OEM нов монтаж на вентила Common Rail F00VC01329 за 0445110168 169 284 315 инжектор

Откриване на дефекти на седло на клапан на автомобилен инжектор въз основа на сливане на характеристики(част 3)

В резултат на това при откриването на седалката на инжекторния клапан картината трябва да бъде компресирана и размерът на картината се обработва до 800 × 600, след получаване на унифицирани стандартни данни за изображение се използва методът за подобряване на данните, за да се избегне недостиг на данни, и способността за обобщаване на модела е подобрена.Подобряването на данните е важна част от обучението на модели за дълбоко обучение [3].Обикновено има два начина за увеличаване на данните.Единият е да добавите слой за смущение на данните към мрежовия модел, за да позволите на изображението да се обучава всеки път, има друг начин, който е по-ясен и прост, пробите на изображения се подобряват чрез обработка на изображения преди обучение, ние разширяваме набора от данни, използвайки методи за подобряване на изображението, като геометрия и цветово пространство, и използвайте HSV в цветовото пространство, както е показано на фигура 1.

Подобряване на модела за дефектиране на дефекти Faster R-CNN В модела Faster R-CNN алгоритъм, на първо място, трябва да извлечете характеристиките на входната картина, а извлечените изходни характеристики могат директно да повлияят на крайния ефект на откриване.Ядрото на откриването на обекти е извличането на характеристики.Общата мрежа за извличане на функции в модела на алгоритъма Faster R-CNN е мрежата VGG-16.Този мрежов модел беше използван за първи път в класификацията на изображения [4], а след това беше отличен в семантичното сегментиране [5] и откриването на значимост [6].

Мрежата за извличане на характеристики в модела на алгоритъма Faster R-CNN е настроена на VGG-16, въпреки че моделът на алгоритъма има добра производителност при откриване, той използва само изхода на картата на характеристиките от последния слой при извличане на характеристики на изображение, така че ще има някои загуби и картата на характеристиките не може да бъде напълно завършена, което ще доведе до неточност при откриването на малки целеви обекти и ще повлияе на крайния ефект на разпознаване.