《表1 传感器部署信息：基于CNN的胀管工序质量状态识别方法与应用》
提示：宽带有限、当前游客访问压缩模式
视觉、压力传感器部署数量和精度等信息如表1所示。
| 图表编号 | XD00150503400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.20 |
| 作者 | 李晓涛、关辉、李朝晖、赵松涛、吴淑敏 |
| 绘制单位 | 广东省智能机器人研究院、广东省智能机器人研究院、广东省智能机器人研究院、广东省智能机器人研究院、广东省智能机器人研究院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验环境：基于CNN掌纹识别技术在智慧电网的应用研究》2020.06.01
- 《表2 仪表示数识别结果：基于Faster R-CNN的仪表识别方法》2020.12.01
- 《表2 仪表示数识别结果：基于Faster R-CNN的仪表识别方法》2020.12.01
- 《表3 本文方法与基于Mask R-CNN的方法在不同干扰条件下的一格读数识别精度对比》2020.12.10
- 《表1 试验条件：基于多源传感器信号的铣削过程能效状态识别》2020.09.01
- 《表2 不同方法对比：基于Faster R-CNN的道路裂缝识别》2020.07.06
- 《表5 5次实验结果：基于CNN的胀管工序质量状态识别方法与应用》2020.08.20
- 《表4 实验数据集：基于CNN的胀管工序质量状态识别方法与应用》2020.08.20
- 《表1 传感器状态分析：基于概率神经网络针对一类动态系统传感器故障的分类识别法》2019.12.01
- 《表1 深度网络模型对比：基于Faster R-CNN深度网络的油菜田间杂草识别方法》2020.01.25
- 《表1 实验的具体参数值：基于数据融合的CNN方法用于人体活动识别》2020.02.16
- 《表2 模型的准确率比较：基于数据融合的CNN方法用于人体活动识别》2020.02.16
- 《表6 CNN在雷达图像识别应用进展的思想与方法概要》2020.01.01
- 《表4 测试样本来源：基于深度学习的无人值守地面传感器目标检测与识别方法》2019.09.01
- 《表1 CNN结构信息：基于FPGA动态重构的快速车牌识别系统》2019.12.20
- 《表1 冲压缺陷评审规范：基于产品质量特性的冲压模具工序集成技术开发与应用》2019.10.20
- 《表1 手势数据集：基于区域卷积神经网络Faster R-CNN的手势识别方法》2019.08.01
- 《表4 影院状态转移表：基于智能网络传感器的影院综合质量监测系统的研究和应用探索》2019.07.11
- 《表3 CNN结构：基于智能手机感知的人体运动状态深度识别》2019.06.01
- 《表1 传感器信息：多传感器协同识别跟踪多目标管理方法》2019.08.01