Uusi Common Rail -venttiili F00VC01362 injektoriin 0445110302 0445110303 ruiskutusneulalle

Yhteiskunnan nopean kehityksen myötä autoista on tullut yhä tärkeämpi matkustusväline jokapäiväisessä elämässä. Laitteena bensiinin ruiskuttamiseksi auton sylintereihin, autojen ruiskutussuuttimien venttiilin istukalla on erittäin tärkeä rooli polttoaineen määrän säätelyssä. Osien laadun parantamisesta on tullut tärkeä huolenaihe, mutta osien pienen koon vuoksi sitä on helppo rajoittaa käsittelytekniikalla. Tuotantoprosessin aikana se jättää väistämättä sisälle naarmuja, vikoja, ruostepisteitä, valkoisia täpliä ja muita vikoja, jotka vaikuttavat auton ruiskutussuuttimen istuimen suorituskykyyn.

Siksi viallisten osien poimimisesta monista osista on tullut väistämätön projekti. Kuvadatan nopean lisääntymisen ja laitteiston laskentakyvyn nopean kehittymisen myötä syvän oppimisen havaitsemistekniikkaa, jota edustaa konvoluutiohermoverkko, on sovellettu siihen liittyviin vikojen havaitsemisen tehtäviin. Perinteiseen algoritmiin verrattuna suorituskyky on parantunut huomattavasti. Vuonna 2014 Ross Girshick [1] ja muut ehdottivat R-CNN-algoritmia ehdokasalueiden poimimiseksi valikoivan hakualgoritmin avulla, mutta algoritmi on laskennallisesti intensiivinen ja hidas. Myöhemmin ehdotetaan kohteen havaitsemisalgoritmia SPP-Net, joka ratkaisee objektin muodonmuutosongelman, ja sitten ehdotetaan Fast R-CNN:tä ottamalla käyttöön monitehtävähäviö ja RoI Pooling, joka käyttää usean tehtävän oppimista luokituksen ja regression suorittamiseen.

Algoritmin käyttämä alueellinen menetelmä vie kuitenkin edelleen paljon aikaa. Siksi Ren [2] ehdotti Faster R-CNN -algoritmia. Algoritmi esittelee RPN-verkon Fast R-CNN -algoritmin pohjalta, jonka nopeutta ja suorituskykyä on parannettu huomattavasti. Nopeampi R-CNN-algoritmi voi saavuttaa parempia tuloksia kohteen havaitsemisessa kuin muut algoritmit.