传统提取算法，阙值提取法是图像分割中使用较为广泛的方法，通过阙值的设置，将处于阙值区间内的像素区域归纳为同一区域，从而分割图像。此类算法的缺陷在于只考虑了目标的灰度信息，从而缺少鲁棒性。在这类算法中，如何获取一个合理的阙值是算法成功的关键，手动选取阙值无法具备通用性，易受环境变化的影响，主流的选取阙值的方法有类间方差法和熵阙值分割法。

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。

电感耦合等离子质谱法，是在磁场和电场中，离子在运动状态下质荷比分离后，检测离子的强度，通过分析算出元素的准确含量的过程。电感耦合等离子质谱法的优点是检测限较低、准确度和度都很高，检测速度快、干扰小、多种元素可以同时进行检测，也能准确获取同位素的相关信息。没有发现明显的缺点，这种方法已经在生物样品的痕量分析中得到了广泛的应用。