Nyt Common Rail-injektortilbehør ventilsamling F00VC01317 til injektor 0445110230

Defektdetektering af injektorventilsæde til biler baseret på funktionssammensmeltning(del 2)

Selvom Faster R-CNN-algoritmen har en god detekteringsydelse ved detektering af genstande, er sædedefektstørrelsen på bilbrændstofinjektor relativt lille, og der er mange slags defekter. Derfor bruges Faster R-CNN detektion i processen, det er umuligt nøjagtigt at fuldføre identifikation og positionering af defekter, hvilket sandsynligvis vil forårsage en forpasset inspektion. I dette papir introducerer vi ideen om funktionsfusion på Faster R-CNN-algoritmen, fusionerer funktionerne i forskellige foldningslag, forbedrer detektionsalgoritmens ekspressionsevne og gør det mere nøjagtigt at detektere defekterne i ventilsædet i automobilinjektoren.

2. Datasætkonstruktion

2.1 Billeddatabehandling

I processen med at indsamle defekter i ventilsædet til bilinjektoren ved hjælp af hardware såsom CCD industrikameraer, værktøj, pc osv., på grund af interferens fra miljøet, strøm, drift og andre faktorer, de indsamlede billeder vil øge sværhedsgraden af ​​efterfølgende operationer, for at forenkle. Efterfølgende arbejde kræver effektive metoder til at forbehandle billederne i egentlig produktion.

For det første vil der under billedoptagelsesprocessen være problemer som billedredundans og navngivnings-uregelmæssigheder under lagring. Overflødige billeder vil ikke kun påvirke arbejdet, effektiviteten har stor betydning, og det vil øge sværhedsgraden af ​​det efterfølgende arbejde. Derfor er det nødvendigt at fjerne duplikerede billeder.

For det andet, i samlingen I processen med billedet vil der på grund af påvirkning af strøm og støj blive genereret nogle irrelevante oplysninger. Derfor er det nødvendigt at bruge den Gaussiske filtreringsmetode til at forringe billedet og bevare den nyttige information til detektion og genkendelse.