減速機の類似ワークの正確な分類は、その精密な組み立てに不可欠です。既存の視覚的分類方法は、非常に類似したワークに対して特徴の判別力が不足し、複雑な背景干渉に対する耐性が弱いため、性能が低く、精密組み立てに誤差をもたらしやすいという問題があります。減速機ワークのクラス内差異が大きく、クラス間差異が小さい特徴に着目し、HiFuseに基づく空間二重焦点協調ネットワーク（Spatial Dual-Focus Synergy Network、SDFSN）による減速機ワーク分類方法を提案します。多枝空間適応膨張率選択機構を設計し、モデルが変形領域に最適な受容野を自動選択するようにしました。二段階の幾何学‐局所協調注意機構を構築し、各膨張ブランチの出力特徴に段階的で精緻な注意誘導を施し、特徴の重みを動的に調整し、重要領域に対するモデルの識別能力を効果的に強化し、粗から細への特徴抽出を実現します。可変形幾何学グラフを導入し、幾何学的トポロジーに適合したグラフ構造を実現し、従来の固定格子の制約を打破しました。可変形畳み込み後に曲率ゲーティング機構を導入し、幾何学的変形の適応的特徴を継承し、複雑な曲面領域への応答性と表現精度を大幅に向上させました。実験結果は、SDFSN-HiFuseが自作データセットで基線より3.57%精度を向上させ、精密度を2.99%向上させ、かつ部品分類のリアルタイム要件を満たし、FPSは300.39フレーム/msに達することを示しています。

減速機ワーク分類;深層学習;注意機構;多尺度膨張畳み込み