水果质量检测-金标准|经验丰富(图)

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。

基于编码结构的图像分割网络虽然能在复杂背景及环境中基于特征分割出图像区域，不过其提取的轮廓特征依然较为粗糙，不足为真实尺寸测量提供依据，直到MaskRCNN才做到了像素级图像分割，为尺寸测量提供了依据。除此之外，MaskRCNN将目标检测和语义分割结合，对农产品尺寸测量及分类提供了指导性算法，也是目前研究优化的主要方向。

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，水果质量检测，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。