基于编码结构的图像分割网络虽然能在复杂背景及环境中基于特征分割出图像区域，不过其提取的轮廓特征依然较为粗糙，不足为真实尺寸测量提供依据，直到MaskRCNN才做到了像素级图像分割，为尺寸测量提供了依据。除此之外，MaskRCNN将目标检测和语义分割结合，对农产品尺寸测量及分类提供了指导性算法，也是目前研究优化的主要方向。

通常来讲，国外会要求样品中目标化合物的相对保留时间不能与标准数值相差超过0.05min；不同目标化合物少要有3个特征离子，并且相对离子比例相较于标准而言，要控制在10%之内；加标回收率需控制在65%-110%之间。采取离子模式一般会要求所有目标化合物少有2个大于m/z200或是3个大于m/z100的特征离子；目标化合物特征离子比例相较于标准值需控制在60%-120%之间；加标回收率在70%-130%之间，判断检测则要在60%-120%之间。气相色谱技术主要依据特征离子与离子间的比例去确定是否存在农药残留超标的问题，有着较高度以及环境适应性。

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，农产品检测中心，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。

农产品检测中心-多年经验|金标准(在线咨询)由安徽省金标准检测研究院有限公司提供。安徽省金标准检测研究院有限公司位于安徽省合肥市高新区香樟大道211号香枫创意园A座。在市场经济的浪潮中拼博和发展，目前安徽金标准在咨询、调研中享有良好的声誉。安徽金标准取得全网商盟认证，标志着我们的服务和管理水平达到了一个新的高度。安徽金标准全体员工愿与各界有识之士共同发展，共创美好未来。