輕量化CNN與時(shí)間序列融合識(shí)別刀具磨損方法

摘要： 針對(duì)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)刀具磨損程度識(shí)別方法網(wǎng)絡(luò)模型體積大、結(jié)構(gòu)復(fù)雜以及在線獲取刀具磨損圖像數(shù)據(jù)難的問(wèn)題，提出一種將輕量卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于刀具磨損程度識(shí)別的研究方法。將銑刀加工時(shí)產(chǎn)生的力信號(hào)與振動(dòng)信號(hào)經(jīng)格拉姆角場(chǎng)處理轉(zhuǎn)化為圖像數(shù)據(jù)集。再將圖像數(shù)據(jù)分別輸入到輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)MobilenetV2、MobilenetV3、ShuffleNet模型中進(jìn)行對(duì)比分析。結(jié)果表明：在初期磨損和...