《表3 算法识别准确率：基于机器视觉的隧道衬砌裂缝分析与检测》
提示：宽带有限、当前游客访问压缩模式
由上述结果可知，本文算法能较准确的检测出裂缝图像，并且能清晰的检测出裂缝的轮廓和边缘，验证了本文算法的适用性。
| 图表编号 | XD00227422500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.20 |
| 作者 | 刘东 |
| 绘制单位 | 东北林业大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 非裂缝图像特征值：基于机器视觉的隧道衬砌裂缝分析与检测》2020.05.20
- 《表1 裂缝图像的特征：基于机器视觉的隧道衬砌裂缝分析与检测》2020.05.20
- 《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1 实验参数：基于PCL的自动化机器人视觉形状特征识别算法分析》2021.01.25
- 《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2 核函数准确率对比：基于机器视觉的废旧有色金属碎料识别方法》2020.08.25
- 《表3 识别准确率及耗时：基于机器视觉提高实习安全性的金工实习教学改革探索》2020.05.20
- 《表2 裂缝特征值：基于机器视觉的高铁隧道衬砌裂缝骨架拐点识别》2020.04.01
- 《表1 试验数据：基于机器视觉的高铁隧道衬砌裂缝骨架拐点识别》2020.04.01
- 《表3 隧道裂缝治理措施：公路隧道衬砌裂缝因素分析与治理》2020.02.25
- 《表2 图像识别参数表：基于机器视觉的公路隧道表观图拼接方法与数据统计研究》2019.12.01
- 《表3 障碍物位置识别：基于机器视觉的目标识别追踪算法及系统设计》2020.04.20
- 《表5 实时性对比表：基于机器视觉的目标识别追踪算法及系统设计》2020.04.20
- 《表1 CNN模型设计：基于机器视觉的樱桃缺陷检测与识别》2019.12.01
- 《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4 天际岭隧道衬砌裂缝识别评定》2019.12.01
- 《表2 裂缝测量结果示例：基于数字图像技术的隧道衬砌裂缝识别方法研究》2019.12.01
- 《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2 两种算法对比：基于机器视觉的柑桔苗品种识别方法》2018.06.20
- 《表1 算法匹配速度对比：基于机器视觉的导盲杖辅助识别系统设计》2019.12.01