🔥 Selamat datang di Jktwin — Jelajahi tren terbaru tentang mt4-spread-betting!
Abstrak
Pengangkutan kontainer sangat penting dalam perdagangan global karena efisiensi, keamanan, dan efektivitas biayanya. Namun, cacat struktural—terutama pada slot grapple—dapat menyebabkan kerusakan kargo, kerugian finansial, dan peningkatan risiko keselamatan, termasuk jatuhnya kontainer selama operasi pengangkatan. Oleh karena itu, inspeksi yang tepat waktu dan akurat sebelum dan sesudah transit sangat penting. Metode inspeksi tradisional sangat bergantung pada pengamatan manual permukaan internal dan eksternal, yang memakan waktu, membutuhkan banyak sumber daya, dan rentan terhadap kesalahan subjektif. Atap kontainer menimbulkan tantangan tambahan karena visibilitas terbatas, sementara slot grapple sangat rentan terhadap keausan akibat penggunaan yang sering. Studi ini mengusulkan kerangka kerja deteksi otomatis dua tahap yang menargetkan cacat pada slot grapple atap kontainer. Pada tahap pertama, YOLOv7 digunakan untuk melokalisasi area slot grapple dengan presisi tinggi. Pada tahap kedua, ResNet50 mengklasifikasikan slot yang diekstraksi sebagai utuh atau cacat. Hasil dari kedua tahap diintegrasikan ke dalam antarmuka manusia-mesin untuk visualisasi waktu nyata dan verifikasi pengguna. Evaluasi eksperimental menunjukkan bahwa YOLOv7 mencapai tingkat deteksi 99% pada 100 frame per detik (FPS), sementara ResNet50 mencapai akurasi klasifikasi 87% pada 34 FPS. Dibandingkan dengan beberapa penelitian terbaru, sistem yang diusulkan menawarkan peningkatan signifikan dalam kecepatan, keandalan, dan kegunaan, memungkinkan identifikasi cacat yang efisien dan konfirmasi ulang visual melalui antarmuka.
Kata Kunci
deteksi slot grapple kontainer; klasifikasi cacat; pembelajaran mendalam; dua tahap; YOLO
Kasino
Olahraga
super-heinz-bet-calculator