全文获取类型
| 收费全文 | 98篇 |
| 免费 | 4篇 |
| 国内免费 | 1篇 |
专业分类
| 电工技术 | 12篇 |
| 综合类 | 11篇 |
| 化学工业 | 2篇 |
| 金属工艺 | 7篇 |
| 机械仪表 | 8篇 |
| 建筑科学 | 45篇 |
| 能源动力 | 4篇 |
| 石油天然气 | 4篇 |
| 无线电 | 3篇 |
| 一般工业技术 | 4篇 |
| 冶金工业 | 1篇 |
| 自动化技术 | 2篇 |
出版年
| 2024年 | 1篇 |
| 2023年 | 6篇 |
| 2022年 | 3篇 |
| 2021年 | 3篇 |
| 2019年 | 3篇 |
| 2018年 | 1篇 |
| 2017年 | 2篇 |
| 2016年 | 1篇 |
| 2015年 | 2篇 |
| 2013年 | 4篇 |
| 2012年 | 3篇 |
| 2011年 | 2篇 |
| 2010年 | 5篇 |
| 2009年 | 6篇 |
| 2008年 | 3篇 |
| 2007年 | 3篇 |
| 2006年 | 12篇 |
| 2005年 | 6篇 |
| 2004年 | 19篇 |
| 2003年 | 2篇 |
| 2002年 | 3篇 |
| 2001年 | 5篇 |
| 1999年 | 1篇 |
| 1996年 | 2篇 |
| 1995年 | 1篇 |
| 1987年 | 4篇 |
排序方式： 共有103条查询结果，搜索用时 0 毫秒
101.
牙模3D打印过程中出现的质量缺陷影响着牙模的外观和使用性能,严重时导致废品率高,造成时间、材料的浪费。为了减少牙模3D打印的废品率,提出了一种基于YOLOv5的牙模3D打印实时缺陷检测方案：首先获取多维度牙模缺陷图片,采用切图分割与数据增强处理等方式制作数据集,然后通过构建YOLOv5深度学习网络模型对牙模3D打印图像进行迭代训练,最后通过YOLOv5程序调用摄像头并使用训练后最佳权重值进行实时在线缺陷检测。通过实验对比,YOLOv5深度学习网络模型的检测准确率要高于Faster R-CNN、YOLOv3、SSD这3种模型,其检测平均准确度高达94.78%,平均检测时间为21 ms。结果表明该方法能够检测牙模3D打印过程中的质量缺陷问题。 相似文献
102.
103.