基于深度學習的圖像分割方法，主要研究領域是在于語義分割，即根據圖片內容，將圖像分為多個有含義的部分，對于農產品分類而言有著革命性的意義。全卷積網絡FCN是深度學習用于進行圖像分割的先驅，以分類模型AlexNet為基礎，將其3層全連接層轉化為反卷積層進行上采樣，從而將輸出有特征分類轉化為區域特征熱力圖。
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定。根據國家行業標準方式(GB/T5009。199-2003)及其世衛組織WHO，聯合國糧農組織FAO殘余農藥測試標準，環保局EPA參考攝取量等規定設計制作。選用酶抑制率酶活性測定對新鮮水果，蔬菜水果等農業和林業商品中有機磷和氨基甲酸酯類農藥成分開展迅速的檢驗。
但對于有些農產品，如紅蘋果，紅棗等缺陷識別時，病變區域R色值區間會明顯異于正常區域，此時采用BGR中的R值作為闕值區別缺陷區域就是合適的。邊緣檢測算法是一種經典圖像分割算法，主要是利用連通區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，相較于闕值法對環境光變化的容忍性更好。
在線客服
17856548804
2179259773@qq.com
