傳統(tǒng)提取算法，闕值提取法是圖像分割中使用較為廣泛的方法，通過闕值的設置，將處于闕值區(qū)間內(nèi)的像素區(qū)域歸納為同一區(qū)域，從而分割圖像。此類算法的缺陷在于只考慮了目標的灰度信息，從而缺少魯棒性。在這類算法中，如何獲取一個合理的闕值是算法成功的關鍵，手動選取闕值無法具備通用性，易受環(huán)境變化的影響，主流的選取闕值的方法有類間方差法和熵闕值分割法。
基于編碼結構的圖像分割網(wǎng)絡雖然能在復雜背景及環(huán)境中基于特征分割出圖像區(qū)域，不過其提取的輪廓特征依然較為粗糙，不足為真實尺寸測量提供依據(jù)，直到MaskRCNN才做到了像素級圖像分割，為尺寸測量提供了依據(jù)。除此之外，MaskRCNN將目標檢測和語義分割結合，對農(nóng)產(chǎn)品尺寸測量及分類提供了指導性算法，也是目前研究優(yōu)化的主要方向。
電感耦合等離子質譜法，是在磁場和電場中，離子在運動狀態(tài)下質荷比分離后，檢測離子的強度，通過分析算出元素的準確含量的過程。電感耦合等離子質譜法的優(yōu)點是檢測限較低、準確度和度都很高，檢測速度快、干擾小、多種元素可以同時進行檢測，也能準確獲取同位素的相關信息。沒有發(fā)現(xiàn)明顯的缺點，這種方法已經(jīng)在生物樣品的痕量分析中得到了廣泛的應用。
在線客服
17856548804
2179259773@qq.com
