基于深度学习的图像分割方法,主要研究领域是在于语义分割,即根据图片内容,将图像分为多个有含义的部分,对于农产品分类而言有着革命性的意义。全卷积网络FCN是深度学习用于进行图像分割的先驱,以分类模型AlexNet为基础,将其3层全连接层转化为反卷积层进行上采样,从而将输出有特征分类转化为区域特征热力图。
酶传感器:它将活性物质酶覆盖在电极表面,酶与被测的有机物或无机物反应,形成一种能被电极响应的物质。农产品检测实验室一般为社会第三方公益机构,承担着各方委托检验任务,通过国家相关部门的计量认证和审查认可,在结构布局上应首先满足评审要求。农产品检测实验室因使用大量有机、无机化学试剂甚至化学物品而对环境有很大的污染性,因此实验室建设应远离居民区。考虑到实验室通风要求和节约能源,实验室应为独立建筑,多层建筑佳,如果是共用建筑,应该在多层建筑特别是高层建筑的顶部好,这样在实验室的通风设计和使用时会节约大量的资源和能源,并且通风效果较好。但对于有些农产品,如红苹果,红枣等缺陷识别时,病变区域R色值区间会明显异于正常区域,此时采用BGR中的R值作为阙值区别缺陷区域就是合适的。边缘检测算法是一种经典图像分割算法,主要是利用连通区域边缘对比度的阶跃变化,通过其梯度变化找出边缘,从而达到分割图像的目的,相较于阙值法对环境光变化的容忍性更好。