《Sensors》：Industrial Object Counting from Traditional Machine Vision to Open-World Foundation Models: A Systematic Review
编辑推荐：
基于振动的机械故障诊断已成为一个关键研究领域，这主要源于提高设备可靠性和减少工业环境中非计划停机时间的需求。时频网络（TFNs）在此显示出巨大潜力，它将可解释的时频变换与深度学习分类器结合在一个单一框架中。本研究复现了近期文献中的原始TFN模型，并在加性高斯白
基于振动的机械故障诊断已成为一个关键研究领域，这主要源于提高设备可靠性和减少工业环境中非计划停机时间的需求。时频网络（TFNs）在此显示出巨大潜力，它将可解释的时频变换与深度学习分类器结合在一个单一框架中。本研究复现了近期文献中的原始TFN模型，并在加性高斯白噪声（AWGN）1（10 dB、0 dB、?5 dB信噪比SNR）以及相同水平下的脉冲噪声中，评估其噪声鲁棒性，涉及五种架构：骨干CNN（Backbone CNN）、随机CNN（Random CNN）、TFN-Chirplet、TFN-Morlet以及一个挤压-激励注意力CNN（squeeze-and-excitation attention CNN）基线。评估方案修正了本研究早期版本在同行评审中发现的两种方法论问题——即训练集和测试集之间的窗口级数据泄漏（window-level data leakage），以及选择最佳训练轮次而非固定最终轮次结果——这两者都被证明会显著影响报告结果。在修正方案下，TFN-Morlet仍是最具噪声鲁棒性的架构，从干净信号到-5 dB AWGN仅下降19.09%的准确率，在相同条件下比骨干CNN（Backbone CNN）优秀约15.5个百分点；本研究的早期版本报告的一个架构异常现象（即轻微噪声似乎提高了无约束CNN的准确率）在修正方案下无法复现，并且被证明是原始方法论问题导致的人为产物。逐类分析和多模型混淆矩阵进一步揭示，在严重噪声下误分类主要由同一缺陷严重程度在不同故障位置之间的混淆主导，而非先前报告的不同严重程度在同一位置之间的混淆。这些结果表明，在严格、无泄漏的评估下，时频感知卷积核同时提高了分类准确率和抗噪能力，并且这种鲁棒性无法仅通过通用注意力机制复现。
**论文解读：基于时间频率网络的机械故障诊断噪声鲁棒性系统评估**
**研究背景、问题与动机**
机械系统（如电机、轴承和旋转机械）是现代工业运行的核心，其故障可能导致昂贵的停机时间和安全隐患。早期故障检测已成为预测性维护和状态监测的关键。振动信号分析是最广泛使用的工具，传统方法如傅里叶变换（FFT）、短时傅里叶变换（STFT）和小波变换虽能提取故障相关特征，但严重依赖专家知识和手动特征工程，难以在现代化工厂环境中扩展。深度学习，特别是卷积神经网络（CNNs），实现了自动特征提取，克服了手动设计流程的局限，但标准CNN作为“黑箱”，缺乏可解释性，工程师难以将学习到的表示映射回物理机械原理。时间频率网络（TFNs）通过将时频变换直接嵌入网络架构，利用参数化时频卷积核替代无约束随机初始化卷积核，在保持诊断性能的同时提供可解释的物理意义。然而，原始TFN研究（Chen et al.，2022）仅在理想实验室条件下评估，其在噪声环境下的鲁棒性未知。工业环境存在传感器串扰、机械振动串扰和电气干扰等严重噪声，为此本研究系统地评估TFN模型在加性高斯白噪声（AWGN）和脉冲噪声下的表现，以回答三个研究问题：TFN模型是否优于传统CNN？哪种TFN卷积核最鲁棒？准确率如何随信噪比下降？
**主要关键技术方法**
本研究使用凯斯西储大学（CWRU）轴承数据集（12 kHz驱动端和风扇端录音），文件级分裂（file-level split）以避免窗口级数据泄漏。噪声注入采用加性高斯白噪声（AWGN，公式1、2）和脉冲噪声（公式3）模型，在10 dB、0 dB和-5 dB SNR水平下评估五种架构：骨干CNN（Backbone CNN，无约束卷积核）、随机CNN（Random CNN，增加预处理卷积层）、注意力CNN（Attention CNN，基于挤压-激励SE注意力机制[45]）、TFN-Chirplet和TFN-Morlet。所有模型在相同训练配置下独立训练（Adam优化器，学习率0.0001，批大小64，30个轮次，固定最终轮次结果），每个条件重复3个随机种子，报告均值和标准差。评估指标包括多类准确率（公式5）、准确率下降量（公式6）和逐类F1分数（公式7），并通过混淆矩阵分析误分类模式。
**研究结果**
**4.1 基线验证结果**：在干净条件下，TFN变体（TFN-Chirplet和TFN-Morlet）准确率显著高于所有非TFN架构（骨干CNN、随机CNN、注意力CNN），重现了Chen et al.的架构排序。但所有模型的绝对准确率低于原始文献，归因于文件级分裂消除了窗口级泄漏，产生更低但更可信的准确率。
**4.2 噪声鲁棒性评估**：随着AWGN噪声水平恶化（从干净到-5 dB），TFN-Morlet和TFN-Chirplet的衰减比非TFN架构更平缓。在-5 dB时，TFN-Morlet与骨干CNN之间的准确率差距扩大至约15.5个百分点。脉冲噪声下的排名与AWGN一致，TFN-Chirplet在0 dB和-5 dB脉冲噪声下轻微超过TFN-Morlet（但无统计显著性）。
**4.3 准确率下降分析**：TFN-Morlet从干净到-5 dB AWGN的平均准确率下降为19.09%，在五种架构中最小，比TFN-Chirplet低约4.8个百分点，比骨干CNN低约6.4个百分点。
**4.4.1 总体趋势与修正的10 dB结果**：主要结论确认TFN模型在噪声下优于传统CNN，且优势随信噪比降低而增大。早期版本中出现的10 dB轻微噪声提高骨干CNN准确率的异常现象，在修正的文件级分裂和固定最终轮次报告下不复存在，表明该异常是由于数据泄漏和最佳轮次选择的方法论问题所致。现在所有架构在10 dB均显示微小但正常的准确率下降。
**4.4.2 脉冲噪声下的鲁棒性**：整体排名在脉冲噪声下同样成立。随机CNN在脉冲噪声下表现出明显不稳定性（0 dB时标准差11.01%），表明其无约束预处理卷积在稀疏高幅干扰下无益甚至有害。
**4.4.3 统计显著性**：配对t检验显示，TFN-Morlet在每种AWGN条件下对骨干CNN和注意力CNN的优势具有统计显著性（p<0.05），对TFN-Chirplet的优势方向一致但多数条件未达显著。
**4.4.4 逐类行为**：在-5 dB AWGN下，所有模型对正常类（Normal）的F1分数均高于0.92，对Ball 0.014类表现最差（F1在0.148-0.418之间）。TFN-Morlet相对于骨干CNN的优势集中在Outer race故障类，F1从0.478-0.577跃升至0.804-0.876。
**4.4.5 混淆矩阵分析**：所有架构在-5 dB AWGN下的一致误分类模式是：Ball 0.014故障系统地误判为Inner 0.014故障，而非之前认为的同一位置不同严重程度间的混淆。这表明严重噪声下缺陷幅度成为主导学习特征，而非缺陷位置。
**4.4.6 无物理约束的注意力机制**：注意力CNN尽管匹配骨干CNN深度和通道结构，并仅增加6.2%参数，但在任何噪声条件下都无法接近TFN的鲁棒性，验证了鲁棒性源自物理约束卷积核而非通用注意力机制。
**总结讨论与结论**
本研究成功复现了Chen et al.的TFN框架，并在噪声环境下进行了系统评估，填补了原始研究未覆盖的领域。结论明确：TFN模型在噪声增加时明显优于传统CNN，其中TFN-Morlet表现最佳，在所有噪声水平下保持最小准确率下降。物理约束的Morlet卷积核类似于自适应带通滤波器，天然抑制带外噪声，这是无约束CNN和通用注意力机制无法复制的。对于部署在SNR降至0 dB或以下的嘈杂工业环境中的工程师，TFN-Morlet是所评估架构中最强的选择。更广泛的启示是：可解释性和鲁棒性可以相互促进，物理有意义的卷积核几乎免费提供了噪声抗性。本研究还阐明了实验方法论的重要性：早期版本中的异常在修正测试-训练泄漏和评估偏差后消失，核心结论（TFN的噪声鲁棒性优势）在更严格的条件下依然成立。局限性包括：仅使用了CWRU一个公共数据集；未与近期文献中更高准确率的噪声鲁棒架构（如轻量1D-CNN、多尺度四元数CNN等）进行直接对比，但这些架构缺乏TFN的可解释性保证。未来方向包括：扩展到其他公共轴承和齿轮箱数据集；研究迁移学习与域适应；探索微控制器边缘硬件部署；开发自适应自调谐TFN架构以应对变化噪声环境。**研究结论部分翻译**：本研究达到了两个主要目标：首先，复现了Chen et al.的TFN框架；其次，将其推入原始论文未涉及的噪声领域。两个目标均已实现。复现确认了相同的架构排序，但干净条件下的绝对准确率因无泄漏分裂而更低。噪声鲁棒性评估产生了清晰可解释的结果：TFN模型在噪声增加时远优于传统CNN，TFN-Morlet在所有噪声水平下保持最小准确率下降和最强性能，归因于物理约束的Morlet卷积核类似自适应带通滤波器。可解释性与鲁棒性可以相互加强。本研究还展示了方法论的普遍意义：早期异常在修正后消失，核心结论在更严格实验条件下成立。局限性包括仅使用单一公共数据集，未来工作应扩展到更多数据集、迁移学习、边缘硬件部署和自适应架构。
