还在找创新点?来试试扩散模型+VIT实现小样本故障诊断

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

最近这几年,如果你关注顶会论文或者生成式 AI,一定对 DDPM(去噪扩散概率模型) 这个名字如雷贯耳。

自从UC Berkeley 团队在 NeurIPS 发表那篇奠基性论文开始,这个曾经小众的模型彻底改写了生成模型的格局:

  • 它是 Stable Diffusion、DALL E3、Midjourney 这些现象级 AI 绘画工具的底层核心,让 AI 生成的图像第一次做到了 “以假乱真”;

  • 在顶会学术圈,它更是取代了曾经的 “顶流” GAN,成为了生成模型领域的新标杆 —— 仅 2023-2024 年,NeurIPS、ICML 等顶会中,扩散模型相关的论文数量就暴涨了 300%,覆盖了从图像生成到科学计算、从医疗影像到工业 AI 的几乎所有领域;

  • 更重要的是,它完美解决了之前生成模型的老痛点:GAN 训练不稳定、容易模式崩塌,VAE 生成的样本模糊不清,而 DDPM 用 “逐步加噪 - 逐步去噪” 的极简框架,做到了训练稳定、生成质量高、多样性强。

本期就是要把这个顶会 “香饽饽”,用到—— 小样本故障诊断。


🚨 痛点:故障样本永远不够用

做过故障诊断的同学都知道一个现实困境:正常运行的数据堆成山,真正的故障数据却少得可怜。

设备不可能为了采集数据天天坏,某些严重故障甚至整个生命周期只出现一两次。每类故障只有 5~20 个样本,训练出来的模型能用吗?

今天分享一个完整项目 —— 用扩散模型(DDPM)生成高质量合成故障样本,在极端小样本条件下大幅提升诊断准确率。

本项目基于CWRU西储大学轴承数据集,在每类故障仅有5/10/20个样本的极端小样本条件下,将振动信号通过CWT转为时频图后,分别用DDPM扩散模型、WGAN-GP和VAE三种生成模型学习故障数据分布并生成合成样本扩充训练集,再用Vision Transformer分类器进行故障诊断,通过准确率、FID、IS等多维度指标的全面对比实验,验证了DDPM在生成质量、样本多样性和诊断性能提升方面均优于GAN和VAE,尤其在样本极度稀缺时优势最为显著。

🧭技术路线图如下:

具体来说:

  1. 将一维振动信号通过连续小波变换(CWT)转化为二维 RGB 时频图

  2. 用条件 DDPM 学习各类故障时频图的数据分布

  3. 从极少量真实样本出发,生成大量高质量合成样本

  4. 合成样本 + 真实样本一起训练分类器,完成故障诊断

  5. 产生丰富的可视化图形,突出DDPM的优势


⚙️ 实验设置


  • **数据集**:CWRU 西储大学轴承数据

  • **故障类别**:10 类(正常 + 滚动体 / 内圈 / 外圈 × 三种严重程度)

  • **小样本设置**:每类分别只用 5 / 10 / 20 个样本训练

  • **分类器**:Vision Transformer(ViT),对数据量极其敏感,少样本时性能显著下降

  • **评估指标**:分类准确率、FID(生成质量)、IS(生成多样性)

实验结果:

这里展示了三种实验,5-shot、10-shot、15-shot是指,每类故障样本仅选5、10、15个样本来进行数据增强,然后分类。

DDPM当真厉害!


📊 可视化结果展示

以下的所有可视化过程,代码都可以运行出来!


1. 扩散过程可视化

下图展示了 DDPM 的前向扩散过程 —— 一张清晰的 CWT 时频图如何被逐步加噪直至变为纯噪声:

以及逆向去噪过程 —— 从一团随机噪声,经过 1000 步迭代去噪,逐渐 画出 一张故障时频图:

可以清晰看到:DDPM 不是一步到位,而是像画家一样从粗到细逐步 "雕刻" 出图像细节。

2. 生成样本质量对比

下面对比了三种方法生成的时频图:

第一行是真实样本,后面依次是 DDPM、GAN、VAE 的生成结果。肉眼可见:

  • DDPM:纹理清晰,频率分布与真实样本高度一致

  • GAN:部分类别尚可,部分出现伪影

  • VAE:整体偏模糊,丢失了高频细节

3. 生成多样性对比

同一类故障,DDPM 和 GAN 各生成 8 张样本:

DDPM 生成的 8 张图各不相同,保持了类内多样性;而 GAN 在小样本下倾向于生成高度相似的图案 —— 这就是模式崩塌的直观表现。

4. t-SNE 特征分布

用 t-SNE 降维观察生成样本在特征空间中的分布:

  • 真实样本:各类别聚类清晰

  • DDPM 生成:分布与真实样本高度对齐

  • GAN/VAE 生成:部分类别出现重叠或偏移

DDPM 生成的样本不仅 "看起来像",在特征层面也与真实数据分布一致。

5. 诊断准确率对比

这是最关键的结果 —— 数据增强到底能提升多少诊断性能?

这里展示了三种实验,5-shot、10-shot、15-shot是指,每类故障样本仅选5、10、15个样本来进行数据增强,然后分类。

核心结论:

  • 无增强(No Aug):ViT 在极少样本下性能较差

  • VAE 增强:有一定提升,但受限于生成质量

  • WGAN-GP 增强:中等提升,小样本下不稳定

  • DDPM 增强:各设置下均为最优,5-shot 提升最为显著

越是样本稀缺的极端场景,DDPM 的优势越明显。


6. 混淆矩阵细节


每类故障仅用10个样本的情况下的分类结果如下:

不用数据增强:

VAE增强:

GAN增强:

DDPM增强:

可以看到 DDPM 增强后,各类故障的分类准确率都得到了提升。

---

7. 各类准确率雷达图


雷达图直观展示了 10 类故障各自的诊断准确率。DDPM 增强后的红色轮廓明显比其他方法更 "饱满",几乎每个类别都达到了较高水平。

✨ 代码亮点总结

特性

说明

完整对比实验

No Aug / VAE / WGAN-GP / DDPM 四种方法全面 PK

多维度评估

准确率 + FID + IS + 混淆矩阵 + 雷达图

极端小样本

每类仅 5 个样本也能有效增强

多转速支持

支持 1797/1772/1750/1730 四种工况一键切换

全流程可视化

13 + 张高质量实验图表,论文 / 报告直接可用

配置友好

所有参数集中管理,改一行代码切换实验

代码目录:

在readme中有详细的代码使用教程,不用担心不会使用!小白也能轻松运行。

💡 总结

本项目证明了:DDPM 可以从极少量样本中 "学会" 故障的数据分布,生成逼真且多样的合成数据。相比 GAN 的训练不稳定和 VAE 的生成模糊,DDPM 在小样本场景下展现了压倒性的优势。

本项目为完整可运行代码,包含数据预处理、模型训练、实验评估、可视化全流程。开箱即用,一键复现。

🍭代码获取

https://mbd.pub/o/bread/mbd-YZaTlZZtZQ==

点击下方阅读原文也可获取哦!

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1325

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

YOLOv8实战:如何用Focaler-IoU提升小目标检测精度(附代码)

本文详细介绍了如何通过Focaler-IoU提升YOLOv8在小目标检测中的精度,包括核心机制解析、代码实现及调优策略。Focaler-IoU通过动态聚焦机制有效解决传统IoU对小目标检测的不足,显著提升模型性能。附有完整的代码示例和实战指南,适合计算机视觉开发者参考。

weixin_29044157的博客 365

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

强化学习:Distributed PPO (DPPO) 学习笔记

DPPO = Distributed + Proximal Policy Optimization Distributed:多个智能体并行训练 Proximal:限制策略更新幅度,确保稳定性 Policy Optimization:基于策略梯度的优化方法 核心思想:多个智能体并行探索环境,共享经验,通过裁剪策略更新确保训练稳定

只是个人学习笔记 1332

OpenClaw 接入智谱 GLM-5-Turbo 龙虾套餐:完整避坑指南与 SOP

OpenClaw 接入智谱 GLM-5-Turbo 的核心在于“端点匹配”和“多渠道验证”。端点匹配:龙虾套餐必须用标准端点。多渠道验证:遇到 TUI 不显示时,用curl或飞书机器人验证,不要被 Bug 误导。希望这份 SOP 能帮你顺利跑通 OpenClaw + GLM-5-Turbo,享受强大的 AI 编程助手!

Aaron_liu20的博客 1706

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

ArcGIS拓扑面错误批量修改

在工作学习中经常会遇到拓扑修改的问题,当数据量巨大的时候会产生拓扑问题 当拓扑错误数量巨大时,人工逐一修改是不现实的,基于此利用gis自带工具箱实现拓扑面类错误的批量修改。 一、.常见拓扑错误的类型: 1面重叠 2空隙(绿色部分) 二、拓扑检查 1新建数据库-----新建数据集—导入数据. 2新建拓扑 3修改拓扑容差及名称 添加拓扑修改规则 完成拓扑检查-查看拓扑错误 三、拓扑批量...

qq_43173805的博客 3万+

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

Android CCodec (十一) Codec2Buffer BufferPool分析

1、序言 2、C2BlockPool分析 3、SimpleC2Component关于BlockingBlockPool的实现 4、总结

给大佬递杯卡布奇诺的博客 4024

【Halcon-2D测量】set_metrology_object_param 函数功能(用于配置计量对象常规参数)

HALCON算子 set_metrology_object_param 是2D计量模块的核心配置工具,用于动态修改计量对象的测量区域、边缘检测和几何拟合参数。该算子需在检测前调用,支持批量或单独修改对象参数,包含三类关键参数:测量区域(如长度、间距)、边缘检测(如平滑Sigma、阈值)和几何拟合(如RANSAC阈值、最小分数)。使用时需注意参数互斥规则(如measure_distance优先于num_measures)和多线程同步要求。算子无输出参数,仅修改计量模型内部状态,需配合apply_metrolo

weixin_45590420的博客 295

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

自助结账商品检测(Scanned Item Detection)——基于YOLOv8的RPC数据集实战

RPC数据集是由中国科学院自动化研究所发布的零售商品结账检测公开数据集,广泛用于自助结账和零售场景下的目标检测与识别。YOLOv8是YOLO系列最新版本,由Ultralytics推出,继承了YOLO家族的高效快速和高准确性,适用于实时检测场景。本文系统介绍了基于YOLOv8的RPC数据集自助结账商品检测方案,涵盖数据准备、训练、推理及UI界面设计。未来,可结合多模态感知、RFID融合技术,打造更加智能和稳定的自助结账系统。

YOLO 253

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 374

SAP商业AI正式通过网信备案:企业落地AI五问

中数通“CDC商业AI”通过广东网信部门备案,标志着SAP商业AI在华本地化迈出关键一步。然而,合规仅是起点,企业真正需关注的是:AI能否融入核心流程、数据治理是否健全、责任归属是否清晰、价值衡量机制是否建立。从“可用”到“用好”,关键在于工作流重构、跨团队协同与业务结果导向的评估体系。国产模型成本优势与本地部署能力为ERP深度集成提供可能,但真正的竞争力仍在于对数据、流程与业务上下文的理解力。

Acloudear的博客 215
上一篇: 痛快!一个切换搞定100种时间序列预测算法
下一篇: 创新满满!基于小波包阈值去噪-BiMamba-KAN的轴承剩余寿命预测+SHAP分析
淘个代码_
博客等级 码龄7年 1万+粉丝 504原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

淘个代码_

不想刀我的可以选择爱我

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值