Novi Common Rail ventil F00VC01362 za injektor 0445110302 0445110303 za injekcijsku iglu

Zbog brzog razvoja društva, automobili su postali sve važnije sredstvo putovanja u svakodnevnom životu. Kao uređaj za ubrizgavanje benzina u automobilske cilindre, sjedište ventila automobilskih brizgaljki ima vrlo važnu ulogu u kontroli količine goriva. Kako poboljšati kvalitetu dijelova postalo je važno pitanje koje izaziva zabrinutost, ali zbog male veličine dijelova lako je biti ograničen tehnologijom obrade. Tijekom proizvodnog procesa neizbježno će ostaviti ogrebotine, defekte, mrlje hrđe, bijele mrlje i druge vrste defekata unutra, što utječe na performanse sjedišta automobilske brizgaljke.

Stoga je izdvajanje neispravnih dijelova iz mnogih dijelova postalo neizbježan projekt. S brzim povećanjem slikovnih podataka i brzim napretkom hardverskih računalnih sposobnosti, tehnologija detekcije dubokog učenja, predstavljena konvolucijskom neuronskom mrežom, primijenjena je na povezane zadatke otkrivanja nedostataka. U usporedbi s tradicionalnim algoritmom, performanse su znatno poboljšane. Godine 2014. Ross Girshick [1] i drugi predložili su algoritam R-CNN za izdvajanje regija kandidata kroz algoritam selektivnog pretraživanja, ali algoritam je računalno intenzivan i spor. Potom se predlaže algoritam za detekciju cilja SPP-Net, koji rješava problem deformacije objekta, a potom se predlaže Fast R-CNN uvođenjem višezadaćnog gubitka i RoI Poolinga, koji koristi višezadaćno učenje za dovršetak klasifikacije i regresije.

Međutim, regionalna metoda koju je usvojio algoritam i dalje će oduzimati puno vremena. Stoga je Ren [2] predložio Faster R-CNN algoritam. Algoritam uvodi RPN mrežu na temelju Fast R-CNN algoritma, koji je znatno poboljšan u brzini i performansama. Faster R-CNN algoritam može postići bolje rezultate u detekciji objekata od drugih algoritama.