OEM Нов склоп на вентил за обична шина F00VC01329 За 0445110168 169 284 315 инјектор

Откривање дефекти на седиштето на вентилот на автомобилскиот инјектор врз основа на фузија на карактеристики(3 дел)

Како резултат на тоа, при откривањето на седиштето на вентилот на инјекторот, сликата треба да се компресира, а големината на сликата се обработува до 800 × 600, по добивањето на унифицираните стандардни податоци за сликата, методот за подобрување на податоците се користи за да се избегне недостиг на податоци, а способноста за генерализација на моделот е подобрена. Подобрувањето на податоците е важен дел од обуката на моделите за длабоко учење [3]. Генерално, постојат два начини за зголемување на податоците. Една од нив е да се додаде слој за пертурбација на податоци на мрежниот модел за да се овозможи сликата да се тренира секој пат, постои друг начин што е поедноставен и едноставен, примероците на сликата се подобруваат со обработка на слики пред тренинг, го прошируваме множеството податоци користејќи методи за подобрување на сликата, како што се геометријата и просторот во боја, и користете HSV во просторот за бои, како што е прикажано на слика 1.

Подобрување на моделот на дефекти со побрз R-CNN Во моделот на алгоритам побрз R-CNN, пред сè, треба да ги извлечете карактеристиките на влезната слика, а извлечените излезни карактеристики може директно да влијаат на ефектот на конечна детекција. Јадрото на откривањето на објекти е екстракција на карактеристики. Заедничката мрежа за екстракција на карактеристики во моделот на алгоритам Faster R-CNN е мрежата VGG-16. Овој мрежен модел првпат се користеше во класификацијата на слики [4], а потоа беше одличен во семантичката сегментација [5] и откривањето на истакнатост [6].

Мрежата за екстракција на карактеристики во моделот на алгоритам Faster R-CNN е поставена на VGG-16, иако алгоритамскиот модел има добри перформанси во откривањето, го користи само излезот на мапата на карактеристики од последниот слој во екстракција на карактеристики на сликата, така што ќе има некои загуби и мапата на карактеристики не може целосно да се комплетира, што ќе доведе до неточност во откривањето на мали целни објекти и ќе влијае на ефектот на конечното препознавање.