文献

J-GLOBAL ID：202002234557473046   整理番号：20A0688854

改良FasterR-CNNモデルの自動車噴射器弁座欠陥検出アルゴリズム【JST・京大機械翻訳】

Automobile injector seat detection algorithm based on improved Faster R-CNN model

著者 (4件)： Zhu Zonghong (广西科技大学 電气与信息工程学院,广西 柳州,545006) ,  Li Chungui (广西科技大学 計算机科学与通信工程学院,广西 柳州,545006) ,  Li Wei (广西科技大学 計算机科学与通信工程学院,广西 柳州,545006) ,  Huang Weijian (广西科技大学 電气与信息工程学院,广西 柳州,545006)
資料名： Guangxi Keji Daxue Xuebao  (Guangxi Keji Daxue Xuebao)
巻： 31  号： 1  ページ： 1-10  発行年： 2020年 
JST資料番号： C3549A  ISSN： 1004-6410  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： インゼクタ弁座の一般的欠陥認識を完成するために,深さ検出モデルを研究し,FasterR-CNNモデルに基づく弁座欠陥同定の改良方法を提案した。第一に,従来の生産における噴射器弁座の画像を収集し,処理し,次に,関連データセットを構築し,次に,FasterR-CNNモデル上で,候補フレームと特徴ネットワークを改良して,元のモデルより高い精度を得た。実験結果は,改良FasterR-CNNモデルが,インゼクタ弁座欠陥認識において精度が強化され,認識精度が71.79%であり,元のモデルより約3.9%高いことを示した。これは,この深さ学習法が,噴射器弁座欠陥の識別を効果的に実現でき,自動統合検出研究の基礎を提供した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *弁座 ,  *噴射 ,  ネットワーク ,  インゼクタ ,  *自動車
準シソーラス用語： 認識精度 ,  検出アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 圧縮点火機関  (PB02030N)

タイトルに関連する用語 (6件)： モデル ,  自動車 ,  噴射 ,  弁座 ,  欠陥検出 ,  アルゴリズム