CHNSpec Technology （Zhejiang）Co.,Ltd 会社のニュース

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

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.

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.

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.

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.

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.

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

木材の水分含有量は木材品質の重要な特徴であり,木材の加工,使用,貯蔵に大きな影響を与えます.木材の水分含有量を測定する伝統的な方法,例えば重量測定方法や抵抗方法は,一定の精度を持っているが,ハイパースペクトル画像は,高速な測定を可能にします.木材の水分含有量を測定する破壊的でない効率的な方法. 一、超スペクトルカメラ試験原理超スペクトルカメラは 木材表面のスペクトル情報を入手し,その中には木材の反射性や異なる波長での伝達性が含まれます.木材の湿度が木材のスペクトル特性に影響するので木材のスペクトル情報を分析することで,水分含有量を推測できます.特に,木材のスペクトルデータをハイパースペクトル画像技術で収集できます.木材の水分含有量とスペクトル情報との予測モデルを事前処理で確立できます木材の水分含有量の迅速なテストを実現するために,抽出とモデリングを機能します. 二、 応用例装置:色スペクトル 内蔵プッシュスイープ FS-17近赤外線高スペクトロメーター補助機器: 常軌光スペクトル光源 - 室内モデリング用光源:線形ハロゲン光源 実験用材料: 異なる水分含有度の木材サンプルが実験用材料として使用されます.この木のブロックは,異なる湿度状態を得るために周期的に乾燥します.. データ取得: 木材サンプルのスペクトル画像取得は,超スペクトル画像システムを使用して実施されました.光の変化がスペクトル情報に及ぼす影響を避けるために,照明条件が安定していることを確保する必要があります.同時に,より正確な結果を得るため,木材サンプルの複数の場所にスペクトル画像を取得することができます.平均値は最終スペクトルデータとして取れます. データ処理: 収集されたスペクトルデータの事前処理,例えばノイズ除去,スペクトル修正など.その後,特徴選択アルゴリズムは,モデルを簡素化し予測精度を向上させるために木の湿度含有量に関連する特徴波長を抽出するために使用されます.. モデル構築:抽出された特徴波長に基づいて,木材の水分含有量とスペクトル情報との予測モデルが作成されました.一般的なモデリング方法には,ガウスプロセス回帰 (GPR) が含まれる.これらのモデルは,木材のスペクトル情報に基づいて木材の水分含有量を迅速に予測することができます. モデル検証: 確立されたモデルは,予測性能と精度を評価するための独立した検証セットを使用して検証されます.共通評価指標には,相関系数 (R2) と平均平方根誤差 (RMSE) が含まれる.. 三、 応用上の利点急速試験:ハイパースペクトルカメラは,木材表面のスペクトル情報を短時間で取得し,木材の水分含有量の急速試験を実現することができます. 非破壊性試験:従来の試験方法と比較して,超スペクトル画像技術では木材に損傷が起こらない.価値のある木材や整合性を維持する必要がある木材をテストするのに適しています. 高度な精度: 高度な予測モデルを確立することで,高スペクトルカメラは木材の水分含有量を高精度で測定することができます.木材加工産業の厳格な品質管理要件を満たす. 四、 適用の可能性ハイパースペクトル画像技術の継続的な開発と改良により,木材の水分含有量試験におけるその応用展望はより広まります.より高精度の超スペクトルカメラが登場することを期待できます品質管理とインテリジェント生産に対する木材加工産業のニーズを満たすため,より高速でより簡単に操作できます.機械学習やディープラーニングなどの先進技術と組み合わせた木材の水分含有量検査の精度と知性のレベルはさらに向上できます. 概要すると,高スペクトルカメラは 木材の水分含有量を検査する上で重要な利点を持ち,木材加工産業に効率的で正確で破壊的でない検査方法を提供しています..

科学技術が急速に発展している現代では 製品の品質管理や芸術創作から科学研究に至るまで 色測定は多くの分野で重要な役割を果たしています先進的な光学装置として超スペクトルカメラは,色測定のための新しい,より正確で包括的なソリューションをもたらします. 一超スペクトルカメラの基本原理 超スペクトルカメラの原理は スペクトル情報の精細な捉え方に基づいています赤い3つのチャンネルの色情報のみを記録できます緑と青の超スペクトルカメラは,スペクトルを目に見える光から近赤外線まで多くの狭い帯に分割することができます. 通常は数百個以上です.例えば測定対象の表面に光が照らされるとき,反射は,光の異なる波長に対する物体の吸収と伝達特性が異なる特殊な光学システムと検出器を通して 超スペクトルカメラは 各帯の光信号の強度を 順番に収集します物体のスペクトル反射曲線を構成するためにこの曲線は,様々な波長で物体の反射性を詳細に記録し,色測定のための基本的なデータ源です.   二、色測定の特定のプロセス (1) カリブレーション カラー測定のために超スペクトルカメラを使用する前に カリブレーションは重要なステップですカメラによってキャプチャされたスペクトルデータと真の色値の間の正確な対応を確立することです既知のスペクトル特性を有する標準ホワイトボードは,しばしば校正基準として使用される.標準ホワイトボードは,様々な波長で安定して正確に知られる反射性を有する.ハイパースペクトルカメラは標準ホワイトボードの写真を撮影します, 各帯域の光信号強度を記録し,標準ホワイトボードの既知のスペクトル反射量データに基づいてカメラの応答機能を計算する.可能なスペクトル偏差を修正するためにカメラの暗電流騒音および他の誤差因子,および,その後の測定データの正確性と信頼性を確保します.   (2) 画像収集 ハイパースペクトルカメラが物体を撮影すると既定のスペクトル帯域と解像度に応じて,オブジェクト帯によって反射された光の強度情報を帯ごとに取得する.例えば,画像のピクセルごとに,複数のスペクトル帯に反射された光のデータが記録されます.カメラがスペクトル帯を200帯に分割すると,それぞれのピクセルには 200 の対応するスペクトル反射値がありますこのデータは3次元のデータキューブを形成し,2次元の平面は画像の空間位置情報 (x,y座標) を表します.そして第3次元はスペクトル帯域情報 (λ)この方法で,超スペクトルカメラは,色と外観の情報を記録するだけでなく,そのスペクトル特性情報を含んでいます.伝統的なカメラよりも豊富なデータを提供する.   (3) データ処理と色計算 最終的な色測定結果を得るには 複雑なデータ処理を経る必要があります まず データを事前に処理し 騒音を除去スペクトル歪曲の修正その他の操作. その後,色は特定の色モデルとアルゴリズムに従って計算されます. 色科学の分野で,一般的に使用される色モデルはCIE XYZ,CIELAB,などです.CIELABの色モデルを例に,それは人間の目の色認識特性に基づいて3つの座標値として色を表します: Lは明るさを表し,aは赤緑の度合いを表します.そしてb * は黄色と青の度数分数を表します標準照明器具 (D65標準光源など) のスペクトル電源分布と,超スペクトルカメラによって収集されたスペクトル反射度データを組み合わせることで,配色関数に従って整数化しますCIELABの色空間内のオブジェクトの座標値を計算し,オブジェクトの色属性を正確に記述することができます. 例えば色深さ,色調,飽和度.,色差は,異なる物体や同じ物体の異なる部分の色座標値を比較することによっても計算できます.濃度や色変化の度合いを評価するために使用される. 三超スペクトルカメラの色測定の利点 (1) 高精度,高解像度 超スペクトルカメラは 非常に高いスペクトル解像度を提供し,色測定で非常に細い色差を捉えることができます. 例えば,色素の精度が非常に高い産業では高級印刷や化粧品製造などで 人目には検出が難しい色違いを 正確に識別できます製品の色と高品質基準の一貫性を確保する高精度の測定結果は,製品の品質管理レベルを向上させ,色偏差による欠陥のある製品の割合を減らすのに役立ちます.   (2) 豊富なスペクトル情報 色のトリスティミュルス値情報に加えて超スペクトルカメラで得られたスペクトル反射率曲線は,測定されたスペクトル範囲全体で物体に関する詳細な情報を含みます.これは,特定の材料やオブジェクトの色解析にユニークな利点があります.例えば,文化遺跡の復元と保護の分野では,文化遺跡の表面の色素のスペクトル特性を分析することで農業では,成長状況,農産物,農産物,農産物,農産物,農産物,農産物,農産物,農産物,農産物,農産物,農産物,農産物,農産物,農産物,農産物植物の葉のスペクトル反射性の変化に応じて,栄養含有量と植物病害および昆虫害をモニタリングすることができます.光の異なる波長の吸収と反射特性が 植物の異なる成長段階や健康状態で変化するからです   (3) 非接触測定 ハイパスペクトルカメラは,測定対象物と直接接触する必要はありません.これは多くの場合重要です.文化遺物生物学的サンプルなど,接触しない測定は,物体への損傷や汚染を防ぐことができます.同時に,それは,高速,大きな領域の色測定を達成することができます.測定効率を向上させる例えば,大規模な壁画の色検出では,壁画全体の色情報を迅速に入手できます.保護と復元作業のための包括的なデータサポートを提供.   四、色測定における超スペクトルカメラの実験試験 1実験目的下のサンプルのラボ値をテスト 2実験用試験器具のリスト 装置名 モデル番号 構成の詳細 コメント CHNSpecハイパースペクトルカメラ FS-13 スペクトル範囲: 400-1000nmスペクトル解像度 2.5nmスペクトル帯:1200       3実験内容 反射率曲線は400-1000nmハイパースペクトルカメラの外部プッシュスキャン検出によって得られた実験測定手順は下図に示されています. 4結論 客のサンプルを撮影するために 超スペクトルカメラFS-13が使用され 超スペクトル画像分析から 各サンプルのラボ値が得られました色の違いメーターを入れ替えるのに使えます試験標本の採取位置は柔軟で,自動検出を実現するために多点測定が可能でした.

建築科学の分野では,建物の質と安全を確保することは常に研究の中心であり,主要な関心事です.建設産業の継続的な発展と,生活環境に対する人々の要求の増大建物の表面の欠陥を正確に検知し評価することが非常に重要になりました.肉眼で観察したり 簡単な計測ツールなどです高い主観性,低検出効率,潜在的な軽微な欠陥の発見の困難など,多くの制限があります.ハイパースペクトルカメラ技術が登場したことで,建物の表面の欠陥を測定する新しい機会が生まれました超スペクトルカメラは,複数の狭い連続スペクトル帯で物体に関する情報を取得することができ, 家の表面の空間画像だけでなく,異なる材料のスペクトル特性の違いも明らかにしますこのユニークな技術的利点は,住宅表面の欠陥の検出,識別および分析において大きな応用可能性を秘めています.この研究の目的は,応用原理を深く探求することです.建築物表面の欠陥の測定における超スペクトルカメラの方法と実用的な効果建設業界における品質検査と評価のための新しいアイデアと技術的なサポートを提供するために.   FS-23画像高スペクトロメーターを例として,色スペクトルにプッシュスイープを組み込みます. 適用原則超スペクトルカメラは 対象物体から反射された光や 散らばった光を捕捉し 異なる波長のスペクトルデータに分解することで 機能しますこのスペクトルデータは材料の組成を反映しています建物の表面の欠陥を測定する際に,超スペクトルカメラは,老化,損傷,汚染欠陥を正確に特定するために 応用上の利点1高精度識別: 超スペクトルカメラは微妙なスペクトル差を捉えることができ,裂け目,流れる腐食など 2接触のない測定: 超スペクトルカメラは,接触のない測定方法を採用し,ハウスの表面に二次的な損傷を引き起こさない.危険性のある環境との直接的な接触を避ける. 3迅速かつ効率的な:ハイパースペクトルカメラは,短い時間で,家の広い表面のスキャンとデータ分析を完了することができます.測定効率を大幅に向上させる. 4総合的な分析: スペクトル情報と空間情報と組み合わせて,ハイパースペクトルカメラは,家の表面上の欠陥の包括的な分析を行うことができます.種類を含む障害の位置と重さについて,その後の修復作業に強力なサポートを提供します. 応用例住宅検出の分野では,超スペクトルカメラは,音響検出,赤外線検出など,他の近代的な検出方法と組み合わせることができます.総合的な検出システムを形成する. The spectral data obtained through the hyperspectral camera can be integrated with the data of other inspection means to evaluate the structural performance and safety condition of the house more comprehensively. 例えば,家の外壁の塗料の老化を検出する際, 超スペクトルカメラは,塗料表面の老化によって引き起こされるスペクトル変化を捉えることができます.塗料表面の温度分布を測定するための赤外線検出方法と組み合わせた塗料の老化程度と潜在的な安全リスクを包括的に評価することができます.   下の図のように 概要すると,超スペクトルカメラは,建築物表面の欠陥の測定において,重要な応用利点と広範な応用展望を持っています.技術の進歩とコストの削減によりハイパースペクトルカメラは,住宅検査の分野でより広く使用され,促進される見込みです.

鉱石シリケートの研究と応用において,私たちは常に多くの課題に直面しています.鉱石シリケートの鉱物の異なる種類を正確に識別するにはどうすればよいですか?鉱石シリケートの構造と組成の変化を理解する方法鉱物資源を効率的に探査し開発するにはどうすればいいですか? これらの問題は,地質学者や鉱物資源開発者を長い間困惑させてきました.これらの問題は新しい解決策をもたらすようです超スペクトル技術によって 鉱石シリケートの 独特のスペクトル特性を捉えることができます鉱石シリケートの正確な識別を実現することができます鉱物資源の迅速な探査鉱石シリケートにおける超スペクトル技術の応用を調査し,これらの長年の問題を解決することは非常に実用的です.. 一、 応用シナリオ 1鉱石シリケートの識別と分類:鉱物の種類識別: 異なる鉱石シリケート鉱物には独特のスペクトル特性があります.超スペクトル技術により,鉱石に含まれるシリケート鉱物の種類を,これらの特性を分析することで正確に識別できます.例えば,特定の波長範囲内の吸収または反射ピークの位置,強度,形状などの情報を検出することによって,カオリナイトなどの様々な種類のフィルロシリケート鉱物を区別できるモンモリヨナイトとイリライト 鉱石のグレード評価:複数の鉱物成分を含む鉱石の場合,ハイパースペクトロスコピーは,異なる鉱物のスペクトル特性とその相対的含有量に基づいて鉱石の全体的なグレードを評価することができます.これは,鉱石採掘と加工中に鉱石の価値と利用方向を迅速に決定するのに役立ちます. 2鉱石シリケート構造と結晶性分析:構造研究:ハイパースペクトロスコピーは,鉱石シリケート鉱物の構造情報を検出することができます.鉱物における金属イオンと水素基 (-OH) の振動によって生成されるスペクトル特性を分析することによって鉱物の結晶構造,化学結合の性質,カチオンの協調を理解することができる.鉱石シリケートの物理的および化学的性質と形成メカニズムをさらに理解することは非常に重要です. 結晶性判断:結晶性は,シリケート鉱物の性質に影響を与える重要な要因である.超スペクトル技術によって 鉱物のスペクトル特性の変化によって 結晶性を判断できます例えば,結晶性の増加によって,強度,特定の波長範囲内のいくつかの鉱物のスペクトル吸収ピークまたは反射ピークの幅と形が定期的に変化しますこれらの変化を監視し分析することで,鉱石シリケートの結晶性を正確に評価することができる. 3鉱山地域地質地図化と鉱物資源探査地質地図:ハイパースペクトラムは,鉱山地域の地質条件の詳細な調査と分析を行い,高精度の地質地図を作成することができます.異なる岩石や鉱物のスペクトル特性を特定することで地質学的単位を正確に分割し 層構造の境界を特定し 地質学的構造を特定するなど鉱山地域における地質研究と鉱物資源探査のための基本データを提供. 鉱物資源探査:鉱物資源探査において,高スペクトル技術により,鉱山地域の広い領域を素早くスキャンして潜在的な鉱物資源を検出することができる.シリケート鉱物のスペクトル特性を分析することで鉱物の分布範囲と濃縮度を決定します鉱物資源の探査と開発を強く支援する.   二、実用的な応用 使用された機器:色スペクトルFS-23ハイパースペクトルカメラ 試験効果 結論光スペクトル曲線の反射は明らかです ハロゲン光の場合 シリカートを含む部分は明らかに明るくなりますそしてスペクトル曲線は明らかな特徴的なピークを持つ (曝光時間の設定とホワイトの校正は鍵です). 三、 開発展望 超スペクトル機器のスペクトル解像度,空間解像度,信号/ノイズ比は 今後も改善されるでしょうより高いスペクトル解像度により,鉱石シリカート鉱物の細いスペクトル特性をより正確に捉えることができます.鉱物種をより正確に特定し,その構造を分析するのに役立ちます.類似した結晶構造とスペクトル特性のわずかな違いを持ついくつかのシリケート鉱物高解像度のスペクトル機器で より良く区別できます空間解像度の向上により,超スペクトル技術により,より小さな鉱石粒子や鉱物構造を分析し,より詳細な鉱物分布情報を提供できるようになります.鉱石の微小構造と鉱物間の関係の研究に非常に重要である.ハイパースペクトル機器は徐々に小型化と携帯性に向かって発展するこれは,地質調査,鉱山監視,その他の分野におけるハイパースペクトル技術の適用をより便利にするでしょう.地質学者は 鉱山 の 鉱石 を 直接 検出し 分析 でき ます鉱石の鉱物構成,構造,その他の情報をタイムリーに取得し,鉱物資源の探査と開発のためにより迅速かつ正確なデータサポートを提供します.

電源工学の分野では,高電圧線関節の状態モニタリングは,常に電源システムの安全で安定した動作を確保するための重要なリンクです.高圧線接点の運用における潜在的なリスクである.温度,抵抗,火事さえも増加します.電力事故の発生を防ぐために,電力の損失の現象を正確に及時に検出することが非常に重要です.この研究は技術原理に焦点を当てます. application method and practical effect of hyperspectral camera in photographing the high-voltage line joint with a view to providing useful reference for the development of the electric power industry. 一超スペクトルカメラの特徴 高解像度: 超スペクトルカメラは高解像度画像を撮影することができ,複雑な環境における高電圧線接線の詳細な特徴を正確に識別するのに役立ちます. スペクトル分析能力: 超スペクトルカメラは標的物体のスペクトル情報を入手できる.高電圧線接線の材料組成と温度分布を分析するために非常に重要です. 二検知喪失の原則 レイプ検出には,通常,高電圧線接線の温度,抵抗,その他のパラメータのモニタリングが含まれます.超伝導状態の喪失)結合のスペクトル情報を分析することで超スペクトルカメラは,間接的に温度と抵抗の変化を推測することができますレイプ検出を実現するために. 三超スペクトルカメラの適用について 画像取得: 超スペクトルカメラは高電圧のワイヤジョイントを撮影し,ジョイントのスペクトル画像を取得するために使用されます.データ処理: 収集されたスペクトル画像を処理し分析し,関節の温度や抵抗などの重要なパラメータを抽出します. 障害判断: 既定の限界値またはモデルと組み合わせた抽出されたパラメータに基づいて,関節が障害現象を持っているかどうかを判断します. 四、 予防措置と制限 環境因子:光,温度などの環境因子は,超スペクトルカメラの撮影効果に影響を与える可能性があります.したがって,撮影過程で環境要因の制御と修正に注意を払う必要がありますデータ処理能力:ハイパースペクトルカメラによって捕捉されるデータの量は大きく,強力なデータ処理能力が必要である.したがって,応募プロセスで対応するデータ処理機器とアルゴリズムを設定する必要があります.. 五、 応用例と効果 実用的な応用では,高電圧伝送線の関節状態を監視するためにハイパースペクトルカメラを使用しています.分析して処理することで異常な温度上昇,抵抗増加など,故障の発生を防ぐために,合同の異常な状態を時間内に発見することができます. さらに,ハイパースペクトルカメラは,材料の組成や関節の老化程度などの情報も提供できます器具: 色のスペクトル プリッシュスイープ FS-23 便利な高スペクトル 補助装置: 恒常スペクトル光源 - 送信装置 光源:線形ハロゲン光源 概要すると,超スペクトルカメラは,高電圧線接点の検出において,一定の応用可能性と利点を持っています.しかし,実用的な応用では,環境要因の限界や課題にも注意を払う必要があります技術の進歩とコストの削減により,超スペクトルカメラの応用展望は 電力検査と監視の分野では より広くなるでしょう.