OEM новый клапан Common Rail в сборе Ф00ВК01329 для инжектора 0445110168 169 284 315

Обнаружение дефектов седла автомобильного инжекторного клапана на основе слияния элементов(часть 3)

В результате при обнаружении седла клапана форсунки изображение необходимо сжать, а размер изображения обрабатывается до 800 × 600. После получения унифицированных стандартных данных изображения используется метод улучшения данных, чтобы избежать нехватки данных. и способность к обобщению модели повышается.Улучшение данных является важной частью обучения моделей глубокого обучения [3].Обычно существует два способа увеличения данных.Один из них — добавить в сетевую модель слой искажения данных, чтобы изображение можно было обучать каждый раз. Есть другой, более прямой и простой способ: образцы изображений улучшаются путем обработки изображений перед обучением, мы расширяем набор данных, используя методы улучшения изображения, такие как геометрия и цветовое пространство, и использовать HSV в цветовом пространстве, как показано на рисунке 1.

Улучшение модели устранения дефектов Faster R-CNN В модели алгоритма Faster R-CNN, прежде всего, необходимо извлечь особенности входного изображения, а извлеченные выходные характеристики могут напрямую повлиять на конечный эффект обнаружения.Основой обнаружения объектов является извлечение признаков.Общей сетью выделения признаков в модели алгоритма Faster R-CNN является сеть VGG-16.Эта сетевая модель была впервые использована при классификации изображений [4], а затем отлично зарекомендовала себя при семантической сегментации [5] и обнаружении значимости [6].

Сеть извлечения признаков в модели алгоритма Faster R-CNN установлена ​​на VGG-16, хотя модель алгоритма имеет хорошую производительность при обнаружении, она использует только выходные данные карты признаков из последнего слоя при извлечении признаков изображения, поэтому будет некоторые потери и карта признаков не может быть полностью завершена, что приведет к неточности обнаружения мелких целевых объектов и повлияет на конечный эффект распознавания.