レーザー切断はさまざまな産業で広く利用されている技術ですが、操作中に大量の粉塵や煙が発生し、環境や作業者の健康にリスクをもたらします。本研究では、材料の表面から得られるスぺックルパターンを基に深層学習を用いた材料分類技術を提案します。具体的には、畳み込みニューラルネットワーク（CNN）をトレーニングし、多種の材料をリアルタイムで認識することで、安全かつ効率的な切断を実現します。色が異なるレーザーを使用した場合の従来の材料分類法は課題がありましたが、提案された方法は98.30%のトレーニングセット精度と96.88%の検証セット精度を実現しました。さらに、3000枚の新しい画像を用いて30種類の材料についても高精度を示し、F1スコアは0.9643に達しました。この方法は、材料認識に基づくレーザー切断において堅牢かつ正確なソリューションを提供します。