T/GDEACC 24-2020
智能冰箱图像识别率测试方法

Test Method for Image Recognition Rate of Smart Refrigerator


 

 

非常抱歉,我们暂时无法提供预览,您可以试试: 免费下载 T/GDEACC 24-2020 前三页,或者稍后再访问。

您也可以尝试购买此标准,
点击右侧 “立即购买” 按钮开始采购(由第三方提供)。

 

标准号
T/GDEACC 24-2020
发布
2020年
发布单位
中国团体标准
当前最新
T/GDEACC 24-2020
 
 
适用范围
本标准规定了智能冰箱图像识别测试的食品模型要求、食品摆放位置、识别率计算方法、测试步骤、食品照片采集测试、食品识别率计算等 本标准适用于具有静态图像识别功能的智能冰箱。

T/GDEACC 24-2020相似标准


推荐

智能种子计数系统如何提高种子的识别率

智能种子计数系统的秘密在于它所采用的一整套种子智能识别软件,通过功能测试以及实际的应用,我们发现,该软件界面友好,使用简单,上手快,对种子具有较高的正确识别率,并且具有灵活的可拓展性,也让智能种子计数系统实现了对种子的智能识别,更加符合现代种子检测自动化和智能化的发展趋势。...

安徽:50余种水稻病虫害可智能识别

  记者从安徽省农科院了解到,该院与中科院合肥智能所联合研制的“水稻病虫害智能识别与服务系统”近日发布并测试成功,可自动识别水稻病虫害50余种,平均识别率80%以上。  “水稻病虫害智能识别与服务系统”是基于安徽省农科院自主知识产权的农作物病虫害图像库,利用中科院合肥智能所人工智能深度学习技术开发完成,可自动识别水稻病虫害的手机APP应用系统。...

深度学习在雷达中的研究综述(三)

在实验测试过程中,针对Flevoland数据的识别获得了85.1%的准确率,对Germany数据获得了85.3%的准确率。文献[61,62]分别将SAE对极化SAR的识别效果与传统方法进行比较。其中,文献[61]同样对Flevoland数据进行测试,运用其中10%的数据进行训练,90%的数据进行测试识别率达到93.58%,而运用传统的SVM方法所获得的识别率仅为89.86%。...


T/GDEACC 24-2020 中可能用到的仪器设备





Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号