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.