OEM новы клапан Common Rail F00VC01329 для інжэктара 0445110168 169 284 315

Выяўленне дэфектаў сядла клапана аўтамабільнай фарсункі на аснове зліцця функцый(частка 3)

У выніку пры выяўленні сядла клапана інжэктара выяву трэба сціснуць, а памер выявы апрацаваць да 800 × 600, пасля атрымання адзіных стандартных даных выявы выкарыстоўваецца метад паляпшэння дадзеных, каб пазбегнуць недахопу дадзеных, і пашыраецца здольнасць абагульнення мадэлі. Паляпшэнне даных з'яўляецца важнай часткай навучання мадэлям глыбокага навучання [3]. Як правіла, ёсць два спосабы павялічыць дадзеныя. Адным з іх з'яўляецца даданне ўзроўню абурэнняў даных у сеткавую мадэль, каб кожны раз можна было навучыць відарыс, ёсць яшчэ адзін спосаб, які з'яўляецца больш зразумелым і простым, узоры відарысаў паляпшаюцца шляхам апрацоўкі відарысаў перад навучаннем, мы пашыраем набор даных з дапамогай метады паляпшэння выявы, такія як геаметрыя і каляровая прастора, і выкарыстанне HSV у каляровай прасторы, як паказана на малюнку 1.

Паляпшэнне мадэлі выяўлення дэфектаў Faster R-CNN У мадэлі алгарытму Faster R-CNN, перш за ўсё, вам трэба вылучыць асаблівасці ўваходнага малюнка, а вынятыя выхадныя прыкметы могуць непасрэдна паўплываць на канчатковы эфект выяўлення. Ядром выяўлення аб'ектаў з'яўляецца вылучэнне прыкмет. Агульная сетка вылучэння характарыстык у мадэлі алгарытму Faster R-CNN - гэта сетка VGG-16. Гэтая сеткавая мадэль упершыню была выкарыстана ў класіфікацыі малюнкаў [4], а затым яна была выдатнай у семантычнай сегментацыі [5] і выяўленні прыкметнасці [6].

Сетка вылучэння аб'ектаў у мадэлі алгарытму Faster R-CNN настроена на VGG-16, хоць мадэль алгарытму мае добрую прадукцыйнасць пры выяўленні, яна выкарыстоўвае толькі вывад карты аб'ектаў з апошняга ўзроўню пры выманні аб'ектаў выявы, таму будзе некаторыя страты і карта функцый не можа быць цалкам завершана, што прывядзе да недакладнасці ў выяўленні дробных мэтавых аб'ектаў і паўплывае на выніковы эфект распазнання.