Nuovi accessori per iniettori Common Rail Gruppo valvola F00VC01317 per iniettore 0445110230

Rilevamento dei difetti della sede della valvola dell'iniettore automobilistico basato sulla fusione delle funzionalità(parte 2)

Sebbene l'algoritmo Faster R-CNN abbia buone prestazioni di rilevamento nel rilevamento di oggetti, la dimensione del difetto del sedile dell'iniettore di carburante dell'automobile è relativamente piccola e esistono molti tipi di difetti. Pertanto, nel processo viene utilizzato il rilevamento R-CNN più veloce, è impossibile completare con precisione l'identificazione e il posizionamento dei difetti, il che potrebbe causare una mancata ispezione. In questo articolo, introduciamo l'idea della fusione delle funzionalità sull'algoritmo Faster R-CNN, fondiamo le caratteristiche di diversi strati di convoluzione, miglioriamo la capacità di espressione dell'algoritmo di rilevamento e rendiamo più accurato il rilevamento dei difetti della sede della valvola di l'iniettore dell'automobile.

2. Costruzione del set di dati

2.1 Elaborazione dei dati di immagine

Nel processo di raccolta dei difetti nella sede della valvola dell'iniettore dell'automobile con l'aiuto di hardware come telecamere industriali CCD, attrezzature, PC, ecc., a causa dell'interferenza dell'ambiente, della corrente, del funzionamento e di altri fattori, le immagini raccolte aumenterà la difficoltà delle operazioni successive, al fine di semplificare Il lavoro successivo richiede metodi efficaci per preelaborare le immagini nella produzione effettiva.

Innanzitutto, durante il processo di acquisizione dell'immagine, si verificheranno problemi come la ridondanza dell'immagine e irregolarità nella denominazione durante il salvataggio. Immagini ridondanti non solo influenzeranno il lavoro, ma anche l'efficienza avrà un grande impatto, e aumenteranno anche la difficoltà del lavoro successivo. Pertanto, è necessario rimuovere le immagini duplicate.

In secondo luogo, nella raccolta Durante l'elaborazione dell'immagine, a causa dell'influenza della corrente e del rumore, verranno generate alcune informazioni irrilevanti. Pertanto, è necessario utilizzare il metodo di filtraggio gaussiano per eliminare il rumore dall'immagine e conservare le informazioni utili per la rilevazione e il riconoscimento.