基于編碼結(jié)構(gòu)的圖像分割網(wǎng)絡(luò)雖然能在復(fù)雜背景及環(huán)境中基于特征分割出圖像區(qū)域，不過其提取的輪廓特征依然較為粗糙，不足為真實尺寸測量提供依據(jù)，直到MaskRCNN才做到了像素級圖像分割，為尺寸測量提供了依據(jù)。除此之外，MaskRCNN將目標檢測和語義分割結(jié)合，對農(nóng)產(chǎn)品尺寸測量及分類提供了指導性算法，也是目前研究優(yōu)化的主要方向。
對于以矩陣形式存儲的圖像來說，采用模板矩陣（算子）對源圖像進行卷積運算是其提取梯度特征的通用方法。Sobel算子計算量較少，抗噪性較好且能保留邊緣的強弱，由一個用于提取水平方向特征和一個用于提取垂直方向的特征的算子組成。Sobel算子十分適合用于提取農(nóng)產(chǎn)品方向性的特征，例如檳榔的紋路就能很好的被垂直方向的Sobel算子提取出來，通過紋路分布密度，進行檳榔的分級任務(wù)。
在線客服
17856548804
2179259773@qq.com
