Uus Common Rail pihustitarvikute klapikomplekt F00VC01317 pihusti 0445110230 jaoks

Autode pihusti klapipesa defektide tuvastamine funktsioonide liitmise põhjal(2. osa)

Kuigi Faster R-CNN algoritmil on objektide tuvastamisel hea tuvastusvõime, on auto kütusepihusti istme defekti suurus suhteliselt väike ja defekte on palju. Seetõttu kasutatakse protsessis kiiremat R-CNN-i tuvastamist, defektide tuvastamist ja positsioneerimist on võimatu täpselt lõpule viia, mis tõenäoliselt põhjustab ülevaatuse ärajäämise. Selles artiklis tutvustame funktsioonide liitmise ideed Faster R-CNN algoritmil, ühendame erinevate konvolutsioonikihtide omadused, parandame tuvastusalgoritmi väljendusvõimet ja muudame täpsemaks klapipesa defektide tuvastamise. auto pihusti.

2. Andmestiku koostamine

2.1 Pildiandmete töötlemine

Autopihusti klapipesa defektide kogumisel riistvara (nt CCD tööstuskaamerad, tööriistad, arvuti jne) abil keskkonna, voolu, töö ja muude tegurite mõju tõttu kogutakse kogutud pilte. raskendab järgnevaid toiminguid, et lihtsustada. Edasine töö nõuab tõhusaid meetodeid piltide eeltöötlemiseks tegelikus tootmises.

Esiteks tekivad pildi hankimise protsessis sellised probleemid nagu pildi liiasus ja salvestamise ajal esinevad nimetamise ebakorrapärasused. Üleliigsed pildid ei mõjuta mitte ainult tööd, vaid sellel on suur mõju ja see suurendab järgneva töö raskust. Seetõttu on vaja dubleerivad pildid eemaldada.

Teiseks, kogumikus Pildi tegemise ajal tekib voolu ja müra mõjul ebaolulist teavet. Seetõttu on vaja kasutada Gaussi filtreerimismeetodit kujutise müra summutamiseks ning tuvastamiseks ja tuvastamiseks vajaliku teabe säilitamiseks.