摘要
摘要：为了能够及时发现齿轮表面缺陷以及缺陷类型，我们提出了一种自适应分类框架，该框架根据任务需求调整分类粒度，并基于混合神经网络（AHNN）。AHNN结合了一维卷积和注意机制，增强了特征和通道之间的关系，并抑制了不敏感信息的影响，引入了个体特征选择方法，生成适合不同个体的特征子集，减小个体差异。实验结果表明，齿面磨损的细粒度和粗粒度分类的准确率分别为91.27%和96.31%，缺齿的细粒度和粗粒度分类的准确率分别为92.67%和97.28%，正常齿的细粒度和粗粒度分类的准确率分别为92.33%和96.39%。AHNN能够适应不同的分类粒度，降低个体差异，提高框架的通用性。
出版日期
2023年11月23日（中国期刊网平台首次上网日期，不代表论文的发表时间）
