《表1 银锭表面金属成分无损检测结果》
提示：宽带有限、当前游客访问压缩模式
我们对这六件银锭进行了表面金属成分无损检测，发现其中金含量较高（表1）。
| 图表编号 | XD00183801800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.28 |
| 作者 | 吴旦敏 |
| 绘制单位 | 上海博物馆 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 样品比表面积及常见催化剂中毒成分(半定量)检测结果》2020.10.30
- 《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1 银锭表面保温试验结果》2020.08.28
- 《表2 深圳市某金属表面处理企业各岗位职业病危害因素检测结果》2021.01.01
- 《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 实验检测结果：基于粒子算法的金属表面成分计算机自动检测设计》2018.10.31
- 《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》2020.10.05
- 《表2 辣椒秆营养成分及主要重金属检测结果》2020.07.23
- 《表3|激光选区熔化组瓷开裂金属表面扫描电镜图点1和点2能谱仪化(%)学成分分析》2021.02.08
- 《表1 精准度分析/μm：金属表面粗糙度的激光非接触检测系统》2020.08.25
- 《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1 管件和焊缝金属化学成分检测结果》2020.03.20
- 《表1 检测金属材料表面损伤与实际损伤误差(%)》2019.09.25
- 《表2 零件表面化学成分 (质量分数) 检测结果》2019.07.25
- 《表5 方案2零件表面化学成分 (质量分数) 检测结果》2019.07.25
- 《表4 方案1零件表面化学成分 (质量分数) 检测结果》2019.07.25