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。
产品质量检验：产品质量检验主要是检验设备的感观指标值，化学成分和微生物指标值是否达到相对性应的规定。根据国家行业标准方式(GB/T5009。199-2003)及其世卫组织WHO，联合国粮农组织FAO残余农药测试标准，环保局EPA参考摄取量等规定设计制作。选用酶抑制率酶活性测定对新鲜水果，蔬菜水果等农业和林业商品中有机磷和氨基甲酸酯类农药成分开展迅速的检验。
图像分割的准确性直接作用于目标物测量的准确性，其效率直接影响生产的效率，因而，一个快速准确图像分割算法是目标识别，分级分类任务面临的首要问题。在农业产品分级分类任务中，图像分割的目的是将工业相机采集到的图片中的农产品准确的提取出来，为进一步的尺寸测量，分类任务做好准备。对于农产品图像分割算法来说，由于受到生产设备成像质量，灰尘污渍，光照条件，阴影等外部因素影响，造成分割的不准确。本文通过对比不同图像分割算法，阐述各类算法的优缺点，以及各自合适的应用场景。
在线客服
17856548804
2179259773@qq.com
