图像分割算法是用于农产品光电检测分级分类的基础任务，传统算法的优势在于结构简单，，但对复杂环境的适应性较弱。深度学习方法受到环境影响较少，但需大量样本支持，如何正确的获取样本，以及提高算法的整体效率是当前需要解决的主要问题。在实际使用中，深度学习由于性能问题尚无法完全取代传统算法，使用者可以根据具体的需求选择合适的算法。
农产品检测实验室可设置如下几个部分：业务收样室、样品贮藏室、样品处理室、试剂贮藏室、样品检测前处理室、仪器分析室、称量室、烘干室、标准溶液配置室、感官分析室、品质分析室、微生物检测室、成分检测室、食品毒理分析室等。每个部分都有基本要求和特殊要求，业务收样室主要与客户打交道，接收样品和发送检测报告，处理客户抱怨，是实验室工作的窗口，应设置在建筑物的一层靠近门厅的位置或者每层建筑中厅的位置，总之，一切以方便客户为准则。
Canny算子相较于Sobel算子更加复杂，能获取更加的边缘且获取到的边缘不会虚化，抗噪性更好，但无法体现边缘的强弱。Canny算法适用于描述农产品的褶皱程度，如红枣中皮皮枣的筛选。文献[4]采用了一种改进的Canny算子用于苹果轮廓的提取。相较于阙值法，边缘检测方法不于提取粗略的轮廓信息，还可以用来提取更加细致的特征，常用于二次分割或配合阙值法使用。
各种新型显色剂和高灵敏度的显色体系不断涌现，为建立高灵敏度的试纸检测方法提供了更大的发展空间。如薛文静等以0。1%镉试剂的乙醇溶液为显色剂，定量分析用慢速中性滤纸为载体，制备镉快速检测试纸，标准系列色阶为0～5。0mg·L-1。该试纸性质稳定，在避光干燥条件下可保存5个月，在pH5～8范围内pH对显色结果影响不大。
