安徽農產品檢測中心-金標準|快捷有效
安徽省金標準檢測研究院有限公司
- 主營產品：食品檢測,衛生檢測,水質檢測,農產品檢測
- 公司地址：安徽省合肥市高新區香樟大道211號香楓創意園A座
咨詢熱線： 17856548804
立即咨詢
QQ咨詢
信息詳情
圖像分割的準確性直接作用于目標物測量的準確性，其效率直接影響生產的效率，因而，一個快速準確圖像分割算法是目標識別，分級分類任務面臨的首要問題。在農業產品分級分類任務中，圖像分割的目的是將工業相機采集到的圖片中的農產品準確的提取出來，為進一步的尺寸測量，分類任務做好準備。對于農產品圖像分割算法來說，由于受到生產設備成像質量，灰塵污漬，光照條件，陰影等外部因素影響，造成分割的不準確。本文通過對比不同圖像分割算法，闡述各類算法的優缺點，以及各自合適的應用場景。
。對于以矩陣形式存儲的圖像來說，采用模板矩陣（算子）對源圖像進行卷積運算是其提取梯度特征的通用方法。Sobel算子計算量較少，抗噪性較好且能保留邊緣的強弱，由一個用于提取水平方向特征和一個用于提取垂直方向的特征的算子組成。Sobel算子十分適合用于提取農產品方向性的特征，例如檳榔的紋路就能很好的被垂直方向的Sobel算子提取出來，通過紋路分布密度，進行檳榔的分級任務。
圖像分割算法是用于農產品光電檢測分級分類的基礎任務，傳統算法的優勢在于結構簡單，，但對復雜環境的適應性較弱。深度學習方法受到環境影響較少，但需大量樣本支持，如何正確的獲取樣本，以及提高算法的整體效率是當前需要解決的主要問題。在實際使用中，深度學習由于性能問題尚無法完全取代傳統算法，使用者可以根據具體的需求選擇合適的算法。
在線客服
17856548804
2179259773@qq.com
