但對于有些農(nóng)產(chǎn)品,如紅蘋果,紅棗等缺陷識別時,病變區(qū)域R色值區(qū)間會明顯異于正常區(qū)域,此時采用BGR中的R值作為闕值區(qū)別缺陷區(qū)域就是合適的。邊緣檢測算法是一種經(jīng)典圖像分割算法,主要是利用連通區(qū)域邊緣對比度的階躍變化,通過其梯度變化找出邊緣,從而達到分割圖像的目的,相較于闕值法對環(huán)境光變化的容忍性更好。
圖像分割算法是用于農(nóng)產(chǎn)品光電檢測分級分類的基礎(chǔ)任務(wù),傳統(tǒng)算法的優(yōu)勢在于結(jié)構(gòu)簡單,,但對復雜環(huán)境的適應(yīng)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(jù)具體的需求選擇合適的算法。
電感耦合等離子質(zhì)譜法,是在磁場和電場中,離子在運動狀態(tài)下質(zhì)荷比分離后,檢測離子的強度,通過分析算出元素的準確含量的過程。電感耦合等離子質(zhì)譜法的優(yōu)點是檢測限較低、準確度和度都很高,檢測速度快、干擾小、多種元素可以同時進行檢測,也能準確獲取同位素的相關(guān)信息。沒有發(fā)現(xiàn)明顯的缺點,這種方法已經(jīng)在生物樣品的痕量分析中得到了廣泛的應(yīng)用。