Non-contact surface roughness evaluation of milling surface using CNN-deep learning models

表面粗糙度 机械加工 田口方法 瓶颈 表面光洁度 机械工程 正交数组 工程制图 曲面(拓扑) 计算机科学 人工智能 工程类 材料科学 机器学习 数学 复合材料 几何学 嵌入式系统
作者
Binayak Bhandari,Gijun Park
出处
期刊:International Journal of Computer Integrated Manufacturing [Informa]
卷期号:37 (4): 423-437 被引量:20
标识
DOI:10.1080/0951192x.2022.2126012
摘要

Machining quality control is a bottleneck operation as human inspectors and expensive equipment is needed in most operations. Automated quality assurance in the manufacturing industry has the potential to replace humans and lower the cost of the machined product. This paper presents the analysis of end-milled machined surfaces backed with experimental and deep learning model investigations. The effects of machining parameters like spindle speed, feed rate (table feed), depth of cut, cutting speed, and machining duration were investigated to find machined surface roughness using Taguchi orthogonal array. Following standard DOE, surface roughness and machined surface image were recorded for each machining experiment and categorized into four classes, viz. fine, smooth, rough, and coarse, based on the roughness value (Ra). The machined surface images were used to develop CNN models for surface roughness class prediction. Further, comparative studies among the five popular optimizers were performed. The results showed that the CNN model with the 'Rectified Adam' optimizer performed better amongst the optimizer pool, with the training and test accuracy of 96.30% and 92.91%, respectively. The proposed CNN model features a highly accurate and slim structure, potentially substituting human quality control procedures that employ expensive surface roughness measuring devices.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
QZWX完成签到,获得积分10
2秒前
烂漫南霜发布了新的文献求助10
2秒前
3秒前
没有答案发布了新的文献求助10
4秒前
是瓜瓜不完成签到,获得积分10
6秒前
英俊的铭应助龙行天下采纳,获得30
6秒前
沉默听芹发布了新的文献求助10
6秒前
昵昵完成签到 ,获得积分10
7秒前
hlt完成签到 ,获得积分10
7秒前
徐玲发布了新的文献求助50
7秒前
搜集达人应助欣喜的迎梦采纳,获得10
9秒前
10秒前
我是老大应助氨甲酰磷酸采纳,获得10
10秒前
热不热呼吸机完成签到,获得积分10
11秒前
完美世界应助ninomae采纳,获得10
11秒前
亚当完成签到,获得积分10
12秒前
hhh发布了新的文献求助10
14秒前
嗯哼应助依然采纳,获得10
14秒前
口口完成签到 ,获得积分10
15秒前
科研通AI2S应助哈哈哈采纳,获得10
16秒前
17秒前
19秒前
overlood完成签到 ,获得积分10
20秒前
20秒前
21秒前
烂漫南霜完成签到,获得积分20
21秒前
22秒前
天真思雁发布了新的文献求助10
22秒前
linya发布了新的文献求助10
23秒前
24秒前
24秒前
24秒前
毅梦发布了新的文献求助30
24秒前
26秒前
26秒前
傢誠发布了新的文献求助10
26秒前
Orange应助MiRamon采纳,获得30
26秒前
27秒前
孙一应助linya采纳,获得10
28秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256170
求助须知:如何正确求助?哪些是违规求助? 2898255
关于积分的说明 8300702
捐赠科研通 2567460
什么是DOI,文献DOI怎么找? 1394536
科研通“疑难数据库(出版商)”最低求助积分说明 652839
邀请新用户注册赠送积分活动 630511