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。
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。
各種新型顯色劑和高靈敏度的顯色體系不斷涌現，為建立高靈敏度的試紙檢測方法提供了更大的發展空間。如薛文靜等以0。1%鎘試劑的乙醇溶液為顯色劑，定量分析用慢速中性濾紙為載體，制備鎘快速檢測試紙，標準系列色階為0～5。0mg·L-1。該試紙性質穩定，在避光干燥條件下可保存5個月，在pH5～8范圍內pH對顯色結果影響不大。
在線客服
17856548804
2179259773@qq.com
