감속기 유사 부품의 정확한 분류는 정밀 조립에 매우 중요합니다. 기존의 영상 분류 방법은 매우 유사한 부품에 대해 특징 판별력 부족과 복잡한 배경 간섭에 대한 저항력이 약한 문제로 인해 성능이 좋지 않고 정밀 조립 시 오류를 초래하기 쉽습니다. 감속기 부품의 클래스 내 차이가 크고 클래스 간 차이가 작은 특성에 대응하여, HiFuse 기반의 공간 이중 초점 협력 네트워크(Spatial Dual-Focus Synergy Network, SDFSN)를 이용한 감속기 부품 분류 방법을 제안합니다. 다중 분기 공간 적응 팽창률 선택 메커니즘을 설계하여 모델이 변형 영역에 가장 적합한 수용 영역을 자동으로 선택하도록 하였습니다. 이중 단계 기하학-국소 협력 주의 메커니즘을 구상하여 각 팽창 분기 출력 특징에 점진적이고 정교한 주의 가이드를 적용하고 특징 가중치를 동적으로 조절하여 중요한 영역에 대한 모델의 판별 능력을 효과적으로 강화하고 거칠게부터 정밀하게 특징을 추출합니다. 변형 가능한 기하학 그래프를 도입하여 기하학적 위상과 적합한 그래프 구조를 구현하고 기존 고정 격자 한계를 극복하였습니다. 변형 가능한 합성곱 후에 곡률 게이트 메커니즘을 도입하여 기하학적 변형의 적응 특성을 계승하여 복잡한 곡면 영역에 대한 반응성과 표현 정확도를 크게 향상시켰습니다. 실험 결과 SDFSN-HiFuse는 자체 제작 데이터셋에서 정확도를 기준선보다 3.57% 향상시키고 정밀도를 2.99% 향상시켰으며, 부품 분류의 실시간 요구 사항을 충족하여 FPS가 300.39 프레임/ms에 달했습니다.

감속기 부품 분류; 딥러닝; 주의 메커니즘; 다중 스케일 팽창 합성곱