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(tǒng)算法的優(yōu)勢在于結構簡單，，但對復雜環(huán)境的適應性較弱。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，使用者可以根據具體的需求選擇合適的算法。
在黃瓜葉部角斑病提取任務中，使用類間方差法初分割，繼而使用熵發(fā)二次分割提取病蟲害區(qū)域。另外，彩片中，使用色彩信息分割圖像也是常用的手段，常見的色彩信息表示方式有BGR和HSV，通過設置色值區(qū)間可提取農作物病變區(qū)域。其中，HSV（或者HSI）更為可靠，其更的表示同一視覺感受顏色在不同光照條件下的區(qū)間。
在線客服
17856548804
