发布单位：安徽金标准检测研究院有限公司 发布时间：2024-3-23
图像分割的准确性直接作用于目标物测量的准确性，其效率直接影响生产的效率，因而，一个快速准确图像分割算法是目标识别，分级分类任务面临的首要问题。在农业产品分级分类任务中，图像分割的目的是将工业相机采集到的图片中的农产品准确的提取出来，为进一步的尺寸测量，分类任务做好准备。对于农产品图像分割算法来说，由于受到生产设备成像，灰尘污渍，光照条件，阴影等外部因素影响，造成分割的不准确。本文通过对比不同图像分割算法，阐述各类算法的优缺点，以及各自合适的应用场景。
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。---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，---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。
传统提取算法，阙值提取法是图像分割中使用较为广泛的方法，通过阙值的设置，将处于阙值区间内的像素区域归纳为同一区域，从而分割图像。此类算法的缺陷在于只考虑了目标的灰度信息，从而缺少鲁棒性。在这类算法中，如何获取一个合理的阙值是算法成功的关键，手动选取阙值无法具备通用性，易受环境变化的影响，主流的选取阙值的方法有类间方差法和熵阙值分割法。
