Nový ventil Common Rail F00VC01362 pre vstrekovač 0445110302 0445110303 pre vstrekovaciu ihlu

V dôsledku rýchleho rozvoja spoločnosti sa automobily stávajú čoraz dôležitejším cestovným nástrojom v každodennom živote.Ako zariadenie na vstrekovanie benzínu do automobilových valcov zohráva ventilové sedlo vstrekovačov automobilu veľmi dôležitú úlohu pri regulácii množstva paliva.Ako zlepšiť kvalitu dielov sa stalo dôležitým problémom, ale kvôli malým rozmerom dielov je ľahké byť limitovaný technológiou spracovania.Počas výrobného procesu vo vnútri nevyhnutne zanechá škrabance, defekty, hrdzavé škvrny, biele škvrny a iné typy defektov, čo ovplyvňuje výkon sedadla vstrekovača automobilu.

Preto sa výber chybných dielov z mnohých dielov stal nevyhnutným projektom.S rýchlym nárastom obrazových údajov a rýchlym pokrokom hardvérových výpočtových schopností sa technológia detekcie hlbokého učenia, reprezentovaná konvolučnou neurónovou sieťou, aplikovala na súvisiace úlohy detekcie chýb.V porovnaní s tradičným algoritmom sa výkon výrazne zlepšil.V roku 2014 Ross Girshick [1] a ďalší navrhli algoritmus R-CNN na extrakciu kandidátskych oblastí pomocou algoritmu selektívneho vyhľadávania, ale tento algoritmus je výpočtovo náročný a pomalý.Následne je navrhnutý algoritmus detekcie cieľa SPP-Net, ktorý rieši problém deformácie objektu a následne je navrhnutý Fast R-CNN zavedením multi-task loss a RoI Pooling, ktorý využíva multi-task učenie na dokončenie klasifikácie a regresie.

Regionálna metóda prijatá algoritmom však zaberie veľa času.Ren [2] preto navrhol algoritmus Faster R-CNN.Algoritmus predstavuje sieť RPN na základe rýchleho algoritmu R-CNN, ktorý bol výrazne vylepšený z hľadiska rýchlosti a výkonu.Algoritmus Faster R-CNN môže dosiahnuť lepšie výsledky pri detekcii objektov ako iné algoritmy.