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。
大类间方差法根据图像的灰度特性寻找阙值，使分割出的图像区域之间的差别大，用于判断分割图像区域之间的差别是其各区域间的内部方差。大类间方差法极易受到噪音的影响，如阴影，但在单纯背景条件下，适用于初步的获取目标物的位置。大熵阙值法与大类间方差原理类似，将图像通过信息熵分为不同区域。信息熵在混乱无序的系统中较大，在确定有序的系统中较小，根据信息熵的特性，可将图像分割为不同的区域。
人们长期食用从土壤中吸收重金属而长成的食物，重金属在人体内累计，引发了许多食品安全问题，从2004年浙江长兴500名儿童铅时间到2013年广州镉大米时间再到2020年云南99。8吨大米镉超标被销毁，对人民食品安全的保障需求越来越迫切。食品安全关乎社会稳定，我国已采取多种措施治理土壤的重金属污染，同时相关的研究也在展开，目前粮食中重金属的检测方法主要有仪器分析法、化学显色法和电化学法等等。
在线客服
17856548804
2179259773@qq.com
