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(tǒng)算法的優(yōu)勢在于結構簡單，，但對復雜環(huán)境的適應性較弱。深度學習方法受到環(huán)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(tǒng)算法，使用者可以根據具體的需求選擇合適的算法。
產品質量檢驗：產品質量檢驗主要是檢驗設備的感觀指標值，化學成分和微生物指標值是否達到相對性應的規(guī)定。根據國家行業(yè)標準方式(GB/T5009。199-2003)及其世衛(wèi)組織WHO，聯(lián)合國糧農組織FAO殘余農藥測試標準，環(huán)保局EPA參考攝取量等規(guī)定設計制作。選用酶抑制率酶活性測定對新鮮水果，蔬菜水果等農業(yè)和林業(yè)商品中有機磷和氨基甲酸酯類農藥成分開展迅速的檢驗。
大類間方差法根據圖像的灰度特性尋找闕值，使分割出的圖像區(qū)域之間的差別大，用于判斷分割圖像區(qū)域之間的差別是其各區(qū)域間的內部方差。大類間方差法極易受到噪音的影響，如陰影，但在單純背景條件下，適用于初步的獲取目標物的位置。大熵闕值法與大類間方差原理類似，將圖像通過信息熵分為不同區(qū)域。信息熵在混亂無序的系統(tǒng)中較大，在確定有序的系統(tǒng)中較小，根據信息熵的特性，可將圖像分割為不同的區(qū)域。
在線客服
17856548804
2179259773@qq.com
