メッセージを送る

CHNSpec Technology (Zhejiang)Co.,Ltd chnspec@colorspec.cn 86--13732210605

会社情報
なぜ私達を選びなさいか。
CHNSpec Technology (Zhejiang) Co.,Ltdは2008年に設立され,色計の研究開発,生産,販売を専門としています.
お問い合わせ
CHNSpec Technology (Zhejiang)Co.,Ltd

高品質

信頼証券 信用チェック RoSH サプライヤーの能力評価 企業には厳格な品質管理システムと 専門的なテストラボがあります
CHNSpec Technology (Zhejiang)Co.,Ltd

開発

専門的な設計チームと 先進的な機械のワークショップ 必要な製品を開発するために協力することができます.
CHNSpec Technology (Zhejiang)Co.,Ltd

ソースファクトリー

先進的な自動機械 厳格なプロセス制御システム 電気端末を全て 製造できます
CHNSpec Technology (Zhejiang)Co.,Ltd

親密なサービス

卸売品と小型のパッケージは FOB,CIF,DDU,DDPです 心配事項の最善の解決策を 見つけられるようにしましょう.

2013

確立される年

200+

従業員

100000+

役立つ顧客

30000000+

年間売上

私達のプロダクト

特色にされたプロダクト

China CHNSpec Technology (Zhejiang)Co.,Ltd
送信
ビデオを再生する
いつでも接触
送りなさい

CHNSpec Technology (Zhejiang)Co.,Ltd

住所: Wenyuanの道、江干区、杭州都市、浙江省、中国の第166
ファクシミリ: 86--13732210605
電話: 86--13732210605
私達のプロダクト
上プロダクト
わたしたち の ケース
最近 の 産業 プロジェクト
最近の企業事件について 色測定のための3つの方法
2020/04/01
色測定のための3つの方法
色測定は光源の色の測定および目的の色の測定に主に分けられます。目的色測定は蛍光目的の測定および非螢光性の目的の測定に分けられます。実際の生産および日常生活では、非螢光性の目的の色測定は広く利用されています。それは2つの部門に主に分けられます:視覚色測定および器械色測定。その中で、器械色測定は光電統合方法および分光測光方法が含まれています。   1. 視覚的方法 視覚的方法は目、頭脳および私達の生命経験によって作り出されるライトの視覚です。私達が肉眼と見るライトは狭い波長範囲が付いている電磁波によって発生し、色の認識が視覚神経の感覚である別の波長ショーの異なった色の電磁波により肉眼によって電磁波の放射エネルギーによって刺激の後で引き起こしました。 個々の部品の未知の色は生じる未知の色を記述するために一緒に加えられます。それが色の評価のために最も適しているが。それに頼る方法は人間の目の助けによってあり、簡単、適用範囲が広いですが、観測者および心理的な、生理学的な要因の経験が原因でこの方法の影響は評価の正確さに影響を与える方法に余りにも多くの変数をし、量的に記述することができません。   2.The光電統合方法 長い間、密度方法は色測定の、CIE1976Lの適用の非常に高い位置を*、a *、bカバーしました*次第に広まるように占めたが、出版物からの印刷への全体の作業の流れをなります、人々は色ますますに程度の重要性気づき、現代比色の急速な開発はまた光電統合の器械(精密色の相違のメートル)によって色の客観的な評価の基盤を築きました。 光電統合方法は60年代の器械色測定で使用される共通方法です。それはある特定の波長の色の刺激の価値を測定しませんが、全体の測定の波長間隔上の必要な測定によってtristimulus価値をサンプルのX、YおよびZ測定し、次にサンプルの色度座標そして他の変数を計算します。軽い刺激を、tristimulus価値X受け取るのに、そのような3つの光検出機構を使用するときサンプルのYおよびZは1統合と測定することができます。フィルターは正確に光検出機構に一致させるためにLutherの状態を満たさなければなりません。 光電統合の器械は正確に優秀な源のtristimulus価値そして色度座標を測定できませんが正確に2つの色の源間の色の相違を測定できます従ってそれはまた色の相違のメートルと呼ばれます。外国色の相違のメートルは60年代以来大量生産され、中国はずっと1980年代初期以来のそのような器械を発達させています。この頃は、杭州CHNSpecの技術Co.、株式会社によって作り出されるCS-210 precsisionの測色計は使用されました。 CS-210精密測色計   3. 分光測光 分光測光はまた分光光度計と呼ばれます。それは標準と同じ条件の下にサンプルによって(送信される)反映される光エネルギーを反映し(送信される)各波長でサンプルの分光反射率を得るために光エネルギーを次に使用しますCIEを提供された標準的な観測者比較し、tristimulus価値X、YおよびZを得るために標準光源は次の方式に従って計算され次にCIE YxyおよびCIEの実験室のような方式に従って色度座標Xを計算するのにXが、YおよびZは使用されています。y、CIELABの色度変数、等。 分光光度計はサンプルの分光部品の検出によって色変数を定めます。それはだけでなく、X、Y、Zおよび色の相違の価値△ Eの絶対値を与えることができがまた目的の分光反射率の価値を与え、そして目的を引くことができます。従って、それは色の一致および色分析で広く利用されています。そのような器械の使用は光電必要な色測定の器械の高精度な色測定、口径測定、および色度の標準の確立を達成できます。そのような器械は中国で最初に発達しました。CS-600積分球色の分光光度計は色スペクトルです。従って、分光光度計は色測定の権威のある器械です。   色の分光光度計CS-600   会社の紹介 CHNSpecの私達の技術Co.、株式会社は製造業の霞のメートル、分光光度計、測色計および光沢のメートルで専門にします。私達のプロダクトは1つのアメリカの発明のパテントを含む10の発明のパテント、今まで8つの実用新案権のパテント、4つの出現のパテントおよび3つのソフトウェア版権を得ました。    
最近の企業事件について 透明物の客観的な測定
2020/03/26
透明物の客観的な測定
霞および明快さの測定そして分析はユニフォームおよび一貫した製品品質を保証し、プロセス パラメータおよび物質的な特性の原料のe.g.cooling率か両立性に影響を及ぼすことの分析を助けます。   映像の図は霞のメートルの測定法を示します:   光ビームは標本を打ち、積分球に入ります。球の内部の表面は無光沢の白い材料が拡散を可能にするために均一に塗られます。球の探知器は総伝送および伝達霞を測定します。球の出口の港に取付けられるリング センサーは狭い角度によって分散させるライト(明快さ)を検出します。 標準的な方法 総伝送および伝達霞の測定は国際規格で記述されています。2つのテスト方法は指定されます: 1. IS013468補償法 2. ASTM D1003の非補償方法 補償法はサンプル表面に注意して反映されるライトを取ります。2つの方法間の相違は明確な、光沢のあるサンプルのおよそ2総伝送である場合もあります。   ASTM D 1003 測定の状態は口径測定および実際の測定の間に異なっています。口径測定の間に、ライトの一部分は霞のメートルの開いた入口の港を通って脱出します。測定を取っている間、入口の港がサンプルで、従って覆われる、球のライトの量はサンプル表面に反映されるライトによって高められます。     ISO13468 測定の状態は球で付加的な開始による口径測定および測定の間に等しい保たれます。口径測定の間にサンプルは補償の港に置かれます。実際の測定のために、サンプルは入口の港に変わります。従って、いわゆる球の効率はサンプルの反射の特性の独立者です。     1単位の2つの標準的な方法 明快さおよび霞のメートルCS-720はASTMおよびISOの両方測定の標準に従います。それは次の測定の標準ASTM D1003/D1044、ISO13468/ISO14782、JIS K7105、JIS K7361、JIS K7163および他の国際規格に合うことができます。私達に連絡するためにどの照会、歓迎されていれば。  
最近の企業事件について 霞の測定に影響を与える要因
2020/03/25
霞の測定に影響を与える要因
霞は何ですか。 霞はまた濁り度と呼ばれます。それは透明か半透明な材料のunclearnessのある程度を示します。それは材料の表面の中のまたはの光散乱によって引き起こされる雲量または濁り度の出現です。それは材料を通した軽い変化への分散させた軽い変化の比率のパーセントとして表現されます。   なぜ測定の霞か。 霞の測定がプラスチックおよび包装のフィルムの光学的性質の量を示すのに使用することができます。包装の適用の曖昧なフィルムは包装プロダクトがぼやけている見るとき質の消費者認識を、のような減らすことができます。霞が付いているプラスチックのために、テスト材料の可視性はより顕著になり、観察された目的の対照を減らします。   霞の測定に影響を与える要因 Part1: 光源 異なった光源に異なった相対的な分光エネルギー配分があります。さまざまで透明なプラスチックに自身の分光選択率があるので、同じ材料は異なった光源と測定され、得られた軽い伝送および霞の価値は異なっています。より暗い色、より大きい影響。光源の影響を除去するためには、照明(CIE)の国際的な協会は3つの標準光源A、BおよびC.を指定しました。この方法は「C」の光源を使用します。       Part2: 表面状態の影響 サンプルの表面状態は主に傷および欠陥があるかどうか、そして汚染されるかどうかかどうか表面が平らで、滑らかになる参照します。       Part3: 標本の厚さの効果 サンプルの厚さが増加すると同時に、光吸収は増加します、軽い伝送は、光散乱の増加、従って霞の増加減り。伝達および霞は同じ厚さでしか比較することができません。  
最近の企業事件について 分光光度計は何ですか。
2020/03/19
分光光度計は何ですか。
分光光度計の導入 分光光度計は色を捕獲し、評価するのに使用される色測定装置です。色の制御プログラムの一部として、所有者を決め付ければデザイナーは色を指定し、伝えるのにそれらを使用し製造業者は生産中の色の正確さを監察するのにそれらを使用します。 分光光度計は何でもについてちょうど、液体を含んで、プラスチック、ペーパー、金属および生地を測定でき色が概念から配達に一貫している残ることの保障を助けます。分光光度計によって提供される分光反射率のカーブは色の「指紋」として一般に知られています。   幾何学に従って、分光光度計はD/8、45/0 (または0/45)におよび多角度の分光光度計分けることができます。 D/8分光光度計 D/8幾何学は色の分光光度計のための最も一般的な幾何学です。D/8つの平均の必要な球の拡散照明、8つの°の視野角。それはペンキ企業、プラスチック企業、色を測定する必要がある他の多くの企業および繊維工業で広く利用されます。  45/0(または0/45)分光光度計   T彼の器械はサンプルへの固定角度に、通常45˚を反映される測定し、ライト最も密接に人間の目が色をいかに見るか複製するために光沢を除くことができます。それらは滑らかなか無光沢の表面の測定色のために一般的です印刷プロダクト、交通標識、等のような。  複数の角度の分光光度計
最近の企業事件について 透明なアクリルのプラスチック シートの霞を計算する方法か。
2020/03/14
透明なアクリルのプラスチック シートの霞を計算する方法か。
アクリル シートは何ですか。 アクリルはまた特別処理されたプレキシガラスと呼ばれます。それはプレキシガラスの代替品です。アクリルから成っているライト ボックスはよい光通信、純粋な色、豊富な色を、美しい備え、昼も夜もの2つの効果を平ら考慮に入れる、長い生命は、使用および他の特徴に影響を与えません。   伝送を計算する方法か。 サンプルの霞およびライト伝送の測定の過程において、入射光の変化(T1)、透過光の変化(T2)、器械の分散させた軽い変化(T3)、およびサンプルの分散させた軽い変化(T4)を測定することは必要です。 伝送の計算方法:Tt=のT2 t1x100%   霞を計算する方法か。 霞:H= [t4 t3 (T2/T1)]/t2x100% 霞の価値Hの方式は次のように簡単であるできます:H (%) = [(T4/T2) - (T3/T1)]×100%   アクリルのプラスチック シートを測定する方法か。(測定の霞が色スペクトルTH-100、CS-700、CS-701およびCS-720であるプロダクト) 色スペクトルの霞のメートルTH-100を一例として取って下さい 1.Start 器械を動力源に接続して下さい、力のキーを押して下さい、表示燈は青く、普通器械の開始常にです。 2.0%および100%の口径測定。 積分球がライトを受け取らないようにテスト港に0%の口径測定カバーを置いて下さい。calibrate.100%に器械の側面の良いキーを押して下さい:テスト港を開いた保ち、光源からのライトがテスト港を通るようにしそして口径測定のための器械の側面の良いキーを押して下さい。 3.Measure 口径測定の後で、透明なアクリルのプラスチック シートをテスト港に置き、器械の隣でテスト・ボタンをかちりと鳴らして下さい。結果は2秒以内に利用できます。操作プロセスは非常に簡単です。  
最近の企業事件について 霞を計算する方法
2020/03/09
霞を計算する方法
霞:広角の分散   映像1)のピンク色のショーとしてサンプルを通る前のライトは入射光と呼ばれます、サンプルを通ることの後の全体のライトは(映像2)およびTTの緑色のショーが合計の透過光であるのでより2.5 °伝達サンプルが分散させたライトと呼ばれた後、霞が分散させたライトより透過光である大きい散乱角の透過光および分散させたライトと呼ばれます(。   従って霞の同等化は霞= Td/TTです。     霞の計器   私達はCHNSpecの霞のメートルTH-100霞を測定する方法を導入します。それはISOおよびASTMの両方標準に合うことができます。   TH-100霞のメートル   TH-100の測定方法は何ですか。 これはこの霞のメートルの軽い経路構造の図表です。光源は平行ライトを出し、サンプルを通り、そして積分球に入ります。透過光の一部分は平行ライトであり、部分は分散させたライトです。光電センサーは平行ビームへの積分球の垂直の内部の壁で軽い変化信号を得るために取付けられています。テスト港にサンプルがないとき軽いトラップがすべての入射光を吸収するのに使用されています。軽いトラップは積分球の壁と同じ高い反射力のコーティングが塗られるシャッターが装備されています。シャッターは要求に応じて開閉されるできます。 軽いトラップ:霞を測定するとき、軽いトラップは(霞を計算するために分散させたライトが集められるので)開きます;総伝送を測定するとき、軽いトラップは閉鎖しています;霞のメートルTH-100はあなたがテストにサンプルを置くべきであるしなければならないすべて自動的に測定することができます。     詳細については霞のメートルTH-100の、次のURLを参照できます   1)。霞のメートルTH-100の働くビデオ https://www.youtube.com/watch?v=qtyhHWB8r_Y&t=24s   2)。TH-100霞のメートルの精度診断のビデオ https://www.youtube.com/watch?v=k3b4X-kERss&feature=youtu.be   CHNSpecの技術は提供します色、光沢および霞の測定の解決を専門にします。私に詳細については連絡するためにどの未来の照会、歓迎されていれば。
イベント
最新 の ニュース
最新の会社ニュース 炭のサンプルの超スペクトル画像取得と処理方法
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.
最新の会社ニュース 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
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
最新の会社ニュース 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
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.
最新の会社ニュース 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
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.
最新の会社ニュース 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
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.
最新の会社ニュース 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
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.
最新の会社ニュース ハイパースペクトルカメラの適用で,南瓜の種子の生命性を検出する
ハイパースペクトルカメラの適用で,南瓜の種子の生命性を検出する
重要収益作物として,南瓜の種子の活性は 発芽率,苗の成長可能性,そして 蒔き後の最終的な収穫と直接関係しています.発芽テストなど現代の農業における迅速で大規模の種子品質検定のニーズを満たすことはできません.超スペクトル画像技術 は,光譜学 と 画像学 の 利点 を 組み合わせ て い ます種子生存性の非破壊性試験において大きな可能性を示しています. 一、実験材料の準備 カバノキの種を100種ずつ4つのグループに分け,3-2図のようにナイロン網状の袋に入れ,2日おきに1つのグループをドライヤーに入れます.具体的手続きは以下のとおりです: 3つのサンプルグループを取り出し,最初のサンプルグループを乾燥機に入れて,第二のサンプルグループを24時間後に乾燥機に入れて,第三のサンプルグループを24時間後に乾燥機に入れて,3日後にそれぞれ1日から3日間の老化期間を持つすべてのサンプルを取り出す (最初のグループは3日間の老化期間を持つサンプルです)グループ2は2日,グループ3は1日老いたサンプルです.残りの4つのグループのうち1つは老化治療を受けず,老化グループ実験中に室温で3日間置かれました.. 二、ハイパースペクトルデータ取得 色スペクトルハイパースペクトルカメラで収集し 400-1000nmのハイパースペクトル画像を すべてのサンプルに撮影しました スペクトルデータが抽出された後合計400のスペクトル曲線が得られた.図のように 発芽 に 必要 な 水 を 確保 する ため に,毎日 成長 を 観察 し,適切な 量 の 水 を 注ぎ ます.発芽 は,それぞれ 3 日目 と 5 日目 に 1 回 記録 さ れ まし た.下記は,南瓜の種子の発芽前試験図です.. 各種種子の活力レベルに応じて,各種子の平均スペクトルデータは分類され,各種子の全体スペクトル曲線は下図に示されています. 三、スペクトルデータ処理 原始の超スペクトル画像は 騒音や不均等な照明に敏感です 塩やペッパーの騒音を除去するために 中間フィルタが採用されています標準ホワイトボードの反射性修正に基づいて照明差は排除されます対象領域 (ROI) は,修正された画像から抽出され,後続の特徴抽出の正確性を確保するために,種子胚と内精子に焦点を当てます.主成分分析 (PCA) などの次元縮小方法が,最初データ圧縮に使用されます.重要な情報を保持し,計算を削減します. 四結論と見通し この研究では,高スペクトル画像技術に基づいた南瓜の種子の生命力検出モデルが非破壊的で高精度な生命力識別培養種をさらに拡大できる研究を進めます.複数のモダルのデータ (例えば,光のスペクトル)複雑な環境での検出精度をさらに向上させるため,インターネットの技術と組み合わせることで,スマート農業における種子の質のリアルタイム制御と正確なスクリーニングを助けるために,種子の生命力に関するオンラインモニタリングシステムを構築できる.
最新の会社ニュース 茶の害虫や病気に対する超スペクトルカメラの応用
茶の害虫や病気に対する超スペクトルカメラの応用
茶の虫は,茶園でよく見られる害虫の一つで,茶の収穫と質に深刻な影響を与える.茶のインチワームの損傷程度を監視する伝統的な方法は主に手動調査に依存しています低効率性,強い主観性,大規模な領域でのリアルタイムモニタリングを実現するのが困難である.超スペクトルリモコンセンシング技術には,高スペクトル解像度と豊富なスペクトル情報ティーインチワームの害の程度を迅速かつ正確に監視するための新しい方法を提供します. 一、環境条件 この研究では400-1000nmの超スペクトルカメラが適用され,そしてFS13観測中に,視野の角度は25°Cで,超スペクトルカメラの検出ヘッドと茶の屋根の上部の高さは約0でした観測範囲の直径は約0.22mであった.実験誤差を減らすために,測定は各サンプル領域で3回繰り返された.平均値はスペクトル反射値として取られました.   二、 データ処理と分析 1普通の茶と茶インチワームの葉の表面の比較.この実験では 茶葉が様々な程度に 害を及ぼした茶葉を 研究対象として集めました葉面積指数と茶インチワームの数がそれぞれ収集されました虫害のない茶葉と茶葉虫害のある茶葉の比較は,図1に示されています. 葉っぱは完ぺきでした 葉っぱは混ざり合っていました 昆虫に損傷した茶の葉っぱは 不規則な形に噛まれ 外側の色は濃い黄色になりました葉の構造も変化しました. 2普通の紅茶と紅茶インチワームの葉面指数の比較 図2から見られるように,葉の面積指数は,茶の幾何学によって引き起こされる害の程度によって大きく影響されました.茶のレギュラーが多くなるほど,茶葉が多く食べられました.葉の面積が小さいほど. 3. 茶葉の反射性スペクトル特性に対する茶葉虫の影響茶葉への昆虫の侵入の影響は,茶葉の色,構造,水分含有,クロロフィルの含有量と葉の栄養状態これらの物理的および化学的性質の変化は,スペクトル反射性,伝達性,吸収性,赤色ピークと波長位置と青色ピークと波長位置したがって,通常の茶のスペクトル特性と関連情報を把握することは,他の病気や害虫による茶の害を研究する前提と基礎です. 三、研究の重要性と展望 研究意義: この研究により,茶葉虫の害の程度を迅速かつ正確に監視するための新しい技術手段が提供されています.茶園の茶インチワームの発生を時間内に把握するのに役立ちます茶園における病気や害虫の予防と管理を科学的に基礎とし 農薬の使用を削減し 茶の生産性と質を向上させます 研究展望: 将来の研究により,超スペクトル遠隔センサーモデルをさらに最適化し,モデルの正確性と安定性を向上させることができます.UAVのリモコンセンシングと組み合わせられるさらに,茶のインチワームの害の程度を監視するより広い範囲を達成するために,衛星遠隔検出および他の技術.茶葉虫の害と 茶葉の木の生理的・生態学的変化の関係について 深く研究することができます超スペクトルリモコンモニタリングのメカニズムは より深いレベルから明らかにできます