基于深度迁移混合模型的刀具磨损状态监测方法

简介

为提高刀具磨损的监测精度和效率,针对加工过程中刀具磨损状态监测出现的数据不均衡问题,提出一种基于深度迁移混合模型的刀具磨损状态监测方法。通过混合类平衡正则化、数据增强与批量归一化技术对经过图像编码的数据集进行图像预处理,再利用ResNet32残差神经网络从图像中自适应地提取相关重要特征,然后采用ResNet32残差神经网络作为分类器进行两阶段训练,采用标签感知平滑优化损失函数,通过参数迁移获得最优分类模型。结果表明所提方法有效改善了刀具磨损监测数据不均衡的问题,与目前的基于深度学习的刀具磨损监测方法相比,在准确率和计算效率方面均有较大提高。