MICRO-PARTICLE CLASSIFICATION USING DEEP LEARNING BACK PROPAGATION AND CNN ALGORITHM

MICRO-PARTICLE CLASSIFICATION USING DEEP LEARNING BACK PROPAGATION AND CNN ALGORITHM

Trong-Dat Huynh, Minh-Thuan Tran, Huy-Tuan Pham, Quang-Khoa Dang, Thien-Ngon Dang, Quoc-Bao Phan

Trong-Dat Huynh, Minh-Thuan Tran, Huy-Tuan Pham, Quang-Khoa Dang, Thien-Ngon Dang

Faculty of Mechanical Engineering, Ho Chi Minh City University of Technology and Engineering, Ho Chi Minh City, Vietnam

Corresponding author:

Quoc-Bao Phan,

Advanced Manufacturing Lab, Artificial Intelligence And Digital Transformation Institute, Binh Duong University, Ho Chi Minh City, Vietnam

Email: pqbao@bdu.edu.vn

Tel: +84903060459

Abstract

Micro-particle contamination is a key issue in automotive manufacturing, as it directly affects system reliability and cleanliness. This study proposes a BP–CNN framework for particle classification across different size ranges. Particles larger than 300 µm are classified using a back-propagation (BP) neural network based on geometric descriptors, while particles in the range of 50–300 µm are classified using a DenseNet121-based convolutional neural network (CNN) that learns morphological features from images. The BP-CNN framework classified 7,500 particle images from 13 classes, collected from various automotive transmission manufacturing processes such as CNC machining, casting, high-pressure water jet deburring, brush deburring, and robot reaming ... Experimental results show that the proposed BP–CNN framework achieves higher performance than standalone BP, CNN ResNet, CNN EfficientNet, CNN-TL-SVM model, with an overall accuracy of 99.12%. This research provides performance address for automotive particle identification.

Key Words: Burr, Micro Particle, CNN, BP, Cleanability.

Funding This work was financially funded by Advanced Manufacturing R&D Project at Vietnam Metal Hardware Co., Ltd, grant number: 20250101.

Dưới sự dẫn dắt của TS. Phan Quốc Bảo cùng các cộng sự, nhóm nghiên cứu đã xuất sắc công bố liên tiếp hai bài báo trên tạp chí danh giá The International Journal of Advanced Manufacturing Technology thuộc danh mục Springer Q1 với chỉ số ảnh hưởng IF 3.5 🏆. Bài báo thứ hai với tiêu đề Micro-particle classification using deep learning back propagation and cnn algorithm đã đề xuất một khung phân loại lai BP-CNN đột phá. Các hạt lớn hơn 300 μm được xử lý bằng mạng nơ-ron lan truyền ngược dựa trên hình học, trong khi các hạt nhỏ phức tạp từ 50 đến 300 μm được giao cho mạng nơ-ron tích chập DenseNet121 đảm nhận. Kết quả thực nghiệm đã mang lại con số kỷ lục khi khung BP-CNN đạt độ chính xác tổng thể lên đến 99,12%. Độc giả có thể xem toàn văn nghiên cứu tại liên kết: https://link.springer.com/article/10.1007/s00170-026-18386-x 🌟

https://fee.bdu.edu.vn/index.php/nghien-cuu-khoa-hoc/double-q1-hanh-trinh-ai-vuot-gioi-han-tai-vien-aidti-737.html