基于編碼結構的圖像分割網(wǎng)絡(luò )雖然能在復雜背景及環(huán)境中基于特征分割出圖像區域,不過(guò)其提取的輪廓特征依然較為粗糙,不足為真實(shí)尺寸測量提供依據,直到MaskRCNN才做到了像素級圖像分割,為尺寸測量提供了依據。除此之外,MaskRCNN將目標檢測和語(yǔ)義分割結合,對農產(chǎn)品尺寸測量及分類(lèi)提供了指導性算法,也是目前研究?jì)?yōu)化的主要方向。
通常來(lái)講,國外會(huì )要求樣品中目標化合物的相對保留時(shí)間不能與標準數值相差超過(guò)0.05min;不同目標化合物少要有3個(gè)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(huì )要求所有目標化合物少有2個(gè)大于m/z200或是3個(gè)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(shù)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(wèn)題,有著(zhù)較高度以及環(huán)境適應性。