|
公司基本資料信息
注意:發布人未在本站注冊,建議優先選擇VIP會員 |
基于編碼結構的圖像分割網絡雖然能在復雜背景及環境中基于特征分割出圖像區域,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,直到MaskRCNN才做到了像素級圖像分割,為尺寸測量提供了依據。除此之外,MaskRCNN將目標檢測和語義分割結合,對農產品尺寸測量及分類提供了指導性算法,也是目前研究優化的主要方向。
圖像分割的準確性直接作用于目標物測量的準確性,其效率直接影響生產的效率,因而,一個快速準確圖像分割算法是目標識別,分級分類任務面臨的首要問題。在農業產品分級分類任務中,圖像分割的目的是將工業相機采集到的圖片中的農產品準確的提取出來,為進一步的尺寸測量,分類任務做好準備。對于農產品圖像分割算法來說,由于受到生產設備成像質量,灰塵污漬,光照條件,陰影等外部因素影響,造成分割的不準確。本文通過對比不同圖像分割算法,闡述各類算法的優缺點,以及各自合適的應用場景。