OEM новий клапан Common Rail F00VC01329 для інжектора 0445110168 169 284 315

Виявлення дефектів сідла клапана автомобільної форсунки на основі злиття ознак(частина 3)

Як наслідок, під час виявлення сідла клапана інжектора зображення потрібно стиснути, а розмір зображення обробляється до 800 × 600, після отримання уніфікованих стандартних даних зображення використовується метод покращення даних, щоб уникнути дефіциту даних, і підвищується здатність до узагальнення моделі. Покращення даних є важливою частиною навчання моделей глибокого навчання [3]. Зазвичай існує два способи збільшення даних. Перший полягає в тому, щоб додати рівень збурення даних до моделі мережі, щоб зображення можна було тренувати кожного разу, є ще один спосіб, більш зрозумілий і простий, зразки зображень покращуються шляхом обробки зображення перед навчанням, ми розширюємо набір даних за допомогою методи покращення зображення, такі як геометрія та колірний простір, і використання HSV у колірному просторі, як показано на малюнку 1.

Удосконалення моделі виявлення дефектів Faster R-CNN У моделі алгоритму Faster R-CNN, перш за все, вам потрібно витягти особливості вхідного зображення, а витягнуті вихідні характеристики можуть безпосередньо впливати на кінцевий ефект виявлення. Основою виявлення об’єктів є виділення ознак. Загальною мережею вилучення ознак у моделі алгоритму Faster R-CNN є мережа VGG-16. Ця модель мережі вперше була використана в класифікації зображень [4], а потім вона була чудовою в семантичній сегментації [5] і виявленні помітності [6].

Мережа вилучення ознак у моделі алгоритму Faster R-CNN налаштована на VGG-16, хоча модель алгоритму має хорошу продуктивність у виявленні, вона використовує лише вихідні дані карти ознак з останнього шару під час вилучення ознак зображення, тому буде деякі втрати, і карта ознак не може бути повністю завершена, що призведе до неточності у виявленні малих цільових об'єктів і вплине на кінцевий ефект розпізнавання.