Jauns Common Rail inžektora piederumu vārsta bloks F00VC01317 inžektoram 0445110230

Automobiļu inžektora vārsta ligzdas defektu noteikšana, pamatojoties uz funkciju saplūšanu(2. daļa)

Lai gan Faster R-CNN algoritmam ir laba noteikšanas veiktspēja objektu noteikšanā, automašīnu degvielas sprauslas sēdekļa defekta izmērs ir salīdzinoši mazs un ir daudz dažādu defektu. Tāpēc procesā tiek izmantota Faster R-CNN noteikšana, nav iespējams precīzi pabeigt defektu identificēšanu un pozicionēšanu, kas, iespējams, izraisīs nokavētu pārbaudi. Šajā rakstā mēs iepazīstinām ar ideju par funkciju saplūšanu, izmantojot Faster R-CNN algoritmu, sapludinām dažādu konvolūcijas slāņu iezīmes, uzlabojam noteikšanas algoritma izteiksmes spēju un padarām to precīzāku vārsta ligzdas defektu noteikšanu. automašīnas inžektors.

2. Datu kopas izveide

2.1 Attēlu datu apstrāde

Automobiļa inžektora vārsta ligzdas defektu savākšanas procesā, izmantojot aparatūru, piemēram, CCD rūpnieciskās kameras, instrumentus, datoru u.c. vides, strāvas, darbības un citu faktoru traucējumu dēļ, tiek savākti attēli. palielinās turpmāko darbību sarežģītība, lai vienkāršotu Turpmākajam darbam ir nepieciešamas efektīvas metodes attēlu pirmapstrādei faktiskajā ražošanā.

Pirmkārt, attēla iegūšanas procesā radīsies tādas problēmas kā attēla dublēšana un nosaukšanas pārkāpumi saglabāšanas laikā. Lieki attēli ne tikai ietekmēs darbu, tā efektivitātei ir liela ietekme, un tas palielinās turpmākā darba grūtības. Tāpēc ir nepieciešams noņemt dublētos attēlus.

Otrkārt, kolekcijā Attēla veidošanas procesā strāvas un trokšņu ietekmes dēļ tiks ģenerēta kāda nebūtiska informācija. Tāpēc ir nepieciešams izmantot Gausa filtrēšanas metodi, lai atslābinātu attēlu un saglabātu noderīgo informāciju noteikšanai un atpazīšanai.