《表1 不同算法下轮毂缺陷识别结果》
提示：宽带有限、当前游客访问压缩模式
将BP神经网络及改进后的GSO-BP神经网络对轮毂缺陷类型进行识别，识别结果见表1。
| 图表编号 | XD00207987000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.25 |
| 作者 | 张国胜、张帆、邹洵、张召颖、马保平 |
| 绘制单位 | 上海工程技术大学机械与汽车工程学院、上海工程技术大学智能机器人研发中心、上海工程技术大学机械与汽车工程学院、上海工程技术大学机械与汽车工程学院、上海工程技术大学机械与汽车工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 多种算法测试结果：基于多尺度轻量级卷积网络的PCB裸板缺陷识别算法》2020.10.28
- 《表3 不同天气条件下各水位级下不同算法处理的水位识别率对比结果》2020.11.01
- 《表1 不同轮毂结构下展收比计算结果》2020.11.15
- 《表1 算法识别结果：基于机器视觉的胡萝卜表面缺陷识别方法研究》2020.11.18
- 《表3 各算法处理时间及样本表面缺陷识别率》2020.06.16
- 《表3 各算法的识别结果：源域多样本集成GFK的不同工况下滚动轴承寿命状态识别》2020.06.01
- 《表4 缺陷分类结果：基于PCA和粒子群优化算法的焊点缺陷识别》2020.05.25
- 《表5 实验结果汇总：基于改进的Faster-RCNN模型的汽车轮毂表面缺陷在线检测算法研究》2020.06.20
- 《表1 不同分辨率下算法的识别性能(128/256)》2020.02.01
- 《表1 不同学习率配置下四种缺陷及平均识别正确率》2020.02.10
- 《表1 轮毂缺陷的交互分析结果》2019.11.20
- 《表1 不同特征和不同算法下异物水饺的识别率》2019.08.25
- 《表1 不同缺陷的检测识别统计结果》2019.07.25
- 《表2 缺陷记录卡表：基于无人机和图像缺陷识别算法的输电线路巡检系统研究》2019.06.20
- 《表1 线路管理表：基于无人机和图像缺陷识别算法的输电线路巡检系统研究》2019.06.20
- 《表2 不同形状光源下缺陷包装纸的识别率》2019.09.10
- 《表1 不同邻域参数下2种算法的人脸识别性能比较 (%)》2019.02.20
- 《表3 不同尺寸的裂纹在不同的透照厚度下能识别缺陷的最大透照角》2019.04.25
- 《表2 分类算法对比结果：基于集成深度学习的玻璃缺陷识别方法》2019.02.25
- 《表1 不同算法在椒盐噪声下的平均识别率》2019.12.01