인젝터 용 새로운 커먼 레일 밸브 F00VC01362 0445110302 0445110303 주입 바늘 용

사회의 급속한 발전으로 인해 자동차는 일상생활에서 점점 더 중요한 여행 도구가 되었습니다. 자동차의 실린더에 휘발유를 주입하는 장치로 자동차 인젝터의 밸브시트는 연료량 조절에 있어서 매우 중요한 역할을 담당합니다. 부품의 품질을 어떻게 향상시킬 것인가가 중요한 화두가 되었지만, 부품의 크기가 작기 때문에 가공 기술의 제약을 받기 쉽습니다. 생산 과정에서 필연적으로 내부에 흠집, 결함, 녹 반점, 흰 반점 및 기타 유형의 결함이 남게 되어 자동차 인젝터 시트의 성능에 영향을 미칩니다.

따라서 수많은 부품 중에서 불량 부품을 골라내는 것이 불가피한 과제가 되었습니다. 이미지 데이터의 급격한 증가와 하드웨어 컴퓨팅 능력의 급속한 발전에 따라 컨볼루션 신경망으로 대표되는 딥러닝 탐지 기술이 결함 탐지 관련 작업에 적용되고 있습니다. 기존 알고리즘에 비해 성능이 크게 향상되었습니다. 2014년 Ross Girshick [1] 등은 선택적 검색 알고리즘을 통해 후보 영역을 추출하는 R-CNN 알고리즘을 제안했지만, 이 알고리즘은 계산 집약적이고 속도가 느립니다. 이어서 객체 변형 문제를 해결하는 타겟 검출 알고리즘 SPP-Net을 제안하고, 다중 작업 손실과 다중 작업 학습을 활용하여 분류 및 회귀를 완료하는 RoI Pooling을 도입하여 Fast R-CNN을 제안합니다.

그러나 알고리즘이 채택한 지역 방식은 여전히 ​​많은 시간을 소비하게 됩니다. 따라서 Ren [2]은 Faster R-CNN 알고리즘을 제안했습니다. 이 알고리즘은 Fast R-CNN 알고리즘을 기반으로 RPN 네트워크를 도입하여 속도와 성능이 크게 향상되었습니다. Faster R-CNN 알고리즘은 다른 알고리즘보다 객체 감지에서 더 나은 결과를 얻을 수 있습니다.