OEM Nová zostava ventilu Common Rail F00VC01329 Pre vstrekovač 0445110168 169 284 315

Detekcia defektu sedla ventilu automobilového vstrekovača na základe fúzie funkcií(časť 3)

Výsledkom je, že pri detekcii sedla ventilu vstrekovača je potrebné obrázok skomprimovať a veľkosť obrázka spracovať na 800 × 600, po získaní jednotných štandardných obrazových údajov sa používa metóda vylepšenia údajov, aby sa predišlo nedostatku údajov, a zlepšuje sa schopnosť zovšeobecnenia modelu. Vylepšovanie údajov je dôležitou súčasťou tréningových modelov hlbokého učenia [3]. Vo všeobecnosti existujú dva spôsoby, ako zvýšiť objem údajov. Jedným z nich je pridať do sieťového modelu vrstvu rušenia údajov, aby bolo možné obraz trénovať zakaždým, existuje ďalší spôsob, ktorý je priamočiarejší a jednoduchší, vzorky obrazu sú vylepšené spracovaním obrazu pred trénovaním, rozširujeme súbor údajov pomocou metódy vylepšenia obrazu, ako je geometria a farebný priestor, a použitie HSV vo farebnom priestore, ako je znázornené na obrázku 1.

Vylepšenie rýchlejšieho modelu defektu defektu R-CNN V modeli algoritmu Faster R-CNN musíte najskôr extrahovať vlastnosti vstupného obrazu a extrahované výstupné vlastnosti môžu priamo ovplyvniť konečný efekt detekcie. Jadrom detekcie objektov je extrakcia vlastností. Spoločnou sieťou na extrakciu funkcií v modeli algoritmu Faster R-CNN je sieť VGG-16. Tento sieťový model bol prvýkrát použitý pri klasifikácii obrázkov [4] a potom bol vynikajúci pri sémantickej segmentácii [5] a detekcii nápadnosti [6].

Sieť extrakcie prvkov v modeli algoritmu Faster R-CNN je nastavená na VGG-16, hoci model algoritmu má dobrý výkon pri detekcii, pri extrakcii prvkov obrazu používa iba výstup mapy prvkov z poslednej vrstvy, takže bude niektoré straty a mapa prvkov nemôže byť úplne dokončená, čo povedie k nepresnosti detekcie malých cieľových objektov a ovplyvní konečný efekt rozpoznania.