Nije Common Rail Valve F00VC01362 foar ynjeksje 0445110302 0445110303 foar ynjeksjenaald

Troch de rappe ûntwikkeling fan 'e maatskippij binne auto's in hieltyd wichtiger reisynstrumint wurden yn it deistich libben. As apparaat foar it ynjeksje fan benzine yn autosilinders, spilet de klepsit fan auto-ynjektors in heul wichtige rol yn kontrôle fan brânstofhoeveelheid. Hoe de kwaliteit fan 'e dielen te ferbetterjen is in wichtich probleem wurden fan soarch, mar fanwegen de lytse grutte fan dielen is it maklik beheind troch de ferwurkingstechnology. Tidens it produksjeproses sil it ûnûntkomber krassen, defekten, roestflekken, wite flekken en oare soarten defekten binnen litte, dy't de prestaasjes fan 'e automotive-injectorstoel beynfloedzje.

Dêrom is it útkiezen fan defekte dielen út in protte dielen in ûnûntkomber projekt wurden. Mei de rappe tanimming fan ôfbyldingsgegevens en de rappe foarútgong fan hardware-kompjûterfermogen, is de technology foar deteksje fan djippe learen, fertsjintwurdige troch konvolúsjoneel neuraal netwurk, tapast op de relatearre taken fan flaterdeteksje. Yn ferliking mei it tradisjonele algoritme is de prestaasjes sterk ferbettere. Yn 2014 stelden Ross Girshick [1] en oaren it R-CNN-algoritme foar om kandidaatregio's út te heljen fia in selektyf sykalgoritme, mar it algoritme is berekkeningsintensyf en stadich. Ferfolgens wurdt it doeldeteksjealgoritme SPP-Net foarsteld, dat it probleem fan objektdeformaasje oplost, en dan wurdt Fast R-CNN foarsteld troch it yntrodusearjen fan multi-task ferlies en RoI Pooling, dy't multi-task learen brûkt om klassifikaasje en regression te foltôgjen.

De regionale metoade oannommen troch it algoritme sil lykwols noch in protte tiid ferbrûke. Dêrom stelde Ren [2] it Faster R-CNN-algoritme foar. It algoritme yntrodusearret it RPN-netwurk op basis fan it Fast R-CNN-algoritme, dat sterk ferbettere is yn snelheid en prestaasjes. It Faster R-CNN-algoritme kin bettere resultaten berikke yn objektdeteksje dan oare algoritmen.