。对于以矩阵形式存储的图像来说，采用模板矩阵（算子）对源图像进行卷积运算是其提取梯度特征的通用方法。Sobel算子计算量较少，抗噪性较好且能保留边缘的强弱，由一个用于提取水平方向特征和一个用于提取垂直方向的特征的算子组成。Sobel算子十分适合用于提取农产品方向性的特征，例如槟榔的纹路就能很好的被垂直方向的Sobel算子提取出来，通过纹路分布密度，进行槟榔的分级任务。

Canny算子相较于Sobel算子更加复杂，能获取更加的边缘且获取到的边缘不会虚化，抗噪性更好，但无法体现边缘的强弱。Canny算法适用于描述农产品的褶皱程度，如红枣中皮皮枣的筛选。文献[4]采用了一种改进的Canny算子用于苹果轮廓的提取。相较于阙值法，边缘检测方法不于提取粗略的轮廓信息，还可以用来提取更加细致的特征，常用于二次分割或配合阙值法使用。

基于深度学习的图像分割方法，主要研究领域是在于语义分割，即根据图片内容，将图像分为多个有含义的部分，对于农产品分类而言有着革命性的意义。全卷积网络FCN是深度学习用于进行图像分割的先驱，以分类模型AlexNet为基础，将其3层全连接层转化为反卷积层进行上采样，从而将输出有特征分类转化为区域特征热力图。

“安全、营养、食欲”被看做是食品的三要素，其中，安全是对食品的基本要求，也是消费者选择食品的主要标准。食品是人类生存和发展基本的物质基础，食品工业是许多国家的产业支柱，但日益加剧的环境污染和频繁发生的食品安全事件给人类的生命健康带来了巨大的威胁，食品安全问题引起了越来越多的关注。谈及食品安全问题，重金属、农药残留、兽药残留、添加剂、生物和致病菌是我国粮食安全的六大威胁。