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。

大类间方差法根据图像的灰度特性寻找阙值，使分割出的图像区域之间的差别大，用于判断分割图像区域之间的差别是其各区域间的内部方差。大类间方差法极易受到噪音的影响，如阴影，但在单纯背景条件下，适用于初步的获取目标物的位置。大熵阙值法与大类间方差原理类似，将图像通过信息熵分为不同区域。信息熵在混乱无序的系统中较大，在确定有序的系统中较小，根据信息熵的特性，可将图像分割为不同的区域。

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，农残检测机构，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。

金标准|经验丰富(多图)-苏州农残检测机构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在咨询、调研这一领域倾注了诸多的热忱和热情，安徽金标准一直以客户为中心、为客户创造价值的理念、以品质、服务来赢得市场，衷心希望能与社会各界合作，共创成功，共创辉煌。相关业务欢迎垂询，联系人：丁瑶。