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。
通常來講，國外會要求樣品中目標化合物的相對保留時間不能與標準數值相差超過0.05min；不同目標化合物少要有3個特征離子，并且相對離子比例相較于標準而言，要控制在10%之內；加標回收率需控制在65%-110%之間。采取離子模式一般會要求所有目標化合物少有2個大于m/z200或是3個大于m/z100的特征離子；目標化合物特征離子比例相較于標準值需控制在60%-120%之間；加標回收率在70%-130%之間，判斷檢測則要在60%-120%之間。氣相色譜技術主要依據特征離子與離子間的比例去確定是否存在農藥殘留超標的問題，有著較高度以及環境適應性。
在線客服
17856548804
2179259773@qq.com
