基于深度學(xué)習(xí)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(luò)FCN是深度學(xué)習(xí)用于進(jìn)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(jìn)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。
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(jìn)行卷積運(yùn)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(qiáng)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(jìn)行檳榔的分級任務(wù)。