對于以矩陣形式存儲的圖像來(lái)說(shuō)，采用模板矩陣（算子）對源圖像進(jìn)行卷積運算是其提取梯度特征的通用方法。Sobel算子計算量較少，抗噪性較好且能保留邊緣的強弱，由一個(gè)用于提取水平方向特征和一個(gè)用于提取垂直方向的特征的算子組成。Sobel算子十分適合用于提取農產(chǎn)品方向性的特征，例如檳榔的紋路就能很好的被垂直方向的Sobel算子提取出來(lái)，通過(guò)紋路分布密度，進(jìn)行檳榔的分級任務(wù)。
圖像分割算法是用于農產(chǎn)品光電檢測分級分類(lèi)的基礎任務(wù)，傳統算法的優(yōu)勢在于結構簡(jiǎn)單，，但對復雜環(huán)境的適應性較弱。深度學(xué)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(wèn)題。在實(shí)際使用中，深度學(xué)習由于性能問(wèn)題尚無(wú)法完全取代傳統算法，使用者可以根據具體的需求選擇合適的算法。
在線(xiàn)客服
17856548804
2179259773@qq.com
