Neue Common-Rail-Injektor-Zubehör-Ventilbaugruppe F00VC01317 für Injektor 0445110230

Fehlererkennung am Ventilsitz von Kfz-Einspritzventilen basierend auf Merkmalsfusion(Teil 2)

Obwohl der Faster R-CNN-Algorithmus eine gute Erkennungsleistung bei der Erkennung von Objekten aufweist, ist die Sitzdefektgröße von Kraftstoffeinspritzdüsen für Kraftfahrzeuge relativ gering und es gibt viele Arten von Defekten. Da im Prozess die schnellere R-CNN-Erkennung verwendet wird, ist es unmöglich, die Identifizierung und Positionierung von Fehlern genau abzuschließen, was wahrscheinlich zu einer versäumten Inspektion führt. In diesem Artikel stellen wir die Idee der Merkmalsfusion im Faster R-CNN-Algorithmus vor, verschmelzen die Merkmale verschiedener Faltungsschichten, verbessern die Ausdrucksfähigkeit des Erkennungsalgorithmus und machen die Erkennung von Ventilsitzdefekten genauer der Kfz-Injektor.

2. Datensatzkonstruktion

2.1 Bilddatenverarbeitung

Bei der Erfassung von Defekten am Ventilsitz des Kfz-Injektors mit Hilfe von Hardware wie CCD-Industriekameras, Werkzeugen, PCs usw. werden aufgrund der Beeinträchtigung der Umgebung, des Stroms, des Betriebs und anderer Faktoren die erfassten Bilder erfasst wird die Schwierigkeit nachfolgender Vorgänge erhöhen, um sie zu vereinfachen. Nachfolgende Arbeiten erfordern wirksame Methoden zur Vorverarbeitung der Bilder in der tatsächlichen Produktion.

Erstens kommt es während des Bildaufnahmevorgangs zu Problemen wie Bildredundanz und Unregelmäßigkeiten bei der Benennung beim Speichern. Redundante Bilder beeinträchtigen nicht nur die Arbeitseffizienz, sondern erhöhen auch die Schwierigkeit der nachfolgenden Arbeit. Daher ist es notwendig, doppelte Bilder zu entfernen.

Zweitens werden im Bildprozess aufgrund des Einflusses von Strom und Rauschen einige irrelevante Informationen generiert. Daher ist es notwendig, die Gaußsche Filtermethode zu verwenden, um das Bild zu entrauschen und die nützlichen Informationen für die Erkennung und Erkennung beizubehalten.