《Sensors》：LGAS-UNet: A Lightweight Network for Building Extraction from Remote Sensing Imagery in Complex Urban Scenes
编辑推荐：
声发射（AE）传感广泛用于结构健康监测（SHM），但传统的压电传感器在高温和辐射环境中可能受到限制。本研究评估了爱达荷国家实验室（INL）研发的磁致伸缩AE传感器在受控室温配置下是否保留足够的信息，用于自动化冲击源分类。在20 MHz采样率下，通过三个固定且非
声发射（AE）传感广泛用于结构健康监测（SHM），但传统的压电传感器在高温和辐射环境中可能受到限制。本研究评估了爱达荷国家实验室（INL）研发的磁致伸缩AE传感器在受控室温配置下是否保留足够的信息，用于自动化冲击源分类。在20 MHz采样率下，通过三个固定且非重合的传感器通道记录了六种冲击类别共334次同步采集。由于传感器类型未与位置、安装、耦合、带宽或传播路径独立变化，比较结果代表完整的传感器通道响应，而非孤立的换能机制。每个波形由16个时域、频域和频带功率特征表示。研究人员评估了随机森林（RF）分类器在单通道、48特征融合和等票决策融合下的性能，采用30次重复分层留出法和分层10折交叉验证。磁致伸缩通道的平均留出法准确率为95.35 ± 2.45%，而两个商用通道分别为92.37 ± 2.94%和96.31 ± 1.98%。特征级融合在留出法和10折交叉验证下分别达到97.12 ± 2.19%和97.91 ± 3.18%。由于类别特定的数据块在事件级别分割，这些准确率属于活动内和样本内结果，可能偏乐观，并未建立独立于数据块或操作层面的泛化能力；仍需使用随机化或交错重复数据块、多个样本、交换/旋转/共置传感器位置的位置受控比较以及恶劣环境测试进行验证。
结构健康监测（SHM）旨在通过采集传感器数据并提取损伤或状态变化指标来评估工程结构的完整性。声发射（AE）传感能够被动、实时地检测裂纹萌生、分层、纤维断裂和冲击等瞬态事件，因而在结构健康监测中受到广泛关注。然而，从记录波形中区分不同源机制是AE监测的基本挑战，传统压电传感器在高温和辐射环境中可能退化。爱达荷国家实验室（INL）开发了一种基于Fe-Co合金的磁致伸缩AE传感器，利用逆磁致伸缩（Villari）效应工作，此前已在高达650 °C下实现燃料棒爆裂检测，相关磁致伸缩材料的辐照研究也支持其恶劣环境应用潜力。但该传感器通道是否保留足够信息用于自动冲击源分类尚未得到系统评估。因此，本研究在受控室温配置下评估INL磁致伸缩AE通道与商用压电通道同步采集时的分类表现和融合潜力。该论文发表在《Sensors》上，提供了磁致伸缩AE通道与商用压电通道同步比较的首次系统性机器学习评估，表明面向恶劣环境设计的磁致伸缩传感器架构在实验室配置下能保留足够的时域和频域信息用于自动分类，但其准确率不能直接外推到高温或辐照条件。
研究人员在单块304不锈钢试样上同时安装三个固定非重合传感器通道，即商用高温压电传感器（D9215）、INL磁致伸缩传感器和商用宽带压电传感器（WD），使用MISTRAS 2/4/6前置放大器（60 dB增益，30–700 kHz带通）和PicoScope 4824A示波器进行20 MHz同步采样；对每个波形提取16个特征（7个时域、4个频域和5个频带功率特征）。分类采用随机森林（RF），分别训练单通道模型、48维特征级融合模型和等票决策融合模型；验证采用30次重复分层留出法和分层10折交叉验证，并进行了OOB置换重要性分析
