Нови Цоммон Раил вентил Ф00ВЦ01362 за ињектор 0445110302 0445110303 за иглу за убризгавање

Због брзог развоја друштва, аутомобили су постали све важније средство путовања у свакодневном животу. Као уређај за убризгавање бензина у аутомобилске цилиндре, седиште вентила аутомобилских ињектора игра веома важну улогу у контроли количине горива. Како побољшати квалитет делова постало је важно питање, али због мале величине делова, лако је бити ограничен технологијом обраде. Током производног процеса, неизбежно ће оставити огреботине, дефекте, мрље од рђе, беле мрље и друге врсте недостатака унутра, што утиче на перформансе седишта аутомобилског ињектора.

Стога је одабир неисправних делова из многих делова постао неизбежан пројекат. Са брзим повећањем података о слици и брзим напретком хардверских рачунарских способности, технологија детекције дубоког учења, коју представља конволуциона неуронска мрежа, примењена је на сродне задатке детекције грешака. У поређењу са традиционалним алгоритмом, перформансе су знатно побољшане. Године 2014. Рос Гиршик [1] ​​и други су предложили Р-ЦНН алгоритам за издвајање региона кандидата кроз алгоритам селективне претраге, али је алгоритам рачунарски интензиван и спор. Након тога се предлаже алгоритам за детекцију циљева СПП-Нет, који решава проблем деформације објекта, а затим се предлаже Фаст Р-ЦНН увођењем губитка више задатака и РоИ Поолинг-а, који користи учење са више задатака за завршетак класификације и регресије.

Међутим, регионална метода коју је усвојио алгоритам ће и даље одузимати доста времена. Стога је Рен [2] предложио бржи Р-ЦНН алгоритам. Алгоритам уводи РПН мрежу на основу брзог Р-ЦНН алгоритма, који је знатно побољшан у брзини и перформансама. Бржи Р-ЦНН алгоритам може постићи боље резултате у детекцији објеката од других алгоритама.