但对于有些农产品，如红苹果，红枣等缺陷识别时，病变区域R色值区间会明显异于正常区域，水果新鲜度检测，此时采用BGR中的R值作为阙值区别缺陷区域就是合适的。边缘检测算法是一种经典图像分割算法，主要是利用连通区域边缘对比度的阶跃变化，通过其梯度变化找出边缘，从而达到分割图像的目的，相较于阙值法对环境光变化的容忍性更好。

图像分割算法是用于农产品光电检测分级分类的基础任务，传统算法的优势在于结构简单，但对复杂环境的适应性较弱。深度学习方法受到环境影响较少，但需大量样本支持，如何正确的获取样本，以及提高算法的整体效率是当前需要解决的主要问题。在实际使用中，深度学习由于性能问题尚无法完全取代传统算法，使用者可以根据具体的需求选择合适的算法。

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。

金标准|科学公正(多图)-安徽水果新鲜度检测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实力不俗，信誉可靠，在安徽 合肥 的咨询、调研等行业积累了大批忠诚的客户。安徽金标准带着精益求精的工作态度和不断的完善创新理念和您携手步入辉煌，共创美好未来！