轻量级表面粗糙度网络

计算量减 55%

针对铣削表面纹理分类的轻量级卷积神经网络，可在移动端实时计算，并采用代价敏感损失提升对不平衡数据的稳定性。

Liu, Yuekai · 高宏力 · 郭亮 · You, Zhichao · 李世超

Xinan Jiaotong Daxue Xuebao/Journal of Southwest Jiaotong University 2024

参数信息

模型推理浮点运算量

55 %

召回率

21 %

准确率

8 %

技术优势

计算量减55%

相比通用卷积神经网络，模型推理所需浮点运算次数减少55%，更适合移动端实时处理。

抗数据不平衡

引入代价敏感损失函数，有效提升模型对不平衡数据的稳定性。

准确率提升8%

在相同实验条件下，较传统机器学习方法准确率提升8%。

应用场景

• 铣削加工：铣削工件表面纹理原位分类，无需拆卸或额外调试。
• 表面质量检测：自动评估粗糙度，替代人工目检和传统手工特征方法。
• 工业视觉检测：增强候选框提取与聚焦优化，提升工业相机自动检测效率。
• 边缘计算：轻量级模型可在移动终端实时计算，降低对服务器的依赖。
• 具身智能感知：为具身系统提供高精度、低延迟的表面感知能力。