图像分割算法是用于农产品光电检测分级分类的基础任务,传统算法的优势在于结构简单,,但对复杂环境的适应性较弱。深度学习方法受到环境影响较少,但需大量样本支持,如何正确的获取样本,以及提高算法的整体效率是当前需要解决的主要问题。在实际使用中,深度学习由于性能问题尚无法完全取代传统算法,使用者可以根据具体的需求选择合适的算法。
3分钟前 无锡水果检测品质服务至上「安徽金标准」[安徽金标准d325a5e]内容:相反,假如蔬菜水果的萃取液中带有一定量的有机磷或氨基甲酸酯类农药酶的活性就被抑止或部份被抑止,实验中添加的底物就无法被酶水解或一小部分被水解,进而不着色或色调转变不大,用光度计测量吸光度值随時间的变动状况测算出抑制率,就可以分辨蔬菜水果中含有机磷或氨基甲酸酯类农药的农药残留状况。图像分割是一个经典的机器视觉处理问题,其目的是将图像分割为若干个相关的区域,从而提取出感兴趣的区域或者轮廓特征。在黄瓜叶部角斑病提取任务中,使用类间方差法初分割,继而使用熵发二次分割提取病虫害区域。另外,彩片中,使用色彩信息分割图像也是常用的手段,常见的色彩信息表示方式有BGR和HSV,通过设置色值区间可提取农作物病变区域。其中,HSV(或者HSI)更为可靠,其更的表示同一视觉感受颜色在不同光照条件下的区间。