Nova válvula de carril común F00VC01362 para inxector 0445110302 0445110303 para agulla de inxección

Debido ao rápido desenvolvemento da sociedade, os automóbiles convertéronse nunha ferramenta de viaxe cada vez máis importante na vida diaria. Como dispositivo para inxectar gasolina nos cilindros dos automóbiles, o asento da chave dos inxectores dos automóbiles xoga un papel moi importante no control da cantidade de combustible. Como mellorar a calidade das pezas converteuse nun importante tema de preocupación, pero debido ao pequeno tamaño das pezas, é fácil limitarse pola tecnoloxía de procesamento. Durante o proceso de produción, inevitablemente deixará arañazos, defectos, puntos de ferruxe, manchas brancas e outros tipos de defectos no interior, o que afecta o rendemento do asento do inxector do automóbil.

Polo tanto, escoller pezas defectuosas de moitas partes converteuse nun proxecto inevitable. Co rápido aumento dos datos de imaxe e o rápido progreso da capacidade de computación do hardware, a tecnoloxía de detección de aprendizaxe profunda, representada pola rede neuronal convolucional, aplicouse ás tarefas relacionadas coa detección de fallos. En comparación co algoritmo tradicional, o rendemento mellorou moito. En 2014, Ross Girshick [1] e outros propuxeron o algoritmo R-CNN para extraer rexións candidatas a través dun algoritmo de busca selectiva, pero o algoritmo é computacionalmente intensivo e lento. Posteriormente, proponse o algoritmo de detección de obxectivos SPP-Net, que resolve o problema da deformación do obxecto, e despois proponse Fast R-CNN introducindo a perda de tarefas múltiples e a agrupación de RoI, que utiliza a aprendizaxe multitarefa para completar a clasificación e a regresión.

Non obstante, o método rexional adoptado polo algoritmo aínda consumirá moito tempo. Polo tanto, Ren [2] propuxo o algoritmo Faster R-CNN. O algoritmo introduce a rede RPN baseándose no algoritmo Fast R-CNN, que foi moi mellorado en velocidade e rendemento. O algoritmo Faster R-CNN pode conseguir mellores resultados na detección de obxectos que outros algoritmos.