基于工件图像的深卷积神经网络在落料工序刀具磨损分类中的应用
机器学习
2023-10-09 v1 图像与视频处理
机器学习
摘要
由于其经济性，落料工序属于应用最广泛的制造技术之一。其经济可行性在很大程度上取决于所得产品质量及相关的客户满意度，以及可能的停机时间。特别是，刀具磨损加剧会降低产品质量并导致停机，因此近年来在磨损检测方面已开展了大量研究。虽然以往多基于力和加速度信号对工序进行监测，本文探索了一种新方法。将由具有16种不同磨损状态的冲头所制造的落料工件拍照，并用作深度卷积神经网络（Deep Convolutional Neural Networks）的输入以分类磨损状态。结果表明，磨损状态可被以惊人高精度预测，这为落料工序的刀具磨损监测开辟了新可能和研究机遇。
引用
@article{arxiv.2107.12034,
title = {Workpiece Image-based Tool Wear Classification in Blanking Processes Using Deep Convolutional Neural Networks},
author = {Dirk Alexander Molitor and Christian Kubik and Ruben Helmut Hetfleisch and Peter Groche},
journal= {arXiv preprint arXiv:2107.12034},
year = {2023}
}