《表1 纤维性能参数：金属板材表面缺陷检测系统研究与设计》
提示：宽带有限、当前游客访问压缩模式
最后对系统的性能进行测试，以检测该系统是否具有可行性和实用性。将前期生成的缺陷特征样本库中的300组特征值用于K-近邻算法的学习和训练。剩余每种类型缺陷样本各20组用于测试，测试结果如表1所示：
| 图表编号 | XD00187160600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.05 |
| 作者 | 潘颖辉 |
| 绘制单位 | 内蒙古科技大学包头师范学院信息科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 缺陷分类统计结果：基于机器视觉的金属板材表面缺陷光学检测技术》2020.09.10
- 《表2 不同算法统计结果：基于机器视觉的金属板材表面缺陷光学检测技术》2020.09.10
- 《表1 缺陷样本特征参数：基于机器视觉的金属板材表面缺陷光学检测技术》2020.09.10
- 《表3 BP神经网络参数：基于机器视觉的金属板材表面波纹度检测方法》2021.01.10
- 《表4 训练样本：基于机器视觉的金属板材表面波纹度检测方法》2021.01.10
- 《表2 球簇模拟材料参数：基于DEM的振动激励下金属板材表面效应研究》2021.02.28
- 《表1 材料的性能参数：基于DEM的振动激励下金属板材表面效应研究》2021.02.28
- 《表2 系统参数和探头：基于GMR传感器的金属表面缺陷检测系统设计》2021.01.25
- 《表1 模型及求解参数：基于GMR传感器的金属表面缺陷检测系统设计》2021.01.25
- 《表1 裂纹缺陷尺寸：精密铸造高温合金板材射线CR检测技术研究》2020.04.10
- 《表1 设备及其主要参数：产品表面缺陷检测系统设计与开发》2020.06.30
- 《表2 试验验证：家具板材耐磨性能检测装置的研究与设计》2020.04.30
- 《表2 各类模型识别率：基于Inception-V3模型的金属板材表面缺陷检测系统》2020.02.20
- 《表1 卷积模型：基于R-FCN深层卷积神经网络的金属冲压件表面缺陷检测》2020.01.10
- 《表2 励磁线圈参数：钢丝绳断丝缺陷检测装置设计与研究》2019.09.30
- 《表1 设备参数：车身覆盖件表面缺陷数字化检测研究》2019.01.01
- 《表1 木板自动检测结果：基于OpenCV的木材表面缺陷检测系统设计与实验验证》2019.01.10
- 《表2 实验方案：表面缺陷检测中工件与光源相机位置关系研究》2018.05.15
- 《表1 因素水平表：表面缺陷检测中工件与光源相机位置关系研究》2018.05.15
- 《表3 实验结果：表面缺陷检测中工件与光源相机位置关系研究》2018.05.15