点击图片查看原图
相反，假如蔬菜水果的萃取液中带有一定量的有机磷或氨基甲酸酯类农药酶的活性就被抑止或部份被抑止，实验中添加的底物就无法被酶水解或一小部分被水解，进而不着色或色调转变不大，用光度计测量吸光度值随時间的变动状况测算出抑制率，就可以分辨蔬菜水果中含有机磷或氨基甲酸酯类农药的农药残留状况。图像分割是一个经典的机器视觉处理问题，其目的是将图像分割为若干个相关的区域，从而提取出感兴趣的区域或者轮廓特征。
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质量，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。
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。
