CHNSpec Technology （Zhejiang）Co.,Ltd

プラスチックの溶接の品質評価における色スペクトルレーザー伝達量計の革新的な応用

プラスチック製品が自動車,電子機器,医療などの多くの分野で広く使用されているため,プラスチック製品をつなぐための重要な手段として,溶接質は製品性能と使用寿命に直接影響しますプラスチック溶接の質を評価するための伝統的な方法,例えば視覚検査と破壊試験は,強い主観性を含む制限があります.内部品質を包括的に反映できないレーザー伝達量計の出現は,プラスチック溶接の質を評価するための全く新しい,効率的で正確なソリューションを提供しました.   I.レーザー伝送メーターの動作原理 レーザー伝達量計は 光伝達原理に基づいて動作します 特定の波長のレーザービームがプラスチックサンプルに照射されると,光の一部が吸収されます.散らばっているこの装置は高精度光検出器を使って,入射光強度と送射光強度を正確に測定します.プラスチックの溶接質の評価のために,レーザー伝達量計は,溶接された領域と溶接されていない領域の伝達性の違いを敏感に検出できます.完全に浸透していない例えば,泡の存在は光の散乱を増加させる.伝染性が低下する光の伝播経路が変化し,異常な伝播が起こる.伝播の変化を分析することで,溶接質を正確に評価できる.   II. カラースペクトルレーザー伝送メーターTH-20の特徴と利点   カラースペクトルレーザー伝達量計TH-200は,プラスチック溶接質の評価において優れた性能を示しています.高精度光学検出システムで レーザー伝達量を正確に測定できますこの高精度特性により,プラスチック溶接時の微細な変化を敏感に捉えることができます.溶接品質の正確な評価のための堅牢な基盤を提供. TH - 200は,広く使われている様々なレーザー波長をカバーする幅広いスペクトル測定範囲を有し,さまざまなプラスチック材料と溶接プロセスのニーズに適応できます.自動車製造における一般的なポリプロピレン (PP) プラスチックの溶接または電子産業におけるポリカーボネート (PC) プラスチックの溶接に使用されるかどうかレーザー伝達率を正確に測定できます   この装置は操作が簡単で,直感的なユーザーインターフェースと自動測定ソフトウェアを備えています.操作者は,プラスチックサンプルを指定された位置に置くだけです.測定プログラムを開始測定を迅速に完了し,詳細なデータレポートを作成できます.これは検出効率を大幅に向上させ,生産ラインでの大規模検出に適していますさらに,TH-200は安定性と信頼性があり,長い時間産業生産環境で安定して動作することができ,機器の保守と校正の頻度を削減します.そして使用コストを下げます.   III. プラスチック 溶接 品質 評価 に レーザー 伝達 計 の 革新的な 応用 方法   1溶接前に材料のスクリーニングと評価   プラスチックの溶接の前に,プラスチック原材料の異なるバッチのレーザー伝達性は,カラースペクトルレーザー伝達性テストTH-200を使用してテストされます. テストデータを分析することによって,溶接プロセスの要件を満たすレーザー伝達性を有する材料のバッチを選択できます.異なる種類のプラスチックが溶接する必要がある場合,TH-200 は,エンジニア が レーザー 伝達 能力 に 適合 する プラスチック 材料 の 組み合わせ を 選ぶ こと に 役立つ例えば,自動車内部の部品の溶接では,TH-200による試験により,溶接の質が向上します.適切なプラスチック材料の組み合わせを選択することで,溶接の欠陥を効果的に軽減し,内部部品の美学性と耐久性を向上させることができます..   2. 溶接プロセスのリアルタイムモニタリング   プラスチック溶接装置にTH-200を組み込み,溶接過程中に溶接領域のレーザー伝達力のリアルタイム変化を監視する.溶接プロセスのパラメータが変動する場合溶接速度の変化などの不安定なレーザー電源は,溶接領域のプラスチックに異常な溶融と固化状態を引き起こします.レーザー伝達力の変化につながるTH-200は,これらの変化を迅速に記録し,データを溶接制御システムに返信します.制御システムは,自動で回帰データに基づいて溶接プロセスパラメータを調整し,溶接プロセスの閉ループ制御を達成し,溶接品質の安定性を確保します.例えば,電子装置のハウスの溶接生産ラインでは,レーザー伝達性をリアルタイムで監視し,溶接パラメータを迅速に調整することで,廃棄率を効果的に削減し,生産効率を向上させる.   3. 溶接後に包括的な品質検査   溶接が完了した後,溶接接接合体のレーザー伝達性はTH - 200を使用して検出されます.溶接前の標準データと,溶接過程中のリアルタイムデータとの比較溶接合体に不完全な浸透,誤った溶接,毛穴などの欠陥があるかどうかを判断できます.原因をさらに分析し,対応する改善措置を講じることができるさらに,TH-200は,間接的に溶接合体の強さを評価することもできます.溶接合体のレーザー伝達力と溶接強度との間には一定の相関性があることが示されていますレーザー伝達力と溶接強さの数学モデルを確立し,TH - 200で測定されたレーザー伝達強度のデータを用いて,溶接合体の強さを予測することができる.製品品質評価のより包括的な基盤を提供すること.   The innovative application of the color spectrum laser transmittance instrument TH - 200 in the quality assessment of plastic welding brings a new quality control method to the plastic welding industry溶接前に材料のスクリーニング,溶接過程中のリアルタイムモニタリング,溶接後の品質検出と評価を通じて,TH - 200は,効果的にプラスチック溶接の質を改善することができます生産コストを削減し,生産効率を向上させる.製造業における製品品質要件の継続的な改善により,プラスチックの溶接分野におけるレーザー伝達器具の応用展望はさらに広がるプラスチックの溶接技術の発展を推進し,様々な産業における製品革新と品質向上に強い支援を継続します.

なぜプラスチック溶接で伝導性が測定されるのか?

プラスチック加工の現代分野では,重要な接続技術として,プラスチック溶接は,自動車製造,電子機器,医療機器プラスチックの溶接過程では,光伝達性の測定が徐々に無視できない重要な側面になっている.科学的根拠と実用的な意義は??   プラスチック溶接の原理は,熱,圧力,超音波などのエネルギー源を利用し,プラスチック部品の接続部品を溶融状態にします.原子核融合が実現するレーザーによる溶接は,高精度,低熱影響帯,密封性能が優れているため,様々な溶接方法の中で好まれる.レーザービームがプラスチック上層を通過する必要がある溶接が実現する際に,光伝達性は溶接品質に影響する重要な要因になります.   プラスチック溶接プロセスの図面   プラスチック材料のレーザーエネルギーの伝送効率に直接影響します 上層プラスチック伝送性が低すぎるとレーザーエネルギーは,プラスチックの下層に効果的に浸透して到達できない.熱を十分に発生させることが困難であるため,良質な溶接を達成する.逆に,伝達性が高すぎると,下層のプラスチックが十分なエネルギーを吸収しない可能性があります.溶接強度にも影響する適切な伝達性は,プラスチック材料にレーザーエネルギーの正確な分布を保証し,高品質の溶接結果を達成することができます.自動車内部の部品の溶接溶接強度と外観の質の要求は極めて高い. 溶接部品がしっかりと美しく結合できるのは,透気性を正確に制御することによってのみである.誤った溶接や脱離などの欠陥を回避する. プラスチックの伝達性を正確に測定するには どうすればよいのでしょう? Color Spectrumの新しい製品 レーザー伝達量計が 登場しますこの計器は,プラスチック溶接分野における伝導性測定要件のために特別に設計され,多くの優れた機能を持っています先進的なレーザー光源と高度に敏感な検出器を使用して,特定の波長レーザーの下で様々なプラスチック材料の伝達性を迅速かつ正確に測定します.測定精度は非常に高い測定結果の信頼性を大幅に向上させる.   実際の測定ソフトウェアインターフェース   カラースペクトルレーザー伝達量計は操作が簡単で,非プロフェッショナルでも習得できます.この機器には直感的な操作インターフェースと透明なディスプレイが装備されています.測定データをすぐに理解できるようにするさらに,複数の測定データに対する統計分析を行うことができる強力なデータ保存と分析機能を持っています.プラスチックの溶接プロセスを最適化するための強力なデータサポートを提供します操作者は,測定対象のサンプルを計測器の測定プラットフォームに置き,測定ボタンを押すだけです.正確な伝播度データを得ることができるこの便利さは,生産効率を大幅に向上させ,面倒な測定による時間の無駄を削減します.   プラスチック溶接過程で 透射度を正確に測定するために Chroma Spectra Laser Transmittance Meter を使います測定結果に基づいてプラスチック材料をスクリーニングして最適化できます溶接要件を満たしていない透気性のあるプラスチックでは,配列を調整したり,添加物を加えたり,加工技術を変更することによって改善することができます.溶接過程中に, リアルタイムで伝送性の変化を監視することで,材料のバッチ差,機器の故障など,潜在的な溶接問題を迅速に特定することができます.溶接品質の安定性と一貫性を確保するために調整のための適切な措置を講じる.   結論として,プラスチック溶接における伝導性の測定は極めて重要です.溶接質の確保における重要な要因だけでなく,プラスチック溶接プロセスの継続的な最適化と革新を促進するための重要な手段でもありますChroma Spectraレーザー伝達量計は 先端技術で 優れた性能で 操作が便利ですプラスチック溶接産業における伝導量測定のための信頼できるソリューションを提供します.企業に製品品質と生産効率を向上させ 激烈な市場競争の中で より大きな価値を創出する手助けをします

炭のサンプルの超スペクトル画像取得と処理方法

石炭産業の研究と生産実践において石炭の利用を最適化し,製品の質を向上させるために,石炭の様々な特性についての正確な情報を得ることが非常に重要です.超スペクトル画像技術は,強力な分析手段として,石炭の内部構造と組成に関する豊富な情報を提供することができます.その応用は,効率的で正確な石炭サンプルの超スペクトル画像取得と処理方法に基づいています. 超スペクトル画像技術とは,光学,電子,コンピュータ科学などの分野を統合した先進技術である.その働き原理は,吸収の違いに基づいている.,異なる物質の反射と散乱特性を 異なる波長の光に連続スペクトル範囲で石炭の反射性情報を取得することができます石炭の"指紋"のようなもので 豊富な材料組成と構造情報を含んでいます超スペクトル画像技術により,より高いスペクトル解像度があり,ナノメートルの波長差まで精度があります.石炭の様々な成分のスペクトル特性をより詳細に捉えることができる. 本論文では,900~1700nmの超スペクトルカメラを使用し,カラースペクトルテクノロジー (ゼジアン) コ.,LTDの製品であるFS-15を関連研究に使用することができる.短波近赤外線超スペクトルカメラ, 200FPSまで全スペクトルを取得速度, 広く成分識別,物質識別,機械ビジョン,農業製品の品質に使用されます.スクリーン検出および他のフィールド. 炭の熱値検出における超スペクトル画像技術の適用は比較的単純で効率的です.超スペクトル画像データは,超スペクトル画像機器で石炭サンプルをスキャンすることによって得られる.超スペクトル画像技術による石炭の熱量測定は比較的単純で効率的です.超スペクトル画像データは,超スペクトル画像機器で石炭サンプルをスキャンすることによって得られる..   超スペクトル画像取得インターフェース   このデータには,異なる波長で石炭の反射性に関する情報が含まれます.その後,プロのデータ処理ソフトウェアを使用して,取得した画像データを事前処理し,ノイズを除去し,正確なスペクトルデータの質を向上させるため (a) 元の画像 (b) 関心のある領域 石炭のハイパースペクトル画像に関心のある領域の選択   対象領域の平均スペクトル曲線   7点SGのスムーズフィルタリング   計器そのものの特性と環境要因の影響により,収集されたスペクトルには波長漂流や強度偏差などの問題がある可能性があります.スペクトル修正の目的は,これらの偏差を修正し,石炭サンプルの実際のスペクトル特性を正確に反映することです.一般的なスペクトル校正方法には,波長校正と放射線校正が含まれます.波長校正 既知のスペクトル特性を持つ標準材料を使用して画像スペクトロメーターの波長精度を校正する,例えば水銀ランプやネオンランプは,各ピクセルに対応する波長値が正確であることを保証します.放射線校正は,認識された反射率を持つ標準ホワイトボードを測定することによって,画像の灰色値を実際の反射率値に変換することです.計測器の反応や不均等な照明などの要因がスペクトル強度に影響を及ぼさない. 多変数分散調整の結果は図に示されています. 多変数分散調整の結果   標準正規変換 標準正規変換の結果   石炭サンプルの超スペクトル画像の取得と処理は複雑で重要なプロセスです.取得プロセスを最適化し,先進的な画像処理方法を使用する石炭産業の研究,生産,品質管理に強力な技術的な支援を提供する.テクノロジーの継続的な発展により石炭産業の発展に新たな突破をもたらすと予想される.

ハイパースペクトラルカメラによる,オカミとアヒルの混ぜたベールトの定量検出

繊維業界では,ガチョウ羽根とアヒルの羽根が優れた熱特性があるため,高品質の熱製品を作る高品質の原材料となっています.市場価格で大きな違いがある悪い商人は高い利益を追求するために 往々にしてダンをガチョウと混ぜます これは消費者の利益に害を与えるだけでなく 市場秩序を乱すのです精確で効率的な量的な検出が特に重要です.近年,超スペクトルカメラ技術の開発により,この検出課題に革新的な解決策が提供されています. 一、サンプル作成: 純粋なガチョウ羽根とダチ羽根のサンプルを大量に採取し,そのソースが信頼性と代表性を確保します.高精度 の 電子 秤 を 用い て,異なる 比例 に かなっ て 精度 を 計る5%, 10%, 15%... 異なる割合のサンプルを混ぜました 95%のダンの羽根など実験の精度と信頼性を向上させるため,各比に複数の繰り返しサンプルが設定されました.構成された混合羊毛サンプルは,重なり合いや空白のない均一なサンプル分布を確保するために,特別なサンプルテーブルに均等に配置されます.そして,超スペクトルカメラが包括的で正確なスペクトル情報を入手できるようにする.. 二、超スペクトル画像取得: 本論文は,関連研究のために使用できる400-1000nm超スペクトルカメラFS13を使用しています.400-1000nm のスペクトル範囲です,波長解像度は2.5nmより優れ,1200のスペクトルチャンネルまで到達できる.全スペクトルで取得速度は128FPSに達する.帯域選択の後の最大値は3300Hz (多地域帯域選択をサポートする)混合羊毛の各サンプルは,サンプル内の局所的な特徴の違いによって引き起こされる検出エラーを減らすために,異なる角度から画像を取得するために,複数の撮影を行います.取得した超スペクトル画像データは,データ損失を避けるため,時間内に保存するためにコンピュータに転送されます.. 三、データ予備処理: プロのデータ処理ソフトウェアを使用して,収集された超スペクトル画像データを予備処理する.まず,照射修正は,カメラそのものの性能差と環境要因による照射誤差を除去するために行われます.異なる画像間のスペクトルデータが比較可能になるため,カメラの角度,サンプル配置などによって引き起こされる画像歪みを修正するために幾何学的修正が行われます.画像のピクセルの位置が正確であることを確認するために画像の質と透明性を向上させるためにフィルタリングアルゴリズムによって画像内のノイズ干渉が除去され,より正確にスペクトル特性を抽出するために. 四、スペクトル特性の抽出:特殊なアルゴリズムとソフトウェアツールが,先行処理された超スペクトル画像に基づいて,それぞれガチョウダンのスペクトル特徴とダンのスペクトル特徴を抽出するために使用されます.膨大な数の画像データを分析し比較することで見える光から近赤外線のスペクトルで,ガチョウ羽根とアヒルの羽根の特異波長範囲が有意に区別可能であることが決定される.これらの鍵波長では,ガチョウ羽とアヒルの羽の反射値が慎重に測定され,独自のスペクトル特性のデータセットを形成するために記録されます.例えば,多くの実験分析の後700nm~800nmの波長範囲でガチョウ羽とアヒルの羽の反射曲線に明らかな差があることが判明しました重要な基礎として用いられる.. 五、モデル作成と検証: 採取されたガチョウ羽毛とアヒルの羽毛のスペクトル特性のデータに基づいて,混ぜたガチョウとアタクの定量分析のためのスペクトルモデルは,機械学習または統計的方法を使用して作成されました.一般的なモデリング方法には,サポートベクトルマシン,部分最小正方形方法などが含まれます.既知の混合比率を持つサンプルデータの一部は,モデルを訓練するためのトレーニングセットとして使用されます.ゲスの羽根とアヒルの羽根のスペクトル特性と混合比の間の内部関係を学ぶことができます.訓練に参加しなかったサンプルデータの別の部分は,確立されたモデルを検証するための検証セットとして使用されました.検証セットのサンプルからの超スペクトル画像データはモデルに入力され,モデルによって,ガチョウ羽とアヒルの羽の予測された混合比が計算されました.既知の混合比率と比較してモデルの正確性と信頼性は,予測値と実際の値,例えば平方根・平均値の誤差と平均絶対値の誤差の計算によって評価される.検証結果によるとモデルの性能を改善するために,モデルパラメータを調整し,特徴変数を追加または削減など,モデルを調整し最適化します. 6結果の分析と評価:すべての混合羊毛サンプルの試験結果が要約され,統計的に分析されました.試験方法の安定性と繰り返し性を評価するために,異なる混合比率下での試験結果の平均値と標準差などの統計指標が計算されました.. The results of hyperspectral camera detection were compared with those of traditional detection methods (such as chemical analysis) to further verify the accuracy of the hyperspectral camera detection method実験データの大量の分析により,誤差範囲はハエとアヒルの混ぜたベルベットの定量検出におけるハイパースペクトルカメラの検出精度および他の主要なパフォーマンスインデックスが得られます実験結果は,この方法により,混ぜたベルヴェットに含まれるガチョウ羽根とアヒルの羽根の正確な割合を短時間で迅速かつ正確に検出することが示されています.検出誤差は非常に小さい範囲で効果的に制御できます高い信頼性と実用性を完全に証明しています ハイパースペクトルカメラ技術の使用により,オカミとアヒルの混ぜたベルベットの定量検出の精度と効率が大幅に向上します.製品品質を保証し,ブランドの評判を維持できる規制当局にとって,市場における偽造品や劣質な製品に対する対策のための強力な技術的支援を提供します.市場環境を浄化し,消費者の正当な権利と利益を保護するテクノロジーの継続的な発展と改良によりハイパースペクトルカメラの応用は,ガチョウとアヒルの混ぜたベルベットの定量検知やその他の関連分野では,より広く,より深く行われると考えられています産業の健全な発展に新たな活力を注ぐ

UAVハイパースペクトラルカメラによるナッツの覆いの中の窒素含有量の推定

ウォールナッツは,中国の重要なナッツ果樹と木造油の木種である.独特の味と豊富な栄養価で,ウォールナッツは,世界の4つの乾燥果実の中で第一位を占めています.果実の拡大段階は,ナッツの果実の発達の最初の段階です.この段階の栄養不足は,後の果物の質と収穫に直接影響します.成長段階のナッツ果物の窒素含有量を監視し診断することは 木の成長を制御し,適切な管理計画を適時に調整するために非常に重要です. この研究では,400-1000nmの超スペクトルカメラが適用され,杭州カラースペクトルテクノロジー株式会社 (LTD) の製品であるFS60は,関連する研究に使用することができる.スペクトル範囲は400-1000nmです.,波長解像度は2.5nm以上で,最大1200のスペクトルチャネルに到達できる.全スペクトルで取得速度は128FPSに達する.帯域選択の後の最大値は3300Hz (多地域帯域選択をサポートする). 一│ 予備 UAVの超スペクトルカメラでナッツの甲板の窒素含有量を推定するには,まずデータ収集が必要です.超スペクトルカメラを装備した適切なUAVプラットフォームを選択します.ウォールナット・ガーデン上空の 既定のルートと高度に従って飛行を行う飛行中に 超スペクトルカメラは 特定の時間間隔や空間間隔で ナッツの屋根をイメージし 大量の超スペクトル画像データを取得します 同時にデータの正確性と信頼性を確保するため核桃の葉の窒素含有量や従来の方法によって決定された天蓋構造パラメータなどの基準データを同時に地面で収集することも必要である. 二、結果と分析 グラフ2に示されているように,オールナッツ土地と影が一定程度に重なり合っている 5年ぶりのナッツの森の遠隔検出画像の帯域全体520~600nm の帯域では,影のスペクトル反射性は0未満です.10この範囲では,ナッツと土壌のスペクトル反射力の差は明らかに重なり合っていないし,両者のスペクトル反射力は0.10以上である.ウォールナッツのスペクトル反射性ワルナッツのスペクトル反射力は 740-900nm の範囲で 0.7 以上です.対象でない他の植物のスペクトル反射力は0未満です.7核桃のスペクトル反射力は,緑光と近赤外線帯では他の非標的植物と区別できるが,一つまたはいくつかの帯では区別できないため,ENVI5では計算できません.3 ソフトウェアウォールナット・キャノピの流暢な抽出プロセスを容易にするため,この試験では,緑色光と近赤外線帯におけるナッツの覆い層の最大スペクトル反射量 Bw(550が選択されています..7) と B ((779.4) が分類され,天蓋の範囲を決定するために識別された.オールナッツの木,土壌,影はENVI5.3ソフトウェアで定義されている.すなわち,スペクトル反射がB ((550) にあるとき.7 は 0 未満または 0 に等しい.10 と B (779.4) のスペクトル反射力は 0 未満または 0 未満である.20影が識別され,除去される.Bのスペクトル反射量が0.10より大きく,Bのスペクトル反射量が (779.4) のスペクトル反射量が0未満または等しいとき.70B550.7のスペクトル反射性が B550.7のスペクトル反射量よりも大きい場合.0.10Bのスペクトル反射量は0以上である.70核桃の木が対象植物として特定されています. さらに,一般化と分類の精度が良いサポートベクトルマシンを使用して,天蓋の範囲を抽出しました.そして,スペクトル特性をベースにした天蓋の範囲抽出の精度が比較されましたまず,ENVI5.3ソフトウェアでは,リモコンセンシング画像の地面物体は,ナッツの木と他の2種類に分かれています (図4).緑色のエリアは,他の2種類のサンプル間の分離性は1でした.998,その後SVM分類器が監督された分類のために選択され,元の分類結果 (図5a) が得られました.分類結果には小さな欠陥が多くありました準確性が最終的な適用目的を達成するのに困難であったため,予備分類結果を処理するために,メジャーティ・スモール・パッチ処理方法が採用されました.実際の要件を満たす分類結果が得られた (5b図)カッパ係数は0であった.997目標植物のマッピング精度は99.65%でしたMatab2014b ソフトウェアは,この研究におけるスペクトル特性に基づいて決定されたキャノピー範囲を,サポートベクトルマシン方法によって識別されたキャノピー範囲ピクセルと重複するために使用されました.カノピー範囲には4257の重複したピクセルがあり,スペクトル特性の基に選択されたキャノピー範囲ピクセル数は96でした.サポートベクトルマシン内のピクセル数の77%図 6 に示されているような,高精度,重複した結果 現在,ウオールナッツの覆い木の窒素含有量を推定するUAVハイパースペクトラルカメラの適用は,依然として継続的な開発と改善の段階にあります.テクノロジーの進歩によって超スペクトルカメラの性能がさらに向上し,スペクトル解像度と画像品質が向上します.データの処理と分析方法が よりスマートで自動化され超スペクトルデータとリダードデータと熱赤外線データとの組み合わせなど,マルチソースデータ・フュージョン技術の開発が同時に進んでいます.核桃の木の成長に関するより包括的で正確な情報を得ることができますさらに,精密農業の概念の深遠な推進により,UAVハイパースペクトラルカメラ技術がナッツの栽培分野ではより広く使用されると予想されていますナッツ産業の持続可能な発展に 強力な技術的支援を 概要すると,UAVハイパースペクトルカメラは,先進的なリモコンセンシングモニタリング技術として,オールナッツの天井の窒素含有量の推定の応用に広い見通しと大きな可能性を秘めています.核桃 の 覆い の 窒素 含有量 を 正確 に,迅速 に 推定 する こと に よっ て,核桃 栽培 者 が 肥料 決定 を する ため の 科学 的 な 根拠 を 提供 でき ます精密な肥料化,肥料利用の改善,資源の浪費と環境汚染の削減,高品質なナッツ産業の発展を促進する.

ハイパースペクトラルカメラでオレンジ皮の年数を迅速に識別する

オレンジの皮は,良い経済的価値と薬学的価値を持っていますが,市場における偽物と劣悪な現象は深刻です.特に,オレンジの皮の品質を測定するための重要な指標として,手動検出方法の正確性と効率が低いこの論文では,深層学習方法と組み合わせたハイパースペクトラル画像技術を使用して,オレンジ皮の老化年を迅速で破壊的でない識別方法を確立しました.一材料と方法 購入したオレンジ皮のサンプルは,年齢に応じて1年,5年,10年および15年に分かれました.図1に示すように,1年ごとに120個のオレンジ皮のサンプルが採取されました.合計480個のオレンジ皮サンプルが採取されました各年のオレンジ皮のサンプルを7の比でランダムに分けました3試験セットには84個,試験セットには36個が入りました. 本論文では,900~1700nmの超スペクトルカメラを使用し,カラースペクトルテクノロジー (ゼジアン) コ.,LTDの製品であるFS-15を関連研究に使用することができる.短波近赤外線超スペクトルカメラ, 200FPSまで全スペクトルを取得速度, 広く成分識別,物質識別,機械ビジョン,農業製品の品質に使用されます.スクリーン検出および他のフィールド. 二、結果と分析 異なる年のオレンジ皮サンプルのスペクトル曲線は,図3に示されています.1200mと1450nmの近くには吸収ピークがあることが明らかです.1200nmの吸収ピークは主に結合対のスペクトル吸収によって引き起こされ,1450nmの吸収ピークは主に水のスペクトル吸収によって引き起こされます.すべての種類のサンプルのNIRスペクトルの帯が密接に重なり合っています全体の傾向はほぼ同じで,吸収ピークはほとんど同じ位置で,明らかな違いはありませんでした.肉眼で4種類のオレンジ皮サンプルを区別することは困難でした. 三、スペクトル前処理方法 オレンジ皮の超スペクトルデータの予備処理には,画像分割,スペクトル平均化,スペクトル予備処理といういくつかのステップが含まれます.異なる年のオレンジ皮サンプルの元の平均スペクトルと SG+D1予備処理後の平均スペクトル曲線は,図4に示されています.. 図4 (a) と図4 (b) から見られるように,SG+D1の組み合わせた予処理方法は,スペクトルベースラインの漂移の影響を効果的に排除し,スペクトル曲線を平ら化することができる.このようにしてオレンジ皮の年の識別の正確性が向上します. リンゴ皮の年数をハイパースペクトラルカメラで迅速に識別することは,中国医学産業で幅広い応用の可能性を持っています.中国製薬メーカーやディーラーが オレンジの皮の質と年数を正確に制御するのに役立ちます市場監督の観点から言えば,市場監督の観点から言えば,市場管理の観点から言えば,市場管理の観点から言えば,市場管理の観点から言えば,市場管理の観点から言えば,市場管理の観点から言えば,市場管理の観点から言えば,関連部門は,この技術を使用して,市場でのオレンジ皮製品の迅速サンプル採取を行うことができます.市場が正常な秩序を維持する. さらに,技術の継続的な改善と普及により,また,オレンジ皮の科学研究と品質評価にも力強い支援をしますリンゴ皮産業をより標準化,標準化,科学的な方向に発展させる.

乳中のタンパク質含有量を検知するための超スペクトル画像技術の適用

牛乳栄養の評価において,タンパク質含有量は,牛乳が人々の日常生活におけるタンパク質吸収の不可欠な源であることを示す最も重要な指標です.消費者の健康と乳製品産業の発展は 牛乳の品質と密接に関連しています牛乳タンパク質の含有量を検出することは非常に重要な要素です.従来の検出方法は時間がかかり,多くの人材を浪費し,環境の悪化につながります..牛乳のタンパク質含有量を検出するための より迅速で正確な方法を見つけることが非常に重要です.この論文は,牛乳タンパク質の含有量を定量的に評価するために,ハイパースペクトル画像技術と組み合わせた機械学習を使用しています市場における乳タンパク質含有量を検出するための可行なシステムを提供する.   一、実験用材料 純粋なミルクの7種類のブランドを買い,メンニュー,ニューホープ,イリ,広明など,冷蔵庫に保管しました.タンパク質含有量は表1に示されています. 二、実験用機器 本論文では,400-1000nmの超スペクトルカメラが使用されている. 杭州カラースペクトルテクノロジー株式会社 (株) の製品であるFS13は,関連する研究に使用することができる.スペクトル範囲は400-1000nm,波長解像度は2より優れている.5nm,最大1200スペクトルチャネルまで到達できます. 獲得速度は全スペクトルで128FPSに達できます.帯域選択の後の最大値は3300Hz (多地域帯域選択をサポートする). 三、 実験設定方法 乳のサンプルの超スペクトル画像は,超スペクトルスペクトロメーターを用いて採取されました.各種類の乳から3回サンプルを採取しました.そして ENVI5から明確な画像を選択しました.3集まったスペクトル画像は 777×1004 ピクセルの解像度でした. 超スペクトル画像機の曝光時間は 10ms,ピクセル混合時間は 6 でした.解像度は 4.8nmでした.平均値は0でした.8nm,垂直距離は30cmで,撮影条件は室温 (23~25°C) でした.撮影中に画像スペクトロメーターとスキャンヘッドが一緒に設置されています.牛乳の平均スペクトルデータは,ENVIソフトウェアを用いたハイパースペクトル画像から得られます. " 四、 超スペクトルデータの抽出と事前処理 超スペクトル画像から超スペクトル反射率データを抽出することは 伝統的な機械学習モデリングの基礎です標本のスペクトル反射度データは,対象領域 (ROD) のすべてのピクセルの平均スペクトル反射度 (RAP) を抽出することによって得られる.この論文では,ENVIソフトウェアを使用して 牛乳サンプルの修正された超スペクトル画像を開きます.そして各ハイパースペクトル画像の中心に近いピクセルは,長方形ツールでROIとして選択されました合計30のROIと7の超スペクトル画像が選択され,210のROIが選択された.ROIのすべてのピクセルの平均スペクトル反射は,サンプルのスペクトルデータとして計算された.合計210のスペクトルデータ.スペクトルデータは ASCI 形式で保存されます.次の図はROIの抽出プロセスを示します. この論文では,牛乳タンパク質含有量の予測の精度を向上させるために,機械学習と組み合わせたハイパースペクトラル画像技術を使用して牛乳タンパク質含有量を予測しました.超スペクトル画像システムが構築されました市場にある7種類のミルクブランドの超スペクトル画像が収集され,スペクトルデータはENVIソフトウェアで抽出され,ミルク超スペクトルデータセットが作成されました.そして210の超スペクトルデータが最終的に抽出されました. 超スペクトル画像技術では,乳のタンパク質含有量を検出する大きな可能性が示されていますが,現段階ではいくつかの課題があります.分野間技術革新を統合することで技術システムの継続的な最適化と実用的な応用問題の解決により,乳製品品質管理の不可欠で強力なツールになります牛乳産業の経済的・社会的利益の向上に貢献し,高品質の牛乳製品に対する消費者の需要の増大に対応します.

新鮮な蓮のアミロース含有量を超スペクトル画像で測定する

生活水準の向上とともに 人々が蓮の種子の味や栄養に より高い要求を 抱えています 薬としての蓮の種子は 強化剤の種でもありますそのアミロース含有量は,蓮の種子の質と味に直接影響します蓮の種子のアミロース含有量は種々によって大きく異なっており,それ故に蓮の種子のアミロース含有量を決定することは,後の加工において非常に重要である.伝統的なアミロース検出は,一般的にヨウ素色計を用います実験条件によって影響を受けやすい. 実験の過程で,これらの方法は時間と労力を要する. 超スペクトル画像技術は 破壊的でない検査技術で 豊富なスペクトルと画像情報を得ることができます時間を節約する利点がありますこの論文では,新鮮な蓮のアミロースを検出するために,超スペクトル画像技術を使用しました. 一材料と方法   1.1 試験材料 試料は福建省から採取され 品種はXuanlian,Guangchanglian,Jianxuan 36,Mantianxing,Space lotusとXianglianでした新鮮な蓮の種は液体窒素に保存され,実験室に運ばれました4°Cで12時間冷蔵しました 1.2 超スペクトル画像取得と修正 超スペクトル画像システムの主要構成要素には,超スペクトル画像機,光源,ステージ,ブラックボックス,超スペクトルデータ取得ソフトウェアが含まれます.システム全体が色スペクトルハイパースペクトルカメラ fs-13を使用することができます400nm~1000nmのスペクトル範囲を収集し,スペクトル解像度は2.5nmです.ハイパースペクトル画像システムは図1に示されています.パイロード・プラットフォームの移動速度が 3 に設定されています..5mm/sで曝光時間は30msです.レンズは移動プラットフォームから40cm離れた直下にあります.システムの黒と白の修正のために光譜計のカメラの焦点距離を調整. 1.3 データ処理 分析ソフトウェアを使用して,蓮の種子のスペクトル画像から 対象地域 (ROI) の平均スペクトルを抽出しました.騒音や外部の散乱光の影響を取り除くために,第1派生子,第2派生子,SGスムージング,多重分散修正 (MSC) 標準正常変数変換などの事前処理方法のモデリング効果を比較した.最適な予備処理方法が選択されました. 二、結果と分析   2.1 関心のある領域の平均スペクトル この論文では,単一のサンプルにおけるそれぞれのピクセルのスペクトル曲線が,後の処理に使用されます.頭と尾のノイズ (400nm~971nm) を除去した後の平均スペクトル図は図2に示されています.この図から,異なるサンプルのスペクトル値の変動傾向が一貫していることがわかります.帯域は460nmと570nmの間には明らかに上向きのシフトがあります.水帯の変化によって引き起こされる可能性があります帯域は500nmから920nmの間の比較的明らかな吸収を持っています.これは四次周波数倍増に関連しているかもしれません.アミロース分子のC-HグループのO-H二次周波数倍数とO-H主次周波数倍数. 2.2 蓮の種子のアミロース含有量 アミロース含有量の修正セットと予測セットの結果,SPXY方法で割った結果は,表1に示されています.新鮮な蓮の種子のアミロース含有量は大きく異なることが表からわかる.修正された蓮の種子のアミロース含有量の最大値は227.90 mg/g,最小値は100.82 mg/g,標準偏差は44.73 mg/gである.予測されたサンプルのアミロース含有量は,修正セットサンプルの範囲内である.抽出分割は合理的です 三結論 この論文では,ハイパースペクトラル画像技術を使用して,アミロース含有量を迅速に検出しましたモデル化効果は,最初の導関数と多重分散修正MSCを使用した後に最も良いことを示しています.その後,SPAを使用して9つの特徴帯を抽出した.PLSR予測モデルの訂正されたセット相関系数 (R) は0であった.835, 修正された集合根平均平方誤差 (RMSEC) は 1 でした.802予測されたセット相関系数 (R) は0であった.856予想されたセットルーツ平均平方誤差 (RMSEP) は 1 であった.752相対分析誤差 (RPD) は1でした.944RC 方法 (R) によって確立された PLSR 予測モデルの予測集合の相関系数は,予測集合の根平均正方形誤差 (RMSEP) は 1 であった.897相対分析誤差 (RPD) は1でした.761この研究により,アミロース含有量のオンライン検出装置のさらなる開発への考えが提供され,良好な基盤が確立されました.