Phụ kiện đầu phun Common Rail mới Cụm van F00VC01317 cho đầu phun 0445110230

Phát hiện khuyết tật của ghế van phun ô tô dựa trên tính năng tổng hợp(phần 2)

Mặc dù thuật toán Faster R-CNN có hiệu suất phát hiện tốt trong việc phát hiện vật thể nhưng kích thước khuyết tật chỗ ngồi của kim phun nhiên liệu ô tô tương đối nhỏ và có nhiều loại khuyết tật. Do đó, tính năng phát hiện R-CNN nhanh hơn được sử dụng trong quy trình, không thể hoàn thành chính xác việc xác định và định vị các khuyết tật, điều này có thể dẫn đến việc bỏ sót việc kiểm tra. Trong bài báo này, chúng tôi giới thiệu ý tưởng kết hợp tính năng trên thuật toán Faster R-CNN, hợp nhất các tính năng của các lớp chập khác nhau, cải thiện khả năng biểu hiện của thuật toán phát hiện và giúp phát hiện chính xác hơn các khuyết tật của chân van của kim phun ô tô.

2. Xây dựng bộ dữ liệu

2.1 Xử lý dữ liệu hình ảnh

Trong quá trình thu thập các khuyết tật ở chân van của kim phun ô tô với sự hỗ trợ của phần cứng như camera công nghiệp CCD, dụng cụ, PC, v.v. do sự can thiệp của môi trường, dòng điện, hoạt động và các yếu tố khác, các hình ảnh được thu thập sẽ làm tăng độ khó của các thao tác tiếp theo, nhằm đơn giản hóa công việc tiếp theo đòi hỏi các phương pháp hiệu quả để xử lý trước các hình ảnh trong quá trình sản xuất thực tế.

Đầu tiên, trong quá trình thu nhận hình ảnh sẽ xuất hiện các vấn đề như dư thừa hình ảnh và đặt tên không đều trong quá trình lưu. Hình ảnh dư thừa không chỉ ảnh hưởng đến hiệu quả công việc mà còn ảnh hưởng lớn đến độ khó của công việc tiếp theo. Vì vậy, việc loại bỏ những hình ảnh trùng lặp là cần thiết.

Thứ hai, trong quá trình thu thập hình ảnh, do ảnh hưởng của dòng điện và nhiễu sẽ tạo ra một số thông tin không liên quan. Vì vậy, cần sử dụng phương pháp lọc Gaussian để khử nhiễu ảnh và giữ lại những thông tin hữu ích cho việc phát hiện và nhận dạng.