សន្ទះ Common Rail ថ្មី F00VC01362 សម្រាប់ចាក់បញ្ចូល 0445110302 0445110303 សម្រាប់ម្ជុលចាក់

ដោយសារ​ការ​អភិវឌ្ឍ​យ៉ាង​ឆាប់រហ័ស​នៃ​សង្គម រថយន្ត​បាន​ក្លាយ​ជា​ឧបករណ៍​ធ្វើ​ដំណើរ​ដ៏​សំខាន់​ក្នុង​ជីវិត​ប្រចាំ​ថ្ងៃ។ ក្នុងនាមជាឧបករណ៍សម្រាប់ចាក់សាំងចូលទៅក្នុងស៊ីឡាំងរថយន្ត សន្ទះបិទបើករបស់ម៉ាស៊ីនចាក់រថយន្តដើរតួនាទីយ៉ាងសំខាន់ក្នុងការគ្រប់គ្រងបរិមាណប្រេងឥន្ធនៈ។ របៀបធ្វើឱ្យប្រសើរឡើងនូវគុណភាពនៃផ្នែកបានក្លាយទៅជាបញ្ហាសំខាន់នៃការព្រួយបារម្ភ ប៉ុន្តែដោយសារតែទំហំតូចនៃផ្នែកវាងាយស្រួលក្នុងការកំណត់ដោយបច្ចេកវិទ្យាកែច្នៃ។ ក្នុងអំឡុងពេលដំណើរការផលិត វានឹងជៀសមិនរួចបន្សល់ទុកនូវស្នាមប្រេះ ពិការភាព ចំណុចច្រែះ ចំណុចពណ៌ស និងប្រភេទផ្សេងទៀតនៃពិការភាពនៅខាងក្នុង ដែលប៉ះពាល់ដល់ដំណើរការនៃកៅអីចាក់ថ្នាំរថយន្ត។

ដូច្នេះហើយ ការជ្រើសរើសផ្នែកដែលខូចចេញពីផ្នែកជាច្រើនបានក្លាយទៅជាគម្រោងដែលជៀសមិនរួច។ ជាមួយនឹងការកើនឡើងយ៉ាងឆាប់រហ័សនៃទិន្នន័យរូបភាព និងការរីកចម្រើនយ៉ាងឆាប់រហ័សនៃសមត្ថភាពកុំព្យូទ័រផ្នែករឹង បច្ចេកវិទ្យាស្វែងរកការរៀនសូត្រជ្រៅដែលតំណាងដោយបណ្តាញសរសៃប្រសាទ convolutional ត្រូវបានអនុវត្តចំពោះកិច្ចការពាក់ព័ន្ធនៃការរកឃើញកំហុស។ បើប្រៀបធៀបជាមួយក្បួនដោះស្រាយបែបប្រពៃណី ការសម្តែងត្រូវបានធ្វើឱ្យប្រសើរឡើងយ៉ាងខ្លាំង។ ក្នុងឆ្នាំ 2014 Ross Girshick [1] និងអ្នកផ្សេងទៀតបានស្នើរក្បួនដោះស្រាយ R-CNN ដើម្បីទាញយកតំបន់បេក្ខជនតាមរយៈក្បួនដោះស្រាយស្វែងរកជ្រើសរើស ប៉ុន្តែក្បួនដោះស្រាយគឺពឹងផ្អែកខ្លាំងលើការគណនា និងយឺត។ ជាបន្តបន្ទាប់ ក្បួនដោះស្រាយការរកឃើញគោលដៅ SPP-Net ត្រូវបានស្នើឡើង ដែលដោះស្រាយបញ្ហានៃការខូចទ្រង់ទ្រាយវត្ថុ ហើយបន្ទាប់មក Fast R-CNN ត្រូវបានស្នើឡើងដោយការណែនាំការបាត់បង់កិច្ចការច្រើន និង RoI Pooling ដែលប្រើការរៀនពហុភារកិច្ច ដើម្បីបញ្ចប់ការចាត់ថ្នាក់ និងការតំរែតំរង់។

ទោះជាយ៉ាងណាក៏ដោយ វិធីសាស្ត្រក្នុងតំបន់ដែលត្រូវបានអនុម័តដោយក្បួនដោះស្រាយនឹងនៅតែប្រើប្រាស់ពេលវេលាច្រើន។ ដូច្នេះ Ren [2] បានស្នើក្បួនដោះស្រាយ Faster R-CNN ។ ក្បួនដោះស្រាយណែនាំបណ្តាញ RPN នៅលើមូលដ្ឋាននៃ Fast R-CNN algorithm ដែលត្រូវបានធ្វើឱ្យប្រសើរឡើងយ៉ាងខ្លាំងនៅក្នុងល្បឿន និងដំណើរការ។ ក្បួនដោះស្រាយ R-CNN លឿនជាងអាចសម្រេចបានលទ្ធផលល្អប្រសើរក្នុងការរកឃើញវត្ថុជាងក្បួនដោះស្រាយផ្សេងទៀត។