《表1 基于高光谱图像的香梨表面损伤检测结果》
提示：宽带有限、当前游客访问压缩模式
按照以上步骤，对80个库尔勒香梨样本进行检测，结果如表1所示。
| 图表编号 | XD00188250300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.25 |
| 作者 | 方益明、杨帆、李晓勤 |
| 绘制单位 | 塔里木大学现代农业工程重点实验室、浙江农林大学浙江省林业智能监测与信息技术研究重点实验室、塔里木大学现代农业工程重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 基于作物病虫害识别的高光谱图像分类算法》2021.01.25
- 《表1 基于深度学习的高光谱图像分类方法总结》2021.02.15
- 《表2 遥感数据集信息：GGCN：基于GPU的高光谱图像分类算法》2020.10.25
- 《表1 算法伪代码：GGCN：基于GPU的高光谱图像分类算法》2020.10.25
- 《表1 实验参数：基于Brovey算法的机械高光谱图像数据自动化融合技术》2020.07.25
- 《表2 参数设定：基于稀疏表示的高光谱图像解混算法研究》2020.07.25
- 《表1 抗噪性能：基于独立分量分析的高光谱遥感图像混合像元盲分解》2020.07.25
- 《表1 畸变校正方法评估：基于畸变校正的高光谱偏振图像配准方法》2020.07.25
- 《表2 评估结果/像素：基于畸变校正的高光谱偏振图像配准方法》2020.07.25
- 《表1 各成分的累积贡献：基于高光谱成像技术的水果损伤检测》2020.02.10
- 《表2 损伤检测结果：基于高光谱成像技术的水果损伤检测》2020.02.10
- 《表1 污秽程度评估结果：基于高光谱遥感的复合绝缘子污秽非接触式检测研究》2020.03.10
- 《表1 实验参数设置：基于分层引导滤波与最近邻正则化子空间的高光谱图像分类》2020.04.01
- 《表1 与其它技术的高光谱图像拼接结果对比》2020.02.25
- 《表2 端元检测时间结果：基于空间约简的高光谱影像端元检测研究》2019.11.05
- 《表1 卷积神经网络结构：基于高光谱图像和卷积神经网络的燃煤热值估计算法》2019.09.05
- 《表2 实验参数：基于高光谱图像和卷积神经网络的燃煤热值估计算法》2019.09.05
- 《表1 NUANCE高光谱图像异常检测算法AUC值》2019.01.30
- 《表2 回归算法结果比较：基于多模型融合的高光谱图像质量评价》2019.01.25
- 《表1 不同方法的高光谱图像SR重构结果比较》2019.11.10