圖像分割算法是用于農(nóng)產(chǎn)品光電檢測分級分類的基礎(chǔ)任務(wù)，傳統(tǒng)算法的優(yōu)勢在于結(jié)構(gòu)簡單，，但對復雜環(huán)境的適應性較弱。深度學習方法受到環(huán)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(tǒng)算法，使用者可以根據(jù)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(shù)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(nèi)；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(shù)主要依據(jù)特征離子與離子間的比例去確定是否存在農(nóng)藥殘留超標的問題，有著較高度以及環(huán)境適應性。
在線客服
17856548804
2179259773@qq.com
