OEM novi Common Rail sklop ventila F00VC01329 za 0445110168 169 284 315 injektor

Detekcija kvara sjedišta ventila automobilske mlaznice na temelju fuzije značajki(3. dio)

Kao rezultat toga, u detekciji sjedišta ventila injektora, sliku treba komprimirati, a veličina slike se obrađuje na 800 × 600, nakon dobivanja objedinjenih standardnih slikovnih podataka, koristi se metoda poboljšanja podataka kako bi se izbjegao nedostatak podataka, a sposobnost generalizacije modela je poboljšana. Poboljšanje podataka važan je dio obuke modela dubokog učenja [3]. Općenito postoje dva načina za povećanje podataka. Jedan je dodavanje sloja perturbacije podataka u mrežni model kako bi se omogućilo treniranje slike svaki put, postoji još jedan način koji je jasniji i jednostavniji, uzorci slika se poboljšavaju obradom slike prije treniranja, proširujemo skup podataka pomoću metode poboljšanja slike kao što su geometrija i prostor boja i korištenje HSV-a u prostoru boja, kao što je prikazano na slici 1.

Poboljšanje Faster R-CNN modela defekcije defekata U modelu Faster R-CNN algoritma, prije svega, trebate izdvojiti značajke ulazne slike, a ekstrahirane izlazne značajke mogu izravno utjecati na konačni učinak detekcije. Srž detekcije objekta je ekstrakcija značajki. Uobičajena mreža za ekstrakciju značajki u modelu Faster R-CNN algoritma je VGG-16 mreža. Ovaj je mrežni model prvi put korišten u klasifikaciji slika [4], a potom je bio izvrstan u semantičkoj segmentaciji [5] i otkrivanju istaknutosti [6].

Mreža ekstrakcije značajki u Faster R-CNN modelu algoritma postavljena je na VGG-16, iako model algoritma ima dobre performanse u detekciji, on koristi samo izlaz karte značajki iz posljednjeg sloja u ekstrakciji značajki slike, tako da će biti neki gubici i mapa značajki ne može se u potpunosti dovršiti, što će dovesti do netočnosti u detekciji malih ciljnih objekata i utjecati na konačni učinak prepoznavanja.