Nowe akcesoria do wtryskiwaczy Common Rail Zespół zaworu F00VC01317 do wtryskiwacza 0445110230

Wykrywanie defektów gniazda zaworu wtryskiwacza samochodowego w oparciu o fuzję cech(część 2)

Chociaż algorytm Faster R-CNN ma dobrą skuteczność wykrywania obiektów, rozmiar defektu gniazda samochodowego wtryskiwacza paliwa jest stosunkowo niewielki i istnieje wiele rodzajów defektów. Dlatego też w procesie wykorzystywana jest szybsza detekcja R-CNN, niemożliwa jest dokładna identyfikacja i pozycjonowanie defektów, co z dużym prawdopodobieństwem może skutkować pominięciem kontroli. W tym artykule przedstawiamy koncepcję fuzji cech w algorytmie Faster R-CNN, łączymy cechy różnych warstw splotu, poprawiamy zdolność ekspresji algorytmu detekcji i zwiększamy dokładność wykrywania defektów gniazda zaworowego wtryskiwacz samochodowy.

2. Konstrukcja zbioru danych

2.1 Przetwarzanie danych obrazu

W procesie zbierania defektów w gnieździe zaworowym wtryskiwacza samochodowego za pomocą sprzętu, takiego jak kamery przemysłowe CCD, oprzyrządowanie, komputer PC itp., z powodu zakłóceń środowiska, prądu, działania i innych czynników, zebrane zdjęcia zwiększy trudność kolejnych operacji, w celu uproszczenia. Późniejsza praca wymaga skutecznych metod wstępnej obróbki obrazów w rzeczywistej produkcji.

Po pierwsze, podczas procesu akwizycji obrazu wystąpią problemy, takie jak nadmiarowość obrazu i nieprawidłowości w nazewnictwie podczas zapisywania. Zbędne obrazy nie tylko będą miały wpływ na pracę, ale także będą miały ogromny wpływ na wydajność i zwiększą trudność późniejszej pracy. Dlatego konieczne jest usunięcie zduplikowanych zdjęć.

Po drugie, w kolekcji W procesie tworzenia obrazu, pod wpływem prądu i szumu, zostaną wygenerowane pewne nieistotne informacje. Dlatego konieczne jest zastosowanie metody filtrowania Gaussa w celu odszumienia obrazu i zachowania informacji przydatnych do wykrywania i rozpoznawania.