圖像分割算法是用于農產品光電檢測分級分類的基礎任務，傳統算法的優勢在于結構簡單，，但對復雜環境的適應性較弱。深度學習方法受到環境影響較少，但需大量樣本支持，如何正確的獲取樣本，以及提高算法的整體效率是當前需要解決的主要問題。在實際使用中，深度學習由于性能問題尚無法完全取代傳統算法，使用者可以根據具體的需求選擇合適的算法。
據統計，每年有超過1200噸的糧食受到重金屬污染，直接經濟損失超過200億元；全世界每年有300萬農藥者，我國每年因農藥污染食品而造成的人數月20萬；我國每年生產約12萬噸，其中有9。7噸用于畜牧業養殖；我國濫用食品添加劑的問題占食品問題的24。8%；在食物的事件中，微生物性的人數占總人數的53。7%。重金屬通常指的是密度高于4。5g/m3的金屬，一般常見的重金屬有、鉛、鎘等，這些重金屬的生物毒性非常大，對環境的污染非常嚴重。
原子吸收光譜法簡稱AAS是一種儀器分析方法，主要與用于無機元素的分析的原子發射光譜法相輔相成，通過吸收光線的減弱情況來準確計算出樣品中該元素的含量，具有檢出限比較低、靈敏度高、準確度好等優點，是對無機化合物元素進行定量分析的主要手段。如謝瑩等采用濕法消解玉米植物葉片樣品，用AAS法測定了玉米葉片中的重金屬元素(Cu、Pb、Zn、Cr、Cd)含量，其相對標準偏差為1。1%~7。7%，加標回收率也取得了滿意的結果。
在線客服
17856548804
2179259773@qq.com
