形如 T1R2B3): 1 张刀刃显微图 + 该刀次的 3 张力谱图(X/Y/Z 轴 STFT 热图), 目标是三选一的磨损状态 sharp / used / dulled(显微镜实测磨损量的 µm 硬阈值分档; 本集只发离散三类, 不发连续值)。

task 码依据(照团队官方文档, 非臆断): sft_task_merge_plan_v3 定义 T-C2 = Remaining-Useful-Life & Health Estimation (cate C), 原文 "From a degradation signal history, predict remaining useful life and assess component/engine health state… Regression / assessment over run-to-failure trajectories — a different target from the categorical diagnosis of T-C1", 输出为 RUL / health state。本集正是刀具**跑到报废(run-to-failure)**的退化轨迹, 磨损档位即 health state, 与文档中同归 T-C2 的 NASA-IMS、XJTU-SY(轴承跑到报废)同构。 (但本集输出形态是一次性三分类, 也像 T-C1 的类别式诊断; T-C1/T-C2 归类待学长拍板。)

标签: annot 用的是 tool_label(先看这段再用)

原始 CSV 三列 id,image_label,tool_label, 后两列的名字都很误导:

tool_label 不是"第几把刀", 是磨损类别, 取值 {1,2,3} 且 1-indexed: 1=sharp / 2=used / 3=dulled。官方训练代码用的就是它 (labels_train = df.tool_label.values - 1), 粒度是整把刀/逐刀次 —— 128/128 个 ride 内 4 个刀刃的 tool_label 完全一致。
image_label 才是逐刀刃的类别字符串, 粒度更细。两列在本次构建的 71/512 个样本上不一致(核查员实测 71/512 ≈ 13.9%, 绝大多数是相邻类错位) —— 不是笔误, 是两个粒度的标注。

本库 annot = tool_label 映射出的类名(与论文/官方代码的监督信号对齐), 所以一条样本预测的是 这一刀次整把刀的状态, 不是这一个刀刃自己的状态。image_label 原样保留在 metadata, 要做逐刃诊断的下游自行改用(代价: 与论文数字不可比, 且谱图重复组里会出现标签自相矛盾的样本, 见下)。

split: 默认 tool_distribution; random_distribution 有坑, 要显式选

本 config 用官方 tool_distribution(train=T1–T8 / val=T9 / test=T10): train 404 / val 52 / test 56, 共 512 个样本; ride 跨 split 数 = 0(运行时校验, 应为 0)。

官方另一套 random_distribution 默认不推, 因为(核查员逐位核过):

它的 CSV 共 512 行但只有 508 个唯一 id: T6R15B1–B4 各出现两次(都在 train, 不去重会被训练两遍); 同时漏掉了 tool split 里存在的 T10R13B3/B4、T10R14B3/B4 —— 两套划分覆盖的样本集合并不相同, 所以"512 samples"这句话只在 tool_distribution 下成立。
强相关跨集: 63/128 个 ride 横跨不同 split, test 48/48 的样本在 train 里都有同一把刀同一刀次的相邻刀刃"兄弟"。拿它做泛化评测数字会虚高(上游 README 那组接近满分的结果就是在这个 split 上报的; 同组后继 Nonastreda 用 leave-one-tool-out 自报只有约 75%)。
确实要对比: 用 --distribution random 重跑本转换器, 会自动去重并推成独立的 random_distribution config, metadata.distribution 如实标注。

谱图冗余(做统计前必读)

128/128 个 ride 的 B4 谱图与 B3 字节完全相同(x/y/z 分组一致, 核查员 CRC32 核过; 为什么相同, 上游文档和代码都没交代)。本次运行时校验: B3+B4 齐全的 128 个 ride 中 128 个 B4 与 B3 三张谱图内容相同; 512 个谱图三元组只有 378 种不同内容(刀图倒是全唯一)。后果: 谱图侧真实独立观测是 378 个, 不是 512, 按独立样本做统计会高估有效数据量。重复组内标签冲突(运行时实算): image_label 冲突 24 组 / tool_label 冲突 0 组 (核查员实测 24/132 组 vs 0/132 组 —— 这也是 annot 选 tool_label 的理由之一)。

7-field schema

query(固定 prompt) · image(刀刃显微图) · images(全部 4 模态: tool + spec_x/y/z) · annot(sharp/used/dulled, 来自 tool_label) · reasoning(null) · cate/task · metadata(id, tool_id, ride_id, tool_label, image_label, label_source, label_note, distribution, split, 模态相对路径)。

Load

from datasets import load_dataset
ds = load_dataset("AI4Manufacturing/mudestreda")                          # 默认 config = tool_distribution
# ds = load_dataset("AI4Manufacturing/mudestreda", "random_distribution")   # 仅当另行推送过该 config

Gated — request access; granted manually.

Provenance & license

数据源: Zenodo 8238653(original, 非增广版), https://zenodo.org/records/8238653。
许可证有冲突: Zenodo 数据记录标 GPL-3.0-or-later, 但 GitHub 代码仓(hubtru/Minape)的 LICENSE 是 MIT(版权行写的还是另一篇论文的标题, 疑似复制粘贴残留), 作者未澄清。本库按更严的一侧标 GPL-3.0。我们是研究用途、非商用, 不构成阻碍; 商用前必须先厘清。
论文: Multimodal Isotropic Neural Architecture with Patch Embedding (ICONIP 2023); 代码仓 github.com/hubtru/Minape。研究用途转载, 请引用上游。
10 把刀(T1–T10) × 128 个唯一 (Tool,Ride) × 每 ride 4 个刀刃, 3 类; tool_distribution 下 512 个 id 全唯一。

Downloads last month: 38

Total file size:

373 MB