Nieuwe Common Rail Injector Accessoires Klepconstructie F00VC01317 voor Injector 0445110230

Defectdetectie van de klepzitting van de auto-injector op basis van functiefusie(deel 2)

Hoewel het Faster R-CNN-algoritme goede detectieprestaties heeft bij het detecteren van objecten, is de omvang van de stoeldefecten van de auto-brandstofinjector relatief klein en zijn er veel soorten defecten. Daarom wordt bij dit proces gebruik gemaakt van de snellere R-CNN-detectie. Het is onmogelijk om de identificatie en positionering van defecten nauwkeurig te voltooien, wat waarschijnlijk tot een gemiste inspectie zal leiden. In dit artikel introduceren we het idee van kenmerkfusie op het Faster R-CNN-algoritme, combineren we de kenmerken van verschillende convolutielagen, verbeteren we het expressievermogen van het detectiealgoritme en maken we het nauwkeuriger om de defecten van de klepzitting van de auto-injector.

2. Constructie van gegevenssets

2.1 Beeldgegevensverwerking

Tijdens het verzamelen van defecten in de klepzitting van de auto-injector met behulp van hardware zoals industriële CCD-camera's, gereedschappen, pc's, enz., Als gevolg van de interferentie van de omgeving, stroom, werking en andere factoren, worden de verzamelde afbeeldingen zal de moeilijkheidsgraad van de daaropvolgende bewerkingen vergroten, om het vervolgwerk te vereenvoudigen. Verdere werkzaamheden vereisen effectieve methoden om de afbeeldingen voor te bewerken in de daadwerkelijke productie.

Ten eerste zullen er tijdens het beeldacquisitieproces problemen optreden zoals beeldredundantie en onregelmatigheden in de naamgeving tijdens het opslaan. Overtollige afbeeldingen zullen niet alleen het werk beïnvloeden, de efficiëntie heeft ook een grote impact, en het zal de moeilijkheidsgraad van het daaropvolgende werk vergroten. Daarom is het noodzakelijk om dubbele afbeeldingen te verwijderen.

Ten tweede zal in de verzameling tijdens het beeldproces, als gevolg van de invloed van stroom en ruis, een aantal irrelevante informatie worden gegenereerd. Daarom is het noodzakelijk om de Gaussiaanse filtermethode te gebruiken om de ruis in het beeld te verwijderen en de nuttige informatie voor detectie en herkenning vast te houden.