유사한 기어 부품의 정확한 분류는 정밀 조립에 매우 중요하다. 기존의 시각적 분류 방법은 부품 간의 높은 유사성 조건에서 특징 구별 능력 부족, 복잡한 배경 장애에 대한 저항력이 약하여 성능이 좋지 않으며 정밀 조립 시 오류를 일으킬 수 있다. 클래스 내부의 차이가 크고 클래스 간의 차이가 적은 기어 부품을 분류하기 위해, Spatial Dual-Focus Synergy Network（SDFSN） 기반의 두 가지 초점 공간 협력 네트워크에 기반한 기어 부품 분류 방법을 제안한다. 여러 분기들에 대한 공간적 적응적 팽창율을 선택하는 메커니즘을 설계하여 모델이 자동으로 가장 적합한 형태 영역을 선택할 수 있다. 두 단계의 기하학-지역 협력 주의 메커니즘, 각 팽창 분기의 출력 특징에 대한 순차적으로 미세한 주의의 규정을 제외하고 특유한 가변성 형태의 변형 특성을 상속하며 복잡한 표면 영역에 대한 응답 능력과 정밀한 표현을 크게 향상시키는 가변성 기하학적 그래픽에 대한 도입, 전통적인 고정되어 있는 격자 제한의 제거, 가변형 컨볼루션 후 곡률의 도입, 정교에서 민감한 특성추출을 가능하게 한다. 실험 결과에따르면, SDFSN-HiFuse의 정확도가 자사 데이터셋에서 베이스 라인보다 3.57% 높고, 정확도가 2.99% 증가하며 부품 분류에 대한 실시간 요구 사항을 충족한다. FPS는 300.39 frame/ms에 도달한다.

기어 부품 분류; 심층 학습; 주의 메커니즘; 다중 스케일 팽창 컨볼루션