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(jù)圖片內容，將圖像分為多個有含義的部分，對于農產(chǎn)品分類而言有著革命性的意義。全卷積網(wǎng)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(qū)域特征熱力圖。
產(chǎn)品質量檢驗：產(chǎn)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(jù)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。
但對于有些農產(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。
在線客服
17856548804
2179259773@qq.com
