Neie Common Rail Injector Accessoiren Ventilversammlung F00VC01317 fir Injector 0445110230

Defekterkennung vum Autosinjektorventilsitz baséiert op Feature Fusioun(Deel 2)

Och wann de Faster R-CNN Algorithmus gutt Erkennungsleistung bei der Detektioun vun Objeten huet, ass d'Sëtzdefektgréisst vum Auto Brennstoffinjektor relativ kleng an et gi vill Aarte vu Mängel. Dofir gëtt de Faster R-CNN Detektioun am Prozess benotzt, et ass onméiglech d'Identifikatioun an d'Positionéierung vu Mängel präzis ze kompletéieren, wat méiglecherweis eng verpasst Inspektioun verursaacht. An dësem Pabeier presentéiere mir d'Iddi vun der Feature Fusioun um Faster R-CNN Algorithmus, fusionéieren d'Features vu verschiddene Konvolutiounsschichten, verbesseren d'Expressiounsfäegkeet vum Detektiounsalgorithmus, a maachen et méi genee fir d'Defekte vum Ventilsitz vun den Autosinjektor.

2. Dataset Construction

2.1 Bild Daten Veraarbechtung

Am Prozess vun Sammelt Mängel am Ventil Sëtz vun der Auto Injektor mat der Hëllef vun Hardware wéi CCD industriell Kameraen, Tooling, PC, etc., Wéinst der Amëschung vun der Ëmwelt, Stroum, Operatioun an aner Faktoren, déi gesammelt Biller wäert d'Schwieregkeet vun de spéider Operatiounen erhéijen, fir d'Vereinfachung vun der nächster Aarbecht erfuerdert effektiv Methoden fir d'Biller an der aktueller Produktioun virzebereeden.

Als éischt, wärend dem Bildacquisitiounsprozess, ginn et Probleemer wéi Bildredundanz an Numm Onregelméissegkeeten beim Spueren. Redundante Biller wäerten net nëmmen d'Aarbecht beaflossen, d'Effizienz huet e groussen Impakt, an et wäert d'Schwieregkeet vun der spéider Aarbecht erhéijen. Dofir ass et néideg duplizéiert Biller ze läschen.

Zweetens, an der Sammlung Am Prozess vum Bild, wéinst dem Afloss vu Stroum a Kaméidi, gëtt e puer irrelevant Informatioun generéiert. Dofir ass et néideg d'Gaussian Filtermethod ze benotzen fir d'Bild ze denoise an déi nëtzlech Informatioun fir Erkennung an Unerkennung ze behalen.