但對于有些農(nóng)產(chǎn)品，如紅蘋果，紅棗等缺陷識別時，病變區(qū)域R色值區(qū)間會明顯異于正常區(qū)域，此時采用BGR中的R值作為闕值區(qū)別缺陷區(qū)域就是合適的。邊緣檢測算法是一種經(jīng)典圖像分割算法，主要是利用連通區(qū)域邊緣對比度的階躍變化，通過其梯度變化找出邊緣，從而達到分割圖像的目的，相較于闕值法對環(huán)境光變化的容忍性更好。
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。
圖像分割算法是用于農(nóng)產(chǎn)品光電檢測分級分類的基礎任務，傳統(tǒng)算法的優(yōu)勢在于結構簡單，，但對復雜環(huán)境的適應性較弱。深度學習方法受到環(huán)境影響較少，但需大量樣本支持，如何正確的獲取樣本，以及提高算法的整體效率是當前需要解決的主要問題。在實際使用中，深度學習由于性能問題尚無法完全取代傳統(tǒng)算法，使用者可以根據(jù)具體的需求選擇合適的算法。
在線客服
17856548804
2179259773@qq.com
