Perakitan Katup Rel Umum Baru OEM F00VC01329 untuk Injektor 0445110168 169 284 315

Deteksi cacat dudukan katup injektor otomotif berdasarkan fusi fitur(bagian 3)

Oleh karena itu, dalam pendeteksian dudukan katup injektor, gambar perlu dikompresi, dan ukuran gambar diproses menjadi 800 × 600, setelah memperoleh data gambar standar terpadu, digunakan metode peningkatan data untuk menghindari kekurangan data, dan kemampuan generalisasi model ditingkatkan. Peningkatan data adalah bagian penting dari pelatihan model pembelajaran mendalam [3]. Umumnya ada dua cara untuk meningkatkan data. Salah satunya adalah dengan menambahkan lapisan gangguan data ke model jaringan untuk memungkinkan gambar dilatih setiap saat, ada cara lain yang lebih mudah dan sederhana, sampel gambar ditingkatkan dengan pemrosesan gambar sebelum pelatihan, kami memperluas kumpulan data menggunakan metode peningkatan gambar seperti geometri dan ruang warna, dan menggunakan HSV dalam ruang warna, seperti yang ditunjukkan pada Gambar 1.

Peningkatan model pembelotan cacat R-CNN yang Lebih Cepat Dalam model algoritma R-CNN yang Lebih Cepat, pertama-tama, Anda perlu mengekstrak fitur gambar masukan, dan fitur keluaran yang diekstraksi dapat secara langsung mempengaruhi efek deteksi akhir. Inti dari deteksi objek adalah ekstraksi fitur. Jaringan ekstraksi fitur yang umum pada model algoritma Faster R-CNN adalah jaringan VGG-16. Model jaringan ini pertama kali digunakan dalam klasifikasi gambar [4], dan kemudian sangat baik dalam segmentasi semantik [5] dan deteksi arti-penting [6].

Jaringan ekstraksi fitur pada model algoritma Faster R-CNN diatur ke VGG-16, meskipun model algoritma mempunyai kinerja yang baik dalam pendeteksiannya, namun hanya menggunakan keluaran peta fitur dari lapisan terakhir pada ekstraksi fitur gambar, sehingga akan terjadi beberapa kerugian dan peta fitur tidak dapat diselesaikan sepenuhnya, yang akan menyebabkan ketidakakuratan dalam pendeteksian objek target kecil dan mempengaruhi efek pengenalan akhir.