江蘇水果檢測-水果糖分檢測-金標準|資質齊全
安徽省金標準檢測研究院有限公司
- 主營產品：食品檢測,衛(wèi)生檢測,水質檢測,農產品檢測
- 公司地址：安徽省合肥市高新區(qū)香樟大道211號香楓創(chuàng)意園A座
咨詢熱線： 17856548804
立即咨詢
QQ咨詢
信息詳情
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(yè)產品分級分類任務中，圖像分割的目的是將工業(yè)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(yōu)缺點，以及各自合適的應用場景。
在黃瓜葉部角斑病提取任務中，使用類間方差法初分割，繼而使用熵發(fā)二次分割提取病蟲害區(qū)域。另外，彩片中，使用色彩信息分割圖像也是常用的手段，常見的色彩信息表示方式有BGR和HSV，通過設置色值區(qū)間可提取農作物病變區(qū)域。其中，HSV（或者HSI）更為可靠，其更的表示同一視覺感受顏色在不同光照條件下的區(qū)間。
圖像分割算法是用于農產品光電檢測分級分類的基礎任務，傳統(tǒng)算法的優(yōu)勢在于結構簡單，，但對復雜環(huán)境的適應性較弱。深度學習方法受到環(huán)境影響較少，但需大量樣本支持，如何正確的獲取樣本，以及提高算法的整體效率是當前需要解決的主要問題。在實際使用中，深度學習由于性能問題尚無法完全取代傳統(tǒng)算法，使用者可以根據具體的需求選擇合適的算法。
在線客服
17856548804
2179259773@qq.com
