Asambleja e valvulës së re të zakonshme OEM F00VC01329 Për injektorin 0445110168 169 284 315

Zbulimi i defektit të sediljes së valvulës së injektorit të automobilave bazuar në shkrirjen e veçorive(pjesa 3)

Si rezultat, në zbulimin e sediljes së valvulës së injektorit, fotografia duhet të kompresohet dhe madhësia e figurës përpunohet në 800 × 600, pas marrjes së të dhënave standarde të unifikuara të imazhit, përdoret metoda e përmirësimit të të dhënave për të shmangur mungesën e të dhënave, dhe aftësia e përgjithësimit të modelit është përmirësuar. Rritja e të dhënave është një pjesë e rëndësishme e trajnimit të modeleve të të mësuarit të thellë [3]. Në përgjithësi ka dy mënyra për të rritur të dhënat. Njëra është shtimi i një shtrese të trazuar të të dhënave në modelin e rrjetit për të lejuar që imazhi të trajnohet çdo herë, ka një mënyrë tjetër që është më e drejtpërdrejtë dhe e thjeshtë, mostrat e imazhit përmirësohen nga përpunimi i imazhit përpara stërvitjes, ne zgjerojmë grupin e të dhënave duke përdorur Metodat e përmirësimit të imazhit si gjeometria dhe hapësira e ngjyrave, dhe përdorni HSV në hapësirën e ngjyrave, siç tregohet në figurën 1.

Përmirësimi i modelit të defektit më të shpejtë R-CNN Në modelin e algoritmit më të shpejtë R-CNN, para së gjithash, ju duhet të nxirrni veçoritë e figurës hyrëse dhe veçoritë e nxjerra të daljes mund të ndikojnë drejtpërdrejt në efektin e zbulimit përfundimtar. Thelbi i zbulimit të objektit është nxjerrja e veçorive. Rrjeti i përbashkët i nxjerrjes së veçorive në modelin e algoritmit Faster R-CNN është rrjeti VGG-16. Ky model rrjeti u përdor fillimisht në klasifikimin e imazheve [4], dhe më pas ka qenë i shkëlqyer në segmentimin semantik [5] dhe zbulimin e spikaturave [6].

Rrjeti i nxjerrjes së veçorive në modelin e algoritmit Faster R-CNN është vendosur në VGG-16, megjithëse modeli i algoritmit ka një performancë të mirë në zbulim, ai përdor vetëm daljen e hartës së veçorive nga shtresa e fundit në nxjerrjen e veçorive të imazhit, kështu që do të ketë disa humbje dhe harta e veçorive nuk mund të plotësohen plotësisht, gjë që do të çojë në pasaktësi në zbulimin e objekteve të vogla të synuara dhe do të ndikojë në efektin e njohjes përfundimtare.