扬州蔬菜甲醛检测-金标准

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。

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。

在黄瓜叶部角斑病提取任务中，使用类间方差法初分割，继而使用熵发二次分割提取病虫害区域。另外，蔬菜甲醛检测，彩片中，使用色彩信息分割图像也是常用的手段，常见的色彩信息表示方式有BGR和HSV，通过设置色值区间可提取农作物病变区域。其中，HSV（或者HSI）更为可靠，其更的表示同一视觉感受颜色在不同光照条件下的区间。