《表2 渗漏量预测：基于机器视觉深度学习的电站渗水检测识别技术研究》
提示：宽带有限、当前游客访问压缩模式
取10个渗漏样本评估本系统对渗漏量预测的准确性，将评估结果与相应的实测数据进行比较。其实验结果如表2所示。
| 图表编号 | XD00221079200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.20 |
| 作者 | 田伟、姜泽界、郭志鹏 |
| 绘制单位 | 华东天荒坪抽水蓄能有限责任公司、华东天荒坪抽水蓄能有限责任公司、华东天荒坪抽水蓄能有限责任公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 图片识别结果：基于机器视觉深度学习的电站渗水检测识别技术研究》2020.10.20
- 《表2 目标检测实验结果：基于深度学习的生猪饮水行为识别研究》2021.01.15
- 《表3 基于机器学习和深度学习模型的古文命名实体识别研究汇总》2021.01.01
- 《表3 发文量较多的机构：基于文献计量的机器视觉缺陷检测研究述评》2021.02.15
- 《表2 材料属性：一种基于深度神经网络的变电站巡检机器人路面识别方法》2020.12.31
- 《表1 各算法的性能指标：基于深度学习的光纤收卷机器视觉自动检测技术》2021.01.01
- 《表2 检测识别结果：基于机器视觉的禽蛋外观品质在线检测系统设计》2020.05.20
- 《表2 平均误识别率对比：基于深度学习的足球机器人视觉识别方法》2020.05.25
- 《表1 平均查全率对比：基于深度学习的足球机器人视觉识别方法》2020.05.25
- 《表2 识别正确率比较：基于机器视觉的樱桃缺陷检测与识别》2019.12.01
- 《表2 测试集识别结果：基于机器视觉的荞麦剥壳性能参数在线检测方法》2019.10.25
- 《表2 检测结果统计表：基于机器视觉识别技术的煤矿带式输送自适应控制系统设计》2019.09.20
- 《表1 特征量计算公式：基于机器视觉的笔芯球珠表面缺陷检测系统研究》2019.08.20
- 《表1 裂纹病害信息：基于机器视觉的地铁隧道管片病害检测技术研究》2019.06.01
- 《表1 模型参数设置：基于深度学习的不规则特征识别检测技术》2019.06.20
- 《表3 裁剪模型对比：基于深度学习的变电站巡检机器人道路场景识别》2019.05.08
- 《表2 融合位置对比：基于深度学习的变电站巡检机器人道路场景识别》2019.05.08
- 《表1 融合结构对比：基于深度学习的变电站巡检机器人道路场景识别》2019.05.08
- 《表2 训练测试结果：基于机器视觉与深度学习的医疗垃圾分类系统》2019.05.18
- 《表1 样本数据集大小：基于机器视觉与深度学习的医疗垃圾分类系统》2019.05.18