שסתום מסילה משותף חדש F00VC01362 למזרק 0445110302 0445110303 למחט הזרקה

בשל ההתפתחות המהירה של החברה, מכוניות הפכו לכלי נסיעות חשוב יותר בחיי היומיום.כמכשיר להזרקת בנזין לצילינדרים לרכב, מושב השסתום של מזרקי רכב ממלא תפקיד חשוב מאוד בבקרת כמות הדלק.כיצד לשפר את איכות החלקים הפך לנושא חשוב לדאגה, אך בגלל הגודל הקטן של החלקים, קל להיות מוגבל על ידי טכנולוגיית העיבוד.במהלך תהליך הייצור, הוא ישאיר בהכרח שריטות, פגמים, כתמי חלודה, כתמים לבנים וסוגים אחרים של פגמים בפנים, אשר משפיעים על הביצועים של מושב מזרק הרכב.

לכן, בחירת חלקים פגומים מחלקים רבים הפכה לפרויקט בלתי נמנע.עם הגידול המהיר של נתוני התמונה וההתקדמות המהירה של יכולת מחשוב החומרה, טכנולוגיית זיהוי הלמידה העמוקה, המיוצגת על ידי רשת עצבית קונבולוציונית, יושמה במשימות הקשורות לזיהוי פגמים.בהשוואה לאלגוריתם המסורתי, הביצועים שופרו מאוד.בשנת 2014, רוס גירשיק [1] ואחרים הציעו את אלגוריתם R-CNN כדי לחלץ אזורים מועמדים באמצעות אלגוריתם חיפוש סלקטיבי, אך האלגוריתם אינטנסיבי ואיטי מבחינה חישובית.לאחר מכן, מוצע אלגוריתם זיהוי היעד SPP-Net, אשר פותר את בעיית עיוות האובייקט, ולאחר מכן מוצע Fast R-CNN על ידי הצגת אובדן ריבוי משימות ו-RoI Pooling, המשתמש בלמידה מרובה משימות להשלמת סיווג ורגרסיה.

עם זאת, השיטה האזורית שאומץ על ידי האלגוריתם עדיין תצרוך זמן רב.לכן, רן [2] הציע את האלגוריתם Faster R-CNN.האלגוריתם מציג את רשת ה-RPN על בסיס אלגוריתם Fast R-CNN, אשר שופר מאוד במהירות ובביצועים.אלגוריתם R-CNN המהיר יכול להשיג תוצאות טובות יותר בזיהוי אובייקטים מאשר אלגוריתמים אחרים.