En comparación con los algoritmos de aprendizaje automático tradicionales, la red neuronal convolucional (CNN) tiene una excelente capacidad de aprendizaje automático de características y puede completar la representación no lineal desde la entrada de datos originales hasta la salida por sí misma. Sin embargo, la CNN no extrae suficientemente la información del desgaste de la herramienta contenida en los datos de múltiples sensores debido a la falta de consideración de las diferencias en la contribución de diferentes características al extraerlas. En este artículo, se propone un método de predicción del desgaste de herramientas basado en una red neuronal convolucional de múltiples escalas con fusión de atención, que fusiona la información de degradación del desgaste de herramientas recopilada por diferentes tipos de sensores. En el módulo de convolución de múltiples escalas, se utilizan núcleos de convolución de diferentes tamaños para extraer la información de degradación de diferentes escalas en la información de desgaste, y luego se construye el módulo de fusión de atención para fusionar la información de características de múltiples escalas. Finalmente, se realiza el mapeo entre el desgaste de la herramienta y los datos de múltiples sensores a través de la información de características obtenida por conexión residual y capa de conexión completa. Al comparar la red neuronal convolucional de múltiples escalas con diferentes mecanismos de atención, los experimentos demostraron la efectividad y superioridad del método propuesto.