通常來講，國外會要求樣品中目標化合物的相對保留時間不能與標準數值相差超過0.05min；不同目標化合物少要有3個特征離子，并且相對離子比例相較于標準而言，要控制在10%之內；加標回收率需控制在65%-110%之間。采取離子模式一般會要求所有目標化合物少有2個大于m/z200或是3個大于m/z100的特征離子；目標化合物特征離子比例相較于標準值需控制在60%-120%之間；加標回收率在70%-130%之間，判斷檢測則要在60%-120%之間。氣相色譜技術主要依據特征離子與離子間的比例去確定是否存在農藥殘留超標的問題，有著較高度以及環境適應性。
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，分級分類任務面臨的首要問題。在農業產品分級分類任務中，圖像分割的目的是將工業相機采集到的圖片中的農產品準確的提取出來，為進一步的尺寸測量，分類任務做好準備。對于農產品圖像分割算法來說，由于受到生產設備成像質量，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，闡述各類算法的優缺點，以及各自合適的應用場景。
基于深度學習的圖像分割方法，主要研究領域是在于語義分割，即根據圖片內容，將圖像分為多個有含義的部分，對于農產品分類而言有著革命性的意義。全卷積網絡FCN是深度學習用于進行圖像分割的先驅，以分類模型AlexNet為基礎，將其3層全連接層轉化為反卷積層進行上采樣，從而將輸出有特征分類轉化為區域特征熱力圖。
在線客服
17856548804
