图像分割算法是用于农产品光电检测分级分类的基础任务，传统算法的优势在于结构简单，，但对复杂环境的适应性较弱。深度学习方法受到环境影响较少，但需大量样本支持，如何正确的获取样本，以及提高算法的整体效率是当前需要解决的主要问题。在实际使用中，深度学习由于性能问题尚无法完全取代传统算法，使用者可以根据具体的需求选择合适的算法。
通常来讲，国外会要求样品中目标化合物的相对保留时间不能与标准数值相差超过0.05min；不同目标化合物少要有3个特征离子，并且相对离子比例相较于标准而言，要控制在10%之内；加标回收率需控制在65%-110%之间。采取离子模式一般会要求所有目标化合物少有2个大于m/z200或是3个大于m/z100的特征离子；目标化合物特征离子比例相较于标准值需控制在60%-120%之间；加标回收率在70%-130%之间，判断检测则要在60%-120%之间。气相色谱技术主要依据特征离子与离子间的比例去确定是否存在农药残留超标的问题，有着较高度以及环境适应性。
在线客服
17856548804
2179259773@qq.com
