速測卡法結(jié)果判定：與空白對合奏阿卡比較，白色藥片不變色或略有淺藍色均為陽性結(jié)果，不變藍為陽性結(jié)果，說明農(nóng)藥殘留量較高，顯淺藍色為弱陽性結(jié)果，說明農(nóng)藥殘留兩相對較低。白色藥片變?yōu)樘焖{色或空白對照卡片相同，為陰性結(jié)果。對陽性結(jié)果的樣品，可用其他分析方法進一步確定具體農(nóng)藥品種和含量。農(nóng)藥殘留分光光度計法(抑制率法)原理：一定條件下，有機磷和氨基甲酸酯類農(nóng)藥對酶正常功能有抑制作用，其抑制率與農(nóng)藥的濃度成正相關(guān).，正常情況下，酶催化乙酰水解，其水解產(chǎn)物與顯色劑反應，產(chǎn)生黃色物質(zhì)，用分光光度計在412nm處測定發(fā)光度隨時間的變化值，計算出抑制率，通過抑制率可以判斷出樣品中是否有有機磷確和氨基甲酸酯類農(nóng)藥的存在。
對于以矩陣形式存儲的圖像來說，采用模板矩陣（算子）對源圖像進行卷積運算是其提取梯度特征的通用方法。Sobel算子計算量較少，抗噪性較好且能保留邊緣的強弱，由一個用于提取水平方向特征和一個用于提取垂直方向的特征的算子組成。Sobel算子十分適合用于提取農(nóng)產(chǎn)品方向性的特征，例如檳榔的紋路就能很好的被垂直方向的Sobel算子提取出來，通過紋路分布密度，進行檳榔的分級任務。
基于深度學習的圖像分割方法，主要研究領(lǐng)域是在于語義分割，即根據(jù)圖片內(nèi)容，將圖像分為多個有含義的部分，對于農(nóng)產(chǎn)品分類而言有著革命性的意義。全卷積網(wǎng)絡FCN是深度學習用于進行圖像分割的先驅(qū)，以分類模型AlexNet為基礎(chǔ)，將其3層全連接層轉(zhuǎn)化為反卷積層進行上采樣，從而將輸出有特征分類轉(zhuǎn)化為區(qū)域特征熱力圖。
在線客服
17856548804
2179259773@qq.com
