基于深度學(xué)習(xí)的圖像分割方法，主要研究領(lǐng)域是在于語義分割，即根據(jù)圖片內(nèi)容，將圖像分為多個有含義的部分，對于農(nóng)產(chǎn)品分類而言有著革命性的意義。全卷積網(wǎng)絡(luò)FCN是深度學(xué)習(xí)用于進行圖像分割的先驅(qū)，以分類模型AlexNet為基礎(chǔ)，將其3層全連接層轉(zhuǎn)化為反卷積層進行上采樣，從而將輸出有特征分類轉(zhuǎn)化為區(qū)域特征熱力圖。
產(chǎn)品質(zhì)量檢驗：產(chǎn)品質(zhì)量檢驗主要是檢驗設(shè)備的感觀指標值，化學(xué)成分和微生物指標值是否達到相對性應(yīng)的規(guī)定。根據(jù)國家行業(yè)標準方式(GB/T5009。199-2003)及其世衛(wèi)組織WHO，聯(lián)合國糧農(nóng)組織FAO殘余農(nóng)藥測試標準，環(huán)保局EPA參考攝取量等規(guī)定設(shè)計制作。選用酶抑制率酶活性測定對新鮮水果，蔬菜水果等農(nóng)業(yè)和林業(yè)商品中有機磷和氨基甲酸酯類農(nóng)藥成分開展迅速的檢驗。
圖像分割的準確性直接作用于目標物測量的準確性，其效率直接影響生產(chǎn)的效率，因而，一個快速準確圖像分割算法是目標識別，分級分類任務(wù)面臨的首要問題。在農(nóng)業(yè)產(chǎn)品分級分類任務(wù)中，圖像分割的目的是將工業(yè)相機采集到的圖片中的農(nóng)產(chǎn)品準確的提取出來，為進一步的尺寸測量，分類任務(wù)做好準備。對于農(nóng)產(chǎn)品圖像分割算法來說，由于受到生產(chǎn)設(shè)備成像質(zhì)量，灰塵污漬，光照條件，陰影等外部因素影響，造成分割的不準確。本文通過對比不同圖像分割算法，闡述各類算法的優(yōu)缺點，以及各自合適的應(yīng)用場景。
在線客服
17856548804
2179259773@qq.com
