ახალი Common Rail Valve F00VC01362 ინჟექტორისთვის 0445110302 0445110303 საინექციო ნემსისთვის

საზოგადოების სწრაფი განვითარების გამო ავტომობილები ყოველდღიურ ცხოვრებაში სულ უფრო მნიშვნელოვან სამოგზაურო ინსტრუმენტად იქცა. როგორც საავტომობილო ცილინდრებში ბენზინის შეყვანის მოწყობილობა, საავტომობილო ინჟექტორების სარქვლის სავარძელი ძალიან მნიშვნელოვან როლს ასრულებს საწვავის რაოდენობის კონტროლში. როგორ გავაუმჯობესოთ ნაწილების ხარისხი, გახდა მნიშვნელოვანი საკითხი, მაგრამ ნაწილების მცირე ზომის გამო, ადვილია დამუშავების ტექნოლოგიით შეზღუდვა. წარმოების პროცესში ის აუცილებლად დატოვებს ნაკაწრებს, დეფექტს, ჟანგის ლაქებს, თეთრ ლაქებს და სხვა სახის დეფექტებს შიგნით, რაც გავლენას ახდენს მანქანის ინჟექტორის სავარძლის მუშაობაზე.

ამიტომ, მრავალი ნაწილიდან დეფექტური ნაწილების არჩევა გარდაუვალ პროექტად იქცა. გამოსახულების მონაცემების სწრაფი ზრდით და ტექნიკის გამოთვლის უნარის სწრაფი პროგრესით, ღრმა სწავლის გამოვლენის ტექნოლოგია, რომელიც წარმოდგენილია კონვოლუციური ნერვული ქსელით, გამოყენებული იქნა ხარვეზის აღმოჩენის დაკავშირებულ ამოცანებზე. ტრადიციულ ალგორითმთან შედარებით, შესრულება მნიშვნელოვნად გაუმჯობესდა. 2014 წელს როს გირშიკმა [1] და სხვებმა შემოგვთავაზეს R-CNN ალგორითმი კანდიდატი რეგიონების ამოსაღებად შერჩევითი ძიების ალგორითმის მეშვეობით, მაგრამ ალგორითმი გამოთვლით ინტენსიური და ნელია. შემდგომში შემოთავაზებულია სამიზნის აღმოჩენის ალგორითმი SPP-Net, რომელიც ხსნის ობიექტის დეფორმაციის პრობლემას, შემდეგ კი Fast R-CNN შემოთავაზებულია მრავალ დავალების დაკარგვისა და RoI Pooling-ის შემოღებით, რომელიც იყენებს მრავალ დავალების სწავლას კლასიფიკაციისა და რეგრესიის დასასრულებლად.

თუმცა, ალგორითმის მიერ მიღებული რეგიონალური მეთოდი მაინც დიდ დროს მოიხმარს. ამიტომ, რენმა [2] შემოგვთავაზა უფრო სწრაფი R-CNN ალგორითმი. ალგორითმი წარმოგიდგენთ RPN ქსელს Fast R-CNN ალგორითმის საფუძველზე, რომელიც მნიშვნელოვნად გაუმჯობესდა სიჩქარითა და შესრულებაში. Faster R-CNN ალგორითმს შეუძლია მიაღწიოს უკეთეს შედეგებს ობიექტების გამოვლენაში, ვიდრე სხვა ალგორითმები.