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。
Canny算子相較于Sobel算子更加復雜,能獲取更加的邊緣且獲取到的邊緣不會(huì )虛化,抗噪性更好,但無(wú)法體現邊緣的強弱。Canny算法適用于描述農產(chǎn)品的褶皺程度,如紅棗中皮皮棗的篩選。文獻[4]采用了一種改進(jìn)的Canny算子用于蘋(píng)果輪廓的提取。相較于闕值法,邊緣檢測方法不于提取粗略的輪廓信息,還可以用來(lái)提取更加細致的特征,常用于二次分割或配合闕值法使用。