OEM nov sklop ventila skupnega voda F00VC01329 za injektor 0445110168 169 284 315

Odkrivanje napak sedeža ventila avtomobilskega injektorja na podlagi fuzije funkcij(3. del)

Posledično je treba pri zaznavanju sedeža ventila injektorja sliko stisniti, velikost slike pa obdelati na 800 × 600, po pridobitvi poenotenih standardnih slikovnih podatkov se uporabi metoda izboljšave podatkov, da se prepreči pomanjkanje podatkov, in sposobnost posploševanja modela je izboljšana. Izboljšanje podatkov je pomemben del usposabljanja modelov globokega učenja [3]. Na splošno obstajata dva načina za povečanje podatkov. Ena je, da omrežnemu modelu dodamo plast podatkovnih motenj, da omogočimo vsakokratno usposabljanje slike, obstaja še en način, ki je bolj enostaven in preprost, vzorce slik izboljšamo z obdelavo slike pred usposabljanjem, nabor podatkov razširimo z metode izboljšave slike, kot sta geometrija in barvni prostor, in uporabite HSV v barvnem prostoru, kot je prikazano na sliki 1.

Izboljšava modela hitrejšega odpravljanja napak R-CNN V modelu algoritma Faster R-CNN morate najprej izvleči značilnosti vhodne slike, ekstrahirane izhodne značilnosti pa lahko neposredno vplivajo na končni učinek zaznavanja. Jedro zaznavanja objektov je ekstrakcija značilnosti. Skupno omrežje za pridobivanje lastnosti v modelu algoritma Faster R-CNN je omrežje VGG-16. Ta mrežni model je bil najprej uporabljen pri klasifikaciji slik [4], nato pa je bil odličen pri semantični segmentaciji [5] in zaznavanju opaznosti [6].

Omrežje za ekstrakcijo funkcij v modelu algoritma Faster R-CNN je nastavljeno na VGG-16, čeprav ima model algoritma dobro zmogljivost pri zaznavanju, pri ekstrakciji funkcij slike uporablja samo izhod zemljevida funkcij iz zadnje plasti, tako da bo nekaj izgub in zemljevida značilnosti ni mogoče v celoti dokončati, kar bo povzročilo netočnost pri odkrivanju majhnih ciljnih predmetov in vplivalo na končni učinek prepoznave.