基于編碼結(jié)構(gòu)的圖像分割網(wǎng)絡(luò)雖然能在復(fù)雜背景及環(huán)境中基于特征分割出圖像區(qū)域,不過(guò)其提取的輪廓特征依然較為粗糙,不足為真實(shí)尺寸測(cè)量提供依據(jù),直到MaskRCNN才做到了像素級(jí)圖像分割,為尺寸測(cè)量提供了依據(jù)。除此之外,MaskRCNN將目標(biāo)檢測(cè)和語(yǔ)義分割結(jié)合,對(duì)農(nóng)產(chǎn)品尺寸測(cè)量及分類(lèi)提供了指導(dǎo)性算法,也是目前研究?jī)?yōu)化的主要方向。
對(duì)于以矩陣形式存儲(chǔ)的圖像來(lái)說(shuō),采用模板矩陣(算子)對(duì)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(jì)算量較少,抗噪性較好且能保留邊緣的強(qiáng)弱,由一個(gè)用于提取水平方向特征和一個(gè)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(lái),通過(guò)紋路分布密度,進(jìn)行檳榔的分級(jí)任務(wù)。