Un modelo de reconocimiento de grado de rugosidad superficial para piezas mecanizadas basado en aprendizaje profundo por transferencia

Resumen Muchos métodos de medición de rugosidad se basan en índices de características diseñadas que no pueden caracterizar con precisión la rugosidad y son exigentes en el entorno de imagen de la pieza de trabajo. Los métodos de medición de rugosidad basados en redes neuronales profundas requieren un gran número de muestras de entrenamiento y la misma distribución de datos para las muestras de entrenamiento y las muestras de prueba, lo que dificulta su amplia aplicación en la industria del mecanizado. En este artículo se propone Deep AlexCORAL, un modelo de reconocimiento de grado de rugosidad superficial para piezas mecanizadas basado en aprendizaje profundo por transferencia, para extraer automáticamente características relacionadas con la rugosidad de manera más general. No solo reduce la cantidad de datos requeridos por el modelo, sino también la diferencia en la distribución de datos entre el dominio de origen (conjunto de entrenamiento) y el dominio objetivo (conjunto de prueba). Los resultados experimentales muestran que Deep AlexCORAL tiene una precisión de reconocimiento cruzado de dominios del 99.33% en una variedad de casos con distribución de datos inconsistente debido a diversos entornos de iluminación. Esto no es superado por otros modelos de reconocimiento de grado de rugosidad.