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。
大類間方差法根據圖像的灰度特性尋找闕值，使分割出的圖像區域之間的差別大，用于判斷分割圖像區域之間的差別是其各區域間的內部方差。大類間方差法極易受到噪音的影響，如陰影，但在單純背景條件下，適用于初步的獲取目標物的位置。大熵闕值法與大類間方差原理類似，將圖像通過信息熵分為不同區域。信息熵在混亂無序的系統中較大，在確定有序的系統中較小，根據信息熵的特性，可將圖像分割為不同的區域。
人們長期食用從土壤中吸收重金屬而長成的食物，重金屬在人體內累計，引發了許多食品安全問題，從2004年浙江長興500名兒童鉛時間到2013年廣州鎘大米時間再到2020年云南99。8噸大米鎘超標被銷毀，對人民食品安全的保障需求越來越迫切。食品安全關乎社會穩定，我國已采取多種措施治理土壤的重金屬污染，同時相關的研究也在展開，目前糧食中重金屬的檢測方法主要有儀器分析法、化學顯色法和電化學法等等。
在線客服
17856548804
