본 연구는 안전하고 효율적인 레이저 커팅을 위해 정확한 재료 인식이 필수적임을 강조하며, 레이저 스페클 센싱을 활용한 저비용 비파괴적 재료 분류 방법을 제시합니다. 계산 비용이 많이 드는 기존의 방식과 달리, 본 논문에서는 스페클 패턴에 특화된 경량 컨볼루션 신경망(CNN)을 제안하여 적은 파라미터로 높은 판별력을 유지합니다. 총 59개의 재료 클래스를 포함하는 SensiCut 데이터셋을 사용하여, 제안된 모델은 95.05%의 테스트 정확도와 0.951의 매크로 및 가중 F1 점수를 달성했습니다. 모델은 341k 개의 훈련 가능한 파라미터(~1.3MB)를 가지며 초당 295개의 이미지를 처리하여 Raspberry Pi 및 Jetson 급 장치에서도 배포 가능합니다. 재료를 9개 또는 5개의 실용적인 그룹으로 재구성했을 때 재현율이 98% 이상, 최대 100%에 근접하여 레이저 커터의 전력 및 속도 설정을 직접적으로 지원합니다.
