| ---
|
| dataset_info:
|
| features:
|
| - name: query
|
| dtype: string
|
| - name: image
|
| dtype: image
|
| - name: images
|
| list: image
|
| - name: annot
|
| dtype: string
|
| - name: reasoning
|
| dtype: string
|
| - name: cate
|
| dtype: string
|
| - name: task
|
| dtype: string
|
| - name: metadata
|
| dtype: string
|
| splits:
|
| - name: train
|
| num_bytes: 307973991
|
| num_examples: 404
|
| - name: val
|
| num_bytes: 29696351
|
| num_examples: 52
|
| - name: test
|
| num_bytes: 35860720
|
| num_examples: 56
|
| download_size: 373200637
|
| dataset_size: 373531062
|
| configs:
|
| - config_name: default
|
| data_files:
|
| - split: train
|
| path: data/train-*
|
| - split: val
|
| path: data/val-*
|
| - split: test
|
| path: data/test-*
|
| tags:
|
| - smart-manufacturing
|
| - cnc
|
| - tool-wear
|
| - industrial
|
| pretty_name: Mudestreda
|
| extra_gated_prompt: Released for research use; access granted manually. State your
|
| name, affiliation, and intended use.
|
| license: gpl-3.0
|
| extra_gated_fields:
|
| Name: text
|
| Affiliation: text
|
| Intended use: text
|
| ---
|
| # Mudestreda (CNC 铣削刀具磨损 · 多模态)
|
|
|
| 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
|
| ```python
|
| 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。
|
| |
