《表1 混淆矩阵：基于机器视觉的花生米品质分选方法》
提示：宽带有限、当前游客访问压缩模式
用由115个品质为第一级、128个品质为第二级、235个品质为第三级的花生米样本作为测试样本，执行分选流程，并与人工分选结果相对比，所得到的混淆矩阵如表1所示。
| 图表编号 | XD0094164000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.20 |
| 作者 | 张凯、李振华、郁豹、胡安翔 |
| 绘制单位 | 山东大学控制科学与工程学院、山东大学控制科学与工程学院、山东大学控制科学与工程学院、山东大学控制科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 混淆矩阵：基于机器学习的住院患者压力性损伤分析与预测》2020.10.01
- 《表1 检测结果：基于机器视觉的苹果缺陷快速检测方法研究》2020.10.01
- 《表1 样本各颜色特征值：基于机器视觉的辣椒外部品质检测》2021.01.01
- 《表1 测量距离与误差值：基于机器视觉的安全距离检测方法》2021.01.25
- 《表1 试验结果：基于机器视觉的玉米果穗性状参数测量方法研究》2020.12.18
- 《表1 振动试验标准：基于机器视觉的纱笼纱杆快速定位方法》2020.12.15
- 《表2 模型得分表：基于机器视觉和机器学习的羊骨架自动分割方法》2020.06.01
- 《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1 工业相机参数：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1 相机参数矩阵：隔离断路器金具自动化解接机器人视觉引导定位方法研究》2020.07.16
- 《表2 3种模型混淆矩阵：基于机器学习算法的广西桉树适宜性研究》2020.02.20
- 《表1 混淆矩阵：基于机器学习算法的广西桉树适宜性研究》2020.02.20
- 《表6 混淆矩阵：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表1 原点定位结果：基于视觉标定的包装搬运机器人定位方法》2019.11.10
- 《表2 基于局部自然性和视觉特征通道模型的分类混淆矩阵表》2019.09.01
- 《表1 基于全局自然性和视觉特征通道模型的分类混淆矩阵表》2019.09.01
- 《表1 检测结果对比：基于机器视觉的商品条码质量检测方法》2019.05.10
- 《表1 回归统计：基于机器视觉的鸡蛋品质无损检测方法》2019.01.25
- 《表1 实验结果：一种基于机器视觉的引体向上计数方法》2018.01.05
- 《表1 元胞数混淆矩阵：基于机器学习算法的土地类型迁移预测分析——以哈尔滨市香坊区为例》2018.10.01