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，傳統算法的優勢在于結構簡單，，但對復雜環境的適應性較弱。深度學習方法受到環境影響較少，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算法，使用者可以根據具體的需求選擇合適的算法。
農藥殘留生物化學測定方法：農藥速測卡法，農藥殘留分光光度法(抑制率法)。速測卡法檢測原理：醋酶可催化靛酚酮(紅色)水解為與靛酚(藍色)有機磷或氨基甲酸脂類農藥對酯酶有抑制作用，使催化、水解，變色的過程發生改變，由此判斷樣品中是否含有過量有機磷或氨基甲酸酯類農藥的殘留。分析步驟：A.提取：干凈的菜樣品---剪碎(1CM左右見方)---取5g于帶蓋瓶中---加純凈水或緩沖溶液(l0mL)---震搖(50次)---靜置(2min以上)。B.預反應：取一片速測卡，用白色藥片沾取提取液，放置10min以上進行預反應，有條件時在37℃恒溫裝放置中10min.預反應后的藥片表面必須保持濕潤。C.反應：將速測卡對折，用手捏3min或用恒溫裝置恒溫3min，使紅色藥片與白色藥片疊合發生反應 d.每批測定應設一個純凈水或緩沖液的空白對照卡。
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
