Naujas Common Rail purkštuko priedų vožtuvo mazgas F00VC01317, skirtas purkštukui 0445110230

Automobilio purkštuko vožtuvo lizdo defektų aptikimas, pagrįstas funkcijų suliejimu(2 dalis)

Nors „Faster R-CNN“ algoritmas pasižymi geru aptikimo našumu aptikdamas objektus, automobilio degalų purkštuko sėdynės defekto dydis yra palyginti mažas ir yra daug įvairių defektų. Todėl procese naudojamas greitesnis R-CNN aptikimas, neįmanoma tiksliai užbaigti defektų identifikavimo ir padėties nustatymo, todėl gali būti, kad patikrinimas bus praleistas. Šiame darbe pristatome greitesnio R-CNN algoritmo funkcijų suliejimo idėją, sujungiame skirtingų konvoliucijos sluoksnių ypatybes, pageriname aptikimo algoritmo išraiškos galimybes ir leidžiame tiksliau aptikti vožtuvo lizdo defektus. automobilio purkštukas.

2. Duomenų rinkinio kūrimas

2.1 Vaizdo duomenų apdorojimas

Renkant automobilio purkštuko vožtuvo lizdo defektus, naudojant techninę įrangą, pvz., CCD pramonines kameras, įrankius, asmeninį kompiuterį ir kt., dėl aplinkos trikdžių, srovės, veikimo ir kitų veiksnių, surinktos nuotraukos. padidins tolesnių operacijų sunkumus, siekiant supaprastinti Tolesniam darbui reikalingi veiksmingi vaizdų išankstinio apdorojimo metodai faktinėje gamyboje.

Pirma, vaizdo gavimo proceso metu kils problemų, tokių kaip vaizdo perteklius ir pavadinimų nelygumai išsaugojimo metu. Pertekliniai vaizdai ne tik turės įtakos darbui, bet ir turi didelę įtaką efektyvumui, o tai padidins tolesnio darbo sunkumus. Todėl būtina pašalinti pasikartojančias nuotraukas.

Antra, kolekcijoje Vaizdo kūrimo procese dėl srovės ir triukšmo įtakos bus generuojama tam tikra nereikšminga informacija. Todėl būtina naudoti Gauso filtravimo metodą, kad vaizdas būtų užtemdytas ir būtų išsaugota naudinga informacija aptikimui ir atpažinimui.