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。

農產品檢測實驗室可設置如下幾個部分：業務收樣室、樣品貯藏室、樣品處理室、試劑貯藏室、樣品檢測前處理室、儀器分析室、稱量室、烘干室、標準溶液配置室、感官分析室、品質分析室、微生物檢測室、成分檢測室、食品毒理分析室等。每個部分都有基本要求和特殊要求，業務收樣室主要與客戶打交道，接收樣品和發送檢測報告，處理客戶抱怨，是實驗室工作的窗口，應設置在建筑物的一層靠近門廳的位置或者每層建筑中廳的位置，總之，一切以方便客戶為準則。

Canny算子相較于Sobel算子更加復雜，能獲取更加的邊緣且獲取到的邊緣不會虛化，抗噪性更好，但無法體現邊緣的強弱。Canny算法適用于描述農產品的褶皺程度，如紅棗中皮皮棗的篩選。文獻[4]采用了一種改進的Canny算子用于蘋果輪廓的提取。相較于闕值法，邊緣檢測方法不于提取粗略的輪廓信息，還可以用來提取更加細致的特征，常用于二次分割或配合闕值法使用。

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。