机床与液压

作者：范立想，朱钰浩，陈书涵，姚继开，唐伟东

单位：长沙理工大学机械与运载工程学院；长沙理工大学机械与运载工程学院；长沙理工大学机械与运载工程学院；长沙理工大学机械与运载工程学院；长沙理工大学机械与运载工程学院

关键词：表面粗糙度识别;残差神经网络;注意力机制;电火花加工技术

基金：湖南省教育厅优秀青年项目（22B0095）

表面粗糙度是衡量表面质量的重要指标之一，因此，开发能够快速、准确测量和识别表面粗糙度的技术具有广泛的应用前景。基于此，提出一种基于残差神经网络和注意力机制的电火花加工表面粗糙度检测技术。该技术首先对输入图像进行预处理，使用图像灰度处理降低原始信号的输入量。通过图像分块、噪声、旋转和翻转等方式进行数据增强，将增强后的数据输入深度学习模型中进行训练。深度学习模型利用残差神经网络和注意力机制，自动提取经电火花加工后的H13钢材料表面粗糙度的特征。实验结果表明：所提出的基于残差神经网络和注意力机制的表面粗糙度检测技术能够进行高效率的表面粗糙度检测；在12组粗糙度分类识别实验中，该深度学习模型相较于卷积神经网络（CNN），卷积神经网络和注意力机制（CNN-Attention）以及残差神经网络（ResNet）的准确率分别提高了9.10%、3.73%、4.11%；通过对加工后表面粗糙度图像进行4组分类，所提出模型验证准确率在95%以上，可用于工业生产及其他相关领域表面质量的快速检测。

来源：2025年第11期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第11期