CHNSpec Technology （Zhejiang）Co.,Ltd Unternehmensnachrichten

Mit der umfangreichen Anwendung von Kunststoffprodukten in zahlreichen Bereichen wie Automobil, Elektronik und medizinische Versorgung ist die Kunststoffschweißtechnologie als wichtiges Mittel zur Verbindung von Kunststoffproduktendie Schweißqualität beeinflusst direkt die Leistungsfähigkeit und Lebensdauer des ProduktsDie traditionellen Methoden zur Bewertung der Schweißqualität von Kunststoffen, wie z. B. visuelle Inspektion und destruktive Prüfungen, haben Einschränkungen, darunter eine starke Subjektivität.Unfähigkeit, die interne Qualität umfassend widerzuspiegelnDas Aufkommen von Laserübertragungsmessgeräten hat eine brandneue, effiziente und genaue Lösung zur Bewertung der Schweißqualität von Kunststoffen geschaffen.   I. Arbeitsprinzip des Laserübertragungsmessers Das Laserübertragungsmessgerät arbeitet nach dem Prinzip der Lichtübertragung: Wenn ein Laserstrahl einer bestimmten Wellenlänge auf eine Kunststoffprobe ausgestrahlt wird, wird ein Teil des Lichts absorbiert.Einige sind verstreut.Das Gerät misst durch einen hochpräzisen Lichtdetektor die Einfall- und die übertragene Lichtstärke präzise.Für die Bewertung der Schweißqualität von Kunststoffen, kann der Laserübertragungsmesser den Unterschied in der Durchlässigkeit zwischen den geschweißten und nicht geschweißten Bereichen empfindlich erkennen.und unvollständige Penetration, kann die Mikrostruktur innerhalb des Kunststoffs verändern und die Laserdurchlässigkeit beeinflussen.die zu einer Verringerung der Durchlässigkeit führtDurch die Analyse der Veränderungen in der Durchlässigkeit wird die Lichtverbreitungsbahn verändert.die Schweißqualität kann genau beurteilt werden.   II. Eigenschaften und Vorteile des Farbspektrum-Laserübertragungsmessers TH-20   Der Farbspektrum-Laser-Übertragungsmesser TH - 200 zeigt eine hervorragende Leistung bei der Bewertung der Schweißqualität von Kunststoffen.Es verfügt über ein hochpräzises optisches Detektionssystem, das eine präzise Messung der Laserübertragbarkeit ermöglicht, mit einer Messgenauigkeit von ±0,1%. Diese hohe Präzision ermöglicht es, winzige Veränderungen während des Kunststoffschweißens empfindlich zu erfassen,eine solide Grundlage für eine genaue Bewertung der Schweißqualität. TH - 200 verfügt über einen breiten Spektralmessbereich, der verschiedene häufig verwendete Laserwellenlängen abdeckt, und ist an die Bedürfnisse verschiedener Kunststoffmaterialien und Schweißverfahren angepasst.Ob es für das allgemeine Schweißen von Polypropylen (PP) -Kunststoffen in der Automobilindustrie oder für das Schweißen von Polycarbonat (PC) -Kunststoffen in der Elektronikindustrie verwendet wird, TH - 200 kann seine Laserübertragbarkeit genau messen.   Dieses Gerät ist einfach zu bedienen und ist mit einer intuitiven Benutzeroberfläche und einer automatisierten Messsoftware ausgestattet.Start des Messprogramms, und das Gerät kann die Messung schnell abschließen und detaillierte Datenberichte erstellen.Dies verbessert die Detektionseffizienz erheblich und eignet sich für die groß angelegte Detektion auf Produktionslinien. Darüber hinaus hat TH-200 eine gute Stabilität und Zuverlässigkeit, kann lange Zeit in industriellen Produktionsumgebungen stabil arbeiten, reduziert die Häufigkeit der Wartung und Kalibrierung von Geräten,und senkt die Nutzungskosten.   III. Innovative Anwendungsmethoden des Lasertransmittanzmeters in der Qualitätsbewertung von Kunststoffschweißverfahren   1.Materialprüfung und -bewertung vor dem Schweißen   Vor dem Schweißen von Kunststoffen wird die Laserübertragbarkeit verschiedener Chargen von Kunststoffrohstoffen mit dem Farbspektrum-Laserübertragbarkeitstester TH-200 getestet.die Partien von Materialien, deren Laserübertragbarkeit den Anforderungen des Schweißvorgangs entspricht, ausgewählt werden können, um die Konsistenz und Stabilität der Rohstoffe zu gewährleisten.TH-200 kann Ingenieuren bei der Auswahl von Kunststoffkombinationen mit passender Laserübertragbarkeit helfen, die Optimierung des Schweißvorgangs und die Verbesserung der Schweißqualität.Auswahl geeigneter Kombinationen aus Kunststoffmaterialien kann Schweißfehler effektiv reduzieren und die Ästhetik und Haltbarkeit der Innenteile verbessern.   2. Echtzeitüberwachung des Schweißprozesses   TH-200 in die Kunststoffschweißanlage integriert und die Veränderungen der Laserübertragbarkeit im Schweißbereich während des Schweißvorgangs in Echtzeit überwacht.Wenn die Schweißprozessparameter schwanken, z. B. instabile Laserleistung oder Veränderungen der Schweißgeschwindigkeit, verursachen abnormale Schmelz- und Verfestigungszustände des Kunststoffs im Schweißbereich,Dies führt zu Veränderungen der Laserübertragbarkeit. TH - 200 kann diese Änderungen schnell erfassen und die Daten an das Schweißsteuerungssystem zurückgeben.Das Steuerungssystem passt die Schweißprozessparameter automatisch anhand der Rückkopplungsdaten an, um die Schließschleife des Schweißprozesses zu steuern und die Stabilität der Schweißqualität zu gewährleisten. beispielsweise auf der Schweißproduktionslinie für elektronische Gerätegehäuse, indem die Laserübertragbarkeit in Echtzeit überwacht und die Schweißparameter umgehend angepasst werden,Es kann die Schrottrate effektiv reduzieren und die Produktionseffizienz verbessern.   3- Umfassende Qualitätsprüfung nach dem Schweißen   Nach Beendigung des Schweißens wird die Laserdurchlässigkeit des geschweißten Gelenks mithilfe von TH-200 ermittelt.Durch Vergleich der Daten mit den Standarddaten vor dem Schweißen und den Echtzeitdaten während des Schweißvorgangs, kann festgestellt werden, ob in der geschweißten Verbindung Mängel wie unvollständige Durchdringung, falsches Schweißen und Poren vorliegen.Die Ursachen können weiter analysiert und entsprechende Verbesserungsmaßnahmen ergriffen werdenDarüber hinaus kann TH-200 auch indirekt die Festigkeit des geschweißten Gelenks bewerten.Untersuchungen zeigen, daß eine gewisse Korrelation zwischen der Laserdurchlässigkeit des geschweißten Gelenks und der Schweißfestigkeit bestehtDurch die Erstellung eines mathematischen Modells der Laserübertragbarkeit und der Schweißfestigkeit und unter Verwendung der mit TH - 200 gemessenen Daten zur Laserübertragbarkeit kann die Festigkeit des geschweißten Gelenks vorhergesagt werden.eine umfassendere Grundlage für die Bewertung der Produktqualität.   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 industryDurch Materialüberprüfung vor dem Schweißen, Echtzeitüberwachung während des Schweißvorgangs und Qualitätserkennung und -bewertung nach dem Schweißen,TH - 200 kann die Qualität des Kunststoffschweißens effektiv verbessern, die Produktionskosten zu senken und die Produktionseffizienz zu steigern.die Anwendungsmöglichkeiten von Laserübertragungsgeräten im Bereich des Kunststoffschweißens werden noch größer seinEs wird weiterhin die Entwicklung der Plastikschweißtechnologie fördern und die Produktinnovation und Qualitätsverbesserung in verschiedenen Branchen stark unterstützen.

Im modernen Bereich der Kunststoffverarbeitung wird das Schweißen von Kunststoffen als entscheidende Verbindungstechnologie in zahlreichen Branchen wie der Automobilindustrie, der Elektronikindustrie, derund MedizinprodukteWährend des Kunststoffschweißprozesses wird die Messung der Lichtdurchlässigkeit allmählich zu einem wichtigen Aspekt, der nicht ignoriert werden kann.Was ist die wissenschaftliche Grundlage und praktische Bedeutung hinter dieser?   Das Prinzip des Kunststoffschweißens besteht darin, Energiequellen wie Wärme, Druck oder Ultraschallwellen zu nutzen, um die Verbindungsteile von Kunststoffbauteilen zu einem geschmolzenen Zustand zu bringen,so wird die molekulare Fusion erreicht.Bei verschiedenen Schweißverfahren wird das Laserschweißen aufgrund seiner hohen Präzision, der geringen Hitzebelastung und der guten Dichtungsleistung bevorzugt.Ein Laserstrahl muss durch die obere Plastikschicht gehen., die von der unteren Schicht absorbiert und in Wärmeenergie umgewandelt wird, wodurch das Schweißen erreicht wird.   Schematisches Diagramm des Schweißprozesses für Kunststoffe   Die Übertragbarkeit beeinflusst unmittelbar die Übertragungseffizienz der Laserenergie in Kunststoffmaterialien.die Laserenergie kann nicht effektiv durchdringen und die untere Schicht des Kunststoffs erreichen, wodurch es schwierig wird, ausreichend Wärme zu erzeugen, um ein gutes Schweißen zu erreichen.die auch die Schweißfestigkeit beeinflusstEine geeignete Durchlässigkeit kann die präzise Verteilung der Laserenergie in Kunststoffmaterialien gewährleisten und hochwertige Schweißergebnisse erzielen.für das Schweißen von Innenteilen von Fahrzeugen, sind die Anforderungen an die Schweißfestigkeit und die Erscheinungsqualität äußerst hoch.Vermeidung von Mängeln wie falschem Schweißen und Abtrennen. Wie kann man also die Durchlässigkeit von Kunststoff genau messen? Hier kommt das neue Produkt von Color Spectrum, der Laser-Überlässigkeitsmesser, ins Spiel.Dieses Gerät ist speziell für die Anforderungen an die Durchlässigkeitsmessung im Bereich des Kunststoffschweißens konzipiert und weist viele herausragende Merkmale auf.Es verwendet fortschrittliche Laserlichtquellen und hochempfindliche Detektoren, um die Durchlässigkeit verschiedener Kunststoffmaterialien unter spezifischen Wellenlängenlasern schnell und genau zu messen.Die Messgenauigkeit ist extrem hoch., die eine präzise Messung bis zu mehreren Dezimalstellen ermöglicht und somit die Zuverlässigkeit der Messergebnisse erheblich verbessert.   Interface der tatsächlichen Messsoftware   Der Farbspektrum-Laser-Übertragungsmesser ist einfach zu bedienen und kann von Nichtprofis beherrscht werden.die Messdaten sofort verständlich machenAußerdem verfügt es über leistungsfähige Datenspeicher- und Analysefunktionen, die statistische Analysen an mehreren Messdaten durchführen können.Bereitstellung starker Datenunterstützung für die Optimierung von KunststoffschweißprozessenIn der Praxis müssen die Bediener die zu messende Probe nur auf die Messplattform des Geräts legen und den Messknopf drücken.Genaue Daten zur Übertragbarkeit können ermittelt werdenDiese Bequemlichkeit erhöht die Produktionseffizienz erheblich und reduziert die Zeitverschwendung durch umständliche Messungen.   Bei der Kunststoffschweißung wird die Durchlässigkeit mit Hilfe des Chroma Spectra Laser Transmittance Meter genau gemessen.Unternehmen können Kunststoffmaterialien anhand der Messergebnisse screenen und optimierenFür Kunststoffe mit einer Durchlässigkeit, die nicht den Schweißanforderungen entspricht, können Verbesserungen durch Anpassung der Formel, Hinzufügen von Zusatzstoffen oder Änderung der Verarbeitungstechnologie vorgenommen werden.während des Schweißvorgangs, kann die Überwachung der Veränderungen der Übertragbarkeit in Echtzeit potenzielle Schweißprobleme, wie Materialvariantenunterschiede, Ausfall von Geräten usw., rasch erkennen,und rechtzeitige Anpassungsmaßnahmen treffen, um die Stabilität und Konsistenz der Schweißqualität zu gewährleisten.   Abschließend ist die Messung der Durchlässigkeit beim Kunststoffschweißen von entscheidender Bedeutung.Es ist nicht nur ein Schlüsselfaktor für die Gewährleistung der Schweißqualität, sondern auch ein wichtiges Mittel zur Förderung der kontinuierlichen Optimierung und Innovation von KunststoffschweißverfahrenDer Chroma Spectra Laser Transmittance Meter mit seiner fortschrittlichen Technologie, hervorragenden Leistung und bequemen Bedienung,bietet eine zuverlässige Lösung für die Durchlässigkeitsmessung in der Kunststoffschweißindustrie, die Unternehmen bei der Verbesserung der Produktqualität und der Produktionseffizienz im harten Marktwettbewerb unterstützen und einen höheren Wert schaffen.

In der Forschungs- und Produktionspraxis der KohleindustrieEs ist sehr wichtig, genaue Informationen über die verschiedenen Eigenschaften von Kohle zu erhalten, um die Kohleverwertung zu optimieren und die Produktqualität zu verbessern.Die Hyperspektralbildtechnologie kann als ein leistungsfähiges Analysemittel reichlich Informationen über die innere Struktur und Zusammensetzung von Kohle liefern.und seine Anwendung basiert auf effizienten und genauen Methoden zur hyperspektralen Bildgewinnung und Verarbeitung von Kohlenproben. Die Hyperspektralbildtechnologie ist eine fortschrittliche Technologie, die Optik, Elektronik, Informatik und andere Disziplinen miteinander verbindet.,Durch hyperspektrale BildgebungseinrichtungenWir können die Reflexionsinformation von Kohle im kontinuierlichen Spektralbereich erhalten, die wie der "Fingerabdruck" von Kohle ist und reichhaltige Materialzusammensetzung und Strukturinformationen enthält.die hyperspektralen Bildgebungstechnologien haben eine höhere Spektrallauflösung und können bis zur Wellenlängendifferenz auf Nanometerebene genau sein, die die Spektralleigenschaften verschiedener Bestandteile in Kohle detaillierter erfassen kann. In diesem Papier wird eine 900-1700nm-Hyperspektralkamera verwendet, und FS-15, ein Produkt der Color Spectrum Technology (Zhejiang) Co., LTD., kann für verwandte Forschung verwendet werden.Kurzwellen-Nein-Infrarot-Hyperspektralkamera, die Erfassungsgeschwindigkeit des gesamten Spektrums bis 200 FPS, wird weit verbreitet bei der Zusammensetzungserkennung, Stofferkennung, Bildverarbeitung, Qualität landwirtschaftlicher Erzeugnisse,Bildschirmerkennung und andere Felder. Die Anwendung der hyperspektralen Bildgebungstechnologie bei der Erfassung des Kohlenwärmewerts ist relativ einfach und effizient.Die Daten für die Überspektralbilder werden durch das Scannen von Kohleproben mit einer Überspektralbildausrüstung gewonnen.Die Anwendung der hyperspektralen Bildgebungstechnologie bei der Erfassung des Kohlenwärmewerts ist relativ einfach und effizient.Die Daten für die Überspektralbilder werden durch das Scannen von Kohleproben mit einer Überspektralbildausrüstung gewonnen..   Schnittstelle für die hyperspektralen Bildgewinnung   Diese Daten enthalten Informationen über die Reflexionsfähigkeit von Kohle bei verschiedenen Wellenlängen.das richtige Spektrum, etc., um die Qualität der Daten zu verbessern. (a) Das Originalbild (b) Interessengebiet Auswahl von Interessengebieten für Kohlehyperspektralbilder   Mittelspektralkurve der Interessengebiete   Sieben Punkte SG-Glanzfilterung   Aufgrund der Eigenschaften des Geräts selbst und des Einflusses von Umweltfaktoren kann das gesammelte Spektrum einige Probleme wie Wellenlängenverschiebungen und Intensitätsdeviationen aufweisen.Der Zweck der Spektralkorrektur besteht darin, diese Abweichungen so zu korrigieren, dass sie die tatsächlichen Spektralmerkmale von Kohleproben genau widerspiegeln könnenZu den gängigen spektralen Kalibriermethoden gehören die Wellenlängenkalibrierung und die Strahlungskalibrierung.Wellenlängenkalibrierung Kalibriert die Wellenlängengenauigkeit des Bildspektrometers mit Standardmaterialien mit bekannten Spektralleigenschaften, wie Quecksilberlampen und Neonlampen, um sicherzustellen, dass der Wellenlängenwert für jedes Pixel genau ist.Bei der radiometrischen Kalibrierung wird der Grauwert des Bildes in den tatsächlichen Reflexionswert umgewandelt, indem das Standardbrett mit bekannter Reflexionsfähigkeit gemessen wird, wodurch der Einfluß von Faktoren wie Messgerätesign und ungleichmäßiger Beleuchtung auf die Spektralintensität eliminiert wird. Die Ergebnisse der multivariaten Streuungskorrektur sind in der Abbildung dargestellt. Ergebnisse der Multivariate-Streuungskorrektur   Standardnormale Umwandlung Ergebnis der Standardnormaltransformation   Die Erfassung und Verarbeitung hyperspektraler Bilder von Kohleproben ist ein kompliziertes und kritisches Verfahren.Optimierung des Erfassungsprozesses und Verwendung fortschrittlicher Bildverarbeitungsmethoden, können aus hyperspektralen Bildern reichlich und genauere Informationen über Kohle gewonnen werden, was eine starke technische Unterstützung für die Forschung, Produktion und Qualitätskontrolle der Kohleindustrie bietet.Mit der kontinuierlichen Entwicklung der Technologie, werden die Anwendungsperspektiven der Hyperspektralbildtechnologie im Kohlenbergbau breiter sein und neue Durchbrüche für die Entwicklung der Kohleindustrie mit sich bringen.

In der Textilindustrie sind Gänse- und Entenflaumen aufgrund ihrer hervorragenden thermischen Eigenschaften zu hochwertigen Rohstoffen für die Herstellung hochwertiger thermischer Produkte geworden.Es gibt einen großen Unterschied im Marktpreis zwischen Gänse- und Entenbaum.Einige schlechte Kaufleute mischen oft Enten mit Gänse im Streben nach hohem Gewinn, was nicht nur den Interessen der Verbraucher schadet, sondern auch die Marktordnung stört.Eine genaue und effiziente quantitative Erkennung von Gänse- und Enten-Vermischt-Velvet ist besonders wichtig.In den letzten Jahren hat die Entwicklung der hyperspektralen Kamera-Technologie eine innovative Lösung für diese Erkennungs-Herausforderung geschaffen. 一、 Probenvorbereitung: Eine große Anzahl von reinen Gänse- und Entenfischenproben werden entnommen, um sicherzustellen, dass ihre Quellen zuverlässig und repräsentativ sind.Verwenden Sie hochpräzise elektronische Waagen, um Gänse- und Entenbacken in unterschiedlichen Proportionen genau zu wiegen, und konfigurieren eine Reihe von Gänse- und Entengemisch-Samtproben mit bekannten Mischungsanteilen, z. B. 5%, 10%, 15%... Proben unterschiedlicher Anteile, z. B. 95% Entenfolie, wurden gemischt,und mehrere wiederholte Proben wurden für jeden Anteil festgelegt, um die Genauigkeit und Zuverlässigkeit des Experiments zu verbessernDie konfigurierte Mischwollprobe wird gleichmäßig auf die spezielle Probentafel gelegt, um eine einheitliche Probenaufteilung ohne Überschneidung und Leerstände zu gewährleisten.und um sicherzustellen, dass die Hyperspektralkamera umfassende und genaue Spektralinformationen erhält. 二、Hyperspektraler Bildgewinnung: In dieser Arbeit wird eine 400-1000nm-Hyperspektralkamera verwendet, die für verwandte Forschungen verwendet werden kann FS13, das Produkt der Hangzhou Color Spectrum Technology Co., LTD.Der Spektralbereich beträgt 400-1000 nm., die Wellenlänge ist besser als 2,5 nm und bis zu 1200 Spektralkanäle können erreicht werden.und die maximale Frequenz nach der Bandwahl beträgt 3300 Hz (Mehrregion-Bandwahl unterstützt)Jede Mischwollprobe wird mehrfach fotografiert, um Bilder aus verschiedenen Winkeln zu erhalten, um Detektionsfehler zu reduzieren, die durch lokale Merkmalunterschiede der Probe verursacht werden.Die erfassten hyperspektralen Bilddaten werden rechtzeitig zum Speichern auf den Computer übertragen, um Datenverlust zu vermeiden.. 三、Datenvorverarbeitung: Die Verwendung professioneller Datenverarbeitungssoftware zur Vorverarbeitung der gesammelten hyperspektralen Bilddaten.Die Strahlungskorrektur wird durchgeführt, um den Strahlungsfehler zu beseitigen, der durch den Leistungsunterschied der Kamera selbst und Umweltfaktoren verursacht wird., so dass die Spektraldaten zwischen verschiedenen Bildern vergleichbar sind. Geometrische Korrektur wird dann durchgeführt, um die Bildverzerrung zu korrigieren, die durch den Kamerawinkel, die Probenplatzierung usw. verursacht wird,um sicherzustellen, dass die Position jedes Pixels im Bild genau istDas Bild wird denoisiert und die Lärminterferenz im Bild wird durch Filteralgorithmen entfernt, um die Qualität und Klarheit des Bildes zu verbessern.so dass die Spektralmerkmale genauer extrahiert werden. 四、Spektralmerkmalentnahme:Spezifische Algorithmen und Softwaretools werden verwendet, um die Spektralmerkmale der Gänse- und Enten-Regionen auf der Grundlage der vorverarbeiteten hyperspektralen Bilder zu extrahieren.Durch die Analyse und den Vergleich einer großen Anzahl von BilddatenEs wird festgestellt, dass der spezifische Wellenlängenbereich von Gänse- und Entendünn im sichtbaren Licht bis zum nahen Infrarot-Spektrum deutlich zu unterscheiden ist.Bei diesen Schlüsselwellenlängen werden die Reflexionswerte von Gänse- und Entendünn sorgfältig gemessen und aufgezeichnet, um ihre eigenen einzigartigen Spektraldaten zu bilden.Nach vielen experimentellen Analysen, wurde festgestellt, dass es bei Gänse- und Entenfuß im Wellenlängenbereich von 700-800 nm offensichtliche Unterschiede in den Reflektionskurven gibt,Die Kommission ist der Auffassung, daß die. 五、Einführung und Prüfung des Modells: Auf der Grundlage der gewonnenen Spektralcharakteristiken von Gänse- und Entendünn,Das Spektralmodell für die quantitative Analyse von Gänse- und Entenmischung wurde mit Hilfe von maschinellem Lernen oder statistischen Methoden erstellt.. Allgemeine Modellierungsmethoden umfassen Support-Vektor-Maschine, partielle Mindestquadrat-Methode und so weiter.ein Teil der Probendaten mit bekanntem Mischungsverhältnis wird als Trainingssatz zum Trainieren des Modells verwendet, so daß sie die interne Beziehung zwischen den Spektralmerkmalen von Gänse- und Entenfischen und dem Mischungsverhältnis erfahren kann.Ein weiterer Teil der Stichprobendaten, der nicht an der Ausbildung teilgenommen hat, wurde als Verifizierungssatz zur Überprüfung des etablierten Modells verwendet.. Die hyperspektralen Bilddaten der Validierungsproben wurden in das Modell eingegeben und das vorhergesagte Mischungsverhältnis von Gänse- und Entendünn durch das Modell berechnet.und verglichen mit dem tatsächlichen bekannten MischverhältnisDie Genauigkeit und Zuverlässigkeit des Modells wird durch Berechnung des Fehlers zwischen dem vorhergesagten Wert und dem tatsächlichen Wert, wie z. B. dem Quadratwurzel-Mittelwert-Fehler und dem durchschnittlichen absoluten Fehler, bewertet.Nach den Prüfresultaten, wird das Modell angepasst und optimiert, z. B. indem Modellparameter angepasst, Merkmalvariablen hinzugefügt oder verringert etc. werden, um die Leistung des Modells zu verbessern. 6Analyse und Bewertung der Ergebnisse: Die Testergebnisse aller Mischwollproben wurden zusammengefaßt und statistisch analysiert.Um die Stabilität und Wiederholbarkeit der Prüfmethode zu bewerten, wurden statistische Indizes wie Mittelwert und Standarddifferenz der Testergebnisse bei unterschiedlichen Mischverhältnissen berechnet.. 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 methodDurch die Analyse einer großen Anzahl experimenteller Daten wurde der Fehlerbereichdie Detektionsgenauigkeit und andere wesentliche Leistungsindizes der Hyperspektralkamera bei der quantitativen Detektion von Gänse- und Entengemisch erhalten werden,Die Versuchsergebnisse zeigen, daß mit dem Verfahren in kurzer Zeit schnell und genau der Anteil von Gänse- und Entendünn in gemischtem Samt ermittelt werden kann.und der Erkennungsfehler kann in einem sehr kleinen Bereich effektiv kontrolliert werden, was seine hohe Zuverlässigkeit und Praxistauglichkeit voll und ganz unterstreicht. Die Anwendung der Hyperspektralkamera verbessert die Genauigkeit und Effizienz der quantitativen Detektion von Gänse- und Entengemisch erheblich.es kann die Produktqualität gewährleisten und den Ruf der Marke erhalten■ Für die Regulierungsbehörden bietet sie eine starke technische Unterstützung bei der Bekämpfung gefälschter und minderwertiger Produkte auf dem Markt,die zur Reinigung des Marktumfelds und zum Schutz der berechtigten Rechte und Interessen der Verbraucher beiträgtMit der kontinuierlichen Entwicklung und Verbesserung der TechnologieEs wird angenommen, dass die Anwendung von Hyperspektralkameras bei der quantitativen Erkennung von Gänse- und Entengemisch und anderen verwandten Bereichen umfassender und tiefergehender sein wird., und neue Vitalität in die gesunde Entwicklung der Industrie zu bringen.

Walnuss ist eine wichtige Nussbaumfrucht und holzige Ölbaumart in China. Mit seinem einzigartigen Geschmack und seinem reichen Nährwert steht Walnuss an erster Stelle unter den vier getrockneten Früchten der Welt.Die Fruchtentwicklungsphase ist die erste Phase der Entwicklung von Walnussfrüchten, wie z.B. eine unzureichende Ernährung in diesem Stadium, wirkt sich direkt auf die Qualität und den Ertrag der späteren Früchte aus.Die Überwachung und Diagnose des Stickstoffgehalts von Walnussfrüchten im Ausbaustufe ist von großer Bedeutung für die Kontrolle des Baumwachstums und die rechtzeitige Anpassung des feinen Bewirtschaftungsplans. In dieser Studie wurde eine 400-1000nm-Hyperspektralkamera eingesetzt, und FS60, ein Produkt der Hangzhou Color Spectrum Technology Co., LTD., konnte für verwandte Forschung verwendet werden.,die Wellenlängen-Auflösung ist besser als 2,5 nm und bis zu 1200 Spektralkanäle können erreicht werden. Die Akquisitionsgeschwindigkeit kann im gesamten Spektrum 128 FPS erreichen,und die maximale Frequenz nach der Bandwahl beträgt 3300 Hz (Mehrregion-Bandwahl unterstützt). 一、Vorbereitung Um den Stickstoffgehalt von Walnussbaldachin durch eine UAV-Hyperspektralkamera abzuschätzen, ist zunächst eine Datenerhebung erforderlich.und Flugbetriebe gemäß der vorgegebenen Route und Höhe über dem Walnut Garden ausführenWährend des Fluges nimmt die Hyperspektralkamera in einem bestimmten Zeit- oder Raumintervall den Walnussdach ab, um eine große Menge von Hyperspektralbilddaten zu erhalten.um die Richtigkeit und Zuverlässigkeit der Daten zu gewährleisten, ist es auch notwendig, einige Referenzdaten gleichzeitig am Boden zu sammeln, z. B. den Stickstoffgehalt von Walnussblättern und die mit herkömmlichen Methoden ermittelten Strukturparameter des Baldachin. 二、Ergebnisse und Analyse Bestimmung des Canopy-Bereichs, Extraktion des Canopy-Spektrums und Genauigkeitsprüfung Wie in Abbildung 2 gezeigt,Boden und Schatten überlappen sich in gewissem Umfang in der gesamten Bandbreite des Fernerkundungsbildes des 5 Jahre alten WalnusswaldesIn der Bandbreite von 520 bis 600 nm beträgt die Spektralreflexibilität der Schatten weniger als 0.10: der Spektralreflexionsunterschied von Walnuss und Boden überlappt sich offensichtlich nicht, und die Spektralreflexionsfähigkeit beider ist in diesem Bereich größer als 0,10.die Spektralreflexibilität von WalnussDie Spektralreflexibilität der Walnuss beträgt im Bereich 740-900 nm mehr als 0,7.und die Spektralreflexibilität anderer Nichtzielvegetation kleiner als 0 ist..7Da die Spektralreflexibilität von Walnuss in grünem Licht und im nahen Infrarotband von anderen nicht Zielpflanzen unterschieden werden kann, aber nicht in einem oder einigen Bändern, kann sie nicht in ENVI5 berechnet werden.3 SoftwareUm den reibungslosen Extraktionsprozeß der Walnusskanopfen zu erleichtern,Die maximale Spektralreflexibilität des Walnussdachs im grünen Licht und im nahen Infrarotband wird in dieser Studie ausgewählt Bw(550.7) und B ((779.4) wurden klassifiziert und identifiziert, um den Baldachinbereich zu bestimmen. Walnussbaum, Boden und Schatten werden in der ENVI5.3-Software definiert, d.h. wenn die Spektralreflexibilität bei B ((550.7) ist kleiner als oder gleich 0.10 und die Spektralreflexibilität bei B ((779.4) ist größer oder kleiner als 0.20, wird der Schatten ermittelt und beseitigt. Wenn die Spektralreflexibilität bei B ((550.7) größer als 0,10 und B ist; Wenn die Spektralreflexibilität bei (779.4) kleiner oder gleich 0 ist.70, wird es als Erde identifiziert und entfernt; wenn die Spektralreflexibilität bei B ((550.7) größer ist als bei0.10, ist die Spektralreflexibilität bei B ((779.4) größer als 0.70, Walnussbaum als Zielvegetation identifiziert. Darüber hinaus wurde eine Stütz-Vektormaschine mit guter Verallgemeinerungs- und Klassifikationsgenauigkeit zur Extraktion des Baldachinbereichs eingesetzt.und die Genauigkeit der Abnahme des Baldachinbereichs auf der Grundlage von Spektralmerkmalen verglichen wurdeIn der ENVI5.3-Software werden die Bodenobjekte in Fernerkundungsbildern zuerst in Walnussbaum und zwei weitere Arten (Abbildung 4) unterteilt, wobei die rote Fläche den Walnussdach ist,und die grüne Fläche ist die andereDie Trennbarkeit zwischen den beiden Probentypen betrug 1.998, und dann wurde der SVM-Klassifikator für die beaufsichtigte Klassifizierung ausgewählt, um die ursprünglichen Klassifikationsergebnisse zu erhalten (Abb. 5a).Es gab häufig einige kleine Flecken in den Klassifikationsergebnissen., und ihre Genauigkeit war schwierig, um den Zweck der endgültigen Anwendung zu erreichen. Daher wurde die Methode der Majority Small Patch-Verarbeitung zur Verarbeitung der vorläufigen Einstufungsergebnisse angewendet,und die Klassifikationsergebnisse, die den tatsächlichen Anforderungen entsprechen, erzielt wurden (Abbildung 5b)Die Genauigkeit der Klassifikationsergebnisse wurde überprüft, und der Kappa-Koeffizient betrug 0.997, und die Kartengenauigkeit der Zielvegetation war 99,65%.Bei dieser Studie wurde eine Matab2014b-Software verwendet, um den auf der Grundlage von Spektralmerkmalen ermittelten Baldachinbereich mit den durch die Support-Vektor-Maschine-Methode ermittelten Baldachin-Bereichspixeln zu überlappen.Es gab 4257 überlappende Pixel im Canopy-Bereich, und die Anzahl der auf der Grundlage von Spektralmerkmalen ausgewählten Canopy-Bereichspixel betrug 96.77% der Anzahl der Pixel in der Stütz-Vektormaschine, mit einer Kartengenauigkeit von 96,43%, hoher Präzision, Überlappungsergebnisse sind in Abbildung 6 dargestellt Derzeit befindet sich die Anwendung der UAV-Hyperspektralkamera bei der Schätzung des Stickstoffgehalts von Walnussbaldachin noch in der Phase der kontinuierlichen Entwicklung und Verbesserung.Mit dem kontinuierlichen Fortschritt der Technologie, die Leistung der hyperspektralen Kameras wird weiter verbessert, die Spektrallauflösung und die Bildqualität werden höher sein,und die Datenverarbeitung und -analyse werden intelligenter und automatisierterGleichzeitig wird die Entwicklung der Multi-Source-Datenfusionstechnologie, wie die Kombination von Hyperspektraldaten mit Lidar-Daten und thermischen Infrarotdaten,wird in der Lage sein, umfassendere und genauere Wachstumsinformationen über Walnussbäume zu erhaltenDie Kommission hat eine Reihe von Maßnahmen ergriffen, um die Qualität der landwirtschaftlichen Erzeugung zu verbessern und die Präzision und Zuverlässigkeit der Stickstoffschätzung weiter zu verbessern.Es wird erwartet, dass die UAV-Hyperspektralkamera-Technologie im Bereich der Walnusspflanzung stärker eingesetzt wird, die eine starke technische Unterstützung für die nachhaltige Entwicklung der Walnussindustrie bietet. Zusammenfassend kann gesagt werden, dass die UAV-Hyperspektralkamera als fortschrittliche Fernerkundungstechnologie eine große Aussicht und ein großes Potenzial für die Anwendung der Stickstoffgehaltschätzung im Walnussdach hat.Eine genaue und schnelle Schätzung des Stickstoffgehalts im Walnussdach kann den Walnusszüchtern eine wissenschaftliche Grundlage für die Entscheidung über die Düngung bieten, eine genaue Düngung zu erreichen, die Düngemittelnutzung zu verbessern, die Verschwendung von Ressourcen und die Umweltverschmutzung zu verringern und die qualitativ hochwertige Entwicklung der Walnussindustrie zu fördern.

Die Orangenschale hat einen guten wirtschaftlichen und medizinischen Wert, aber das Phänomen der Fälschung und Qualität auf dem Markt ist ernst.die Genauigkeit und Effizienz der manuellen Erkennungsmethoden sind geringIn diesem Papier wurde die Hyperspektral-Bildgebungstechnologie in Kombination mit der Deep-Learning-Methode verwendet, um eine schnelle und zerstörungsfreie Identifizierungsmethode für das Alterungsjahr von Orangenschalen zu entwickeln.一、Materialien und Methoden Die eingekauften Orangenschalenproben wurden je nach Alterungsjahr in 1 Jahr, 5 Jahre, 10 Jahre und 15 Jahre unterteilt. Wie in Abbildung 1 dargestellt, wurden für jedes Jahr 120 Orangenschalenproben gesammelt.und insgesamt 480 Orangenschalenproben wurden entnommen.Die Orangenschalenproben jedes Jahres wurden nach dem Zufallsprinzip in einem Verhältnis von 7 geteilt:3, bei denen 84 Proben in das Trainings- und 36 Proben in das Test-Set eingegeben wurden. In diesem Papier wird eine 900-1700nm-Hyperspektralkamera verwendet, und FS-15, ein Produkt der Color Spectrum Technology (Zhejiang) Co., LTD., kann für verwandte Forschung verwendet werden.Kurzwellen-Nein-Infrarot-Hyperspektralkamera, die Erfassungsgeschwindigkeit des gesamten Spektrums bis 200 FPS, wird weit verbreitet bei der Zusammensetzungserkennung, Stofferkennung, Bildverarbeitung, Qualität landwirtschaftlicher Erzeugnisse,Bildschirmerkennung und andere Felder. 二、Ergebnisse und Analyse Die Spektralkurven von Orangenschalenproben in verschiedenen Jahren sind in Abbildung 3 dargestellt.Die ursprünglichen Spektralkurven in Abbildung 3 zeigen offensichtlich, daß die Absorptionsspitzen in der Nähe von 1200 m und 1450 nm liegen.Die Absorptionsspitze bei 1200 nm wird hauptsächlich durch die spektrale Absorption von Bindungspaaren verursacht, und die Absorptionsspitze bei 1450 nm wird hauptsächlich durch die spektrale Absorption von Wasser verursacht.Die Bands der NIR-Spektren aller Arten von Proben dicht überlappen, war die Gesamtentwicklung nahezu gleich und der Absorptionsspitzenwert fast in derselben Position, ohne dass ein deutlicher Unterschied zu verzeichnen war.Es war schwierig, die vier Arten von Orangenschalenproben mit bloßem Auge zu unterscheiden. 三、Spektralvorbehandlung Die Vorbehandlung der hyperspektralen Daten von Orangenschalen umfasst mehrere Schritte, die Bildsegmentierung, Spektrumschnitt und Spektrumsvorverarbeitung sind.Das ursprüngliche durchschnittliche Spektrum der Orangenschalenproben in verschiedenen Jahren und die durchschnittlichen Spektralkurven nach der SG+D1-Vorbehandlung sind in Abbildung 4 dargestellt.Aus den Abbildungen 4a und 4b geht hervor, daß das kombinierte Vorbehandlungsverfahren SG+D1 den Einfluß der Spektraldrift an der Ausgangslinie wirksam beseitigen und die Spektralkurve glätten kann.Damit wird die Genauigkeit der Identifizierung des Orangenschalenjahres verbessert.. Die schnelle Identifizierung von Orangenschalen mit Hilfe einer hyperspektralen Kamera hat eine breite Anwendungsmöglichkeit in der chinesischen Medizinindustrie.Es kann den Herstellern und Händlern chinesischer Medizin helfen, die Qualität und das Jahr der Orangenschalen genau zu kontrollieren., und vermeiden wirtschaftliche Verluste und Reputationsrisiken, die durch Fehleinschätzung des Jahres verursacht werden.die entsprechenden Stellen können die Technologie zur schnellen Probenahme von Orangenschalenprodukten auf dem Markt nutzenMit der kontinuierlichen Verbesserung und Popularisierung der Technologie wird es möglich sein, die Produktion zu verbessern und die Produktion zu fördern.Es wird auch die wissenschaftliche Forschung und die Qualitätsbewertung von Orangenschalen stark unterstützen., und fördern die Entwicklung der Orangenschalenindustrie in einer standardisierteren, standardisierteren und wissenschaftlicheren Richtung.

Bei der Beurteilung der Milchernährung ist der Proteingehalt der wichtigste Indikator dafür, daß Milch eine wesentliche Quelle für die Proteinaufnahme im täglichen Leben der Menschen ist.Die Gesundheit der Verbraucher und die Entwicklung der Milchindustrie hängen eng mit der Qualität der Milch zusammen.Die Feststellung des Milchproteingehalts ist daher ein sehr wichtiges Element, denn herkömmliche Nachweisverfahren verbrauchen viel Zeit, verschwenden viel Personal und führen zu einer Verschlechterung der Umwelt..Daher ist es von großer Bedeutung, eine schnellere und genauere Methode zur Bestimmung des Milchproteingehalts zu finden.Diese Arbeit verwendet maschinelles Lernen in Kombination mit hyperspektraler Bildgebungstechnologie, um den Milchproteingehalt quantitativ zu bewertenDie spezifischen Forschungsarbeiten und Schlussfolgerungen sind wie folgt:   一、 Versuchsmaterialien Wir kauften sieben verschiedene Marken reiner Milch, darunter Mengniu, New Hope, Yili und Guangming, und lagerten sie im Kühlschrank. 二、 Versuchsausrüstung In dieser Arbeit wird eine 400-1000nm-Hyperspektralkamera verwendet. FS13, ein Produkt der Hangzhou Color Spectrum Technology Co., LTD., kann für verwandte Forschung verwendet werden.die Wellenlänge ist besser als 2.5nm und bis zu 1200 Spektralkanäle erreicht werden können.und die maximale Frequenz nach der Bandwahl beträgt 3300 Hz (Mehrregion-Bandwahl unterstützt). 三、Verfahren zur Versuchsanpassung Die hyperspektralen Bilder der Milchproben wurden mit Hilfe des hyperspektralen Spektrometers gesammelt.und dann wurde ein klares Bild aus ENVI5 ausgewählt.3Das gesammelte Spektralbild hatte eine Auflösung von 777x1004 Pixel. Die Belichtungszeit des hyperspektralen Bildmachers betrug 10 ms, die Pixelmischzeiten waren 6, die Auflösung 4,8 nm, die Auflösung von 3,8 nm, die Auflösung von 3,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm, die Auflösung von 4,8 nm,Das durchschnittliche Intervall betrug 0.8nm, der vertikale Abstand 30cm, und die Aufnahmebedingungen waren Raumtemperatur (23~25°C).und die durchschnittlichen Spektraldaten der Milch werden aus dem Hyperspektralbild mit der ENVI-Software abgeleitet." 四、Extraktion und Vorverarbeitung von hyperspektralen Daten Das extrahieren von hyperspektralen Reflexionsdaten aus hyperspektralen Bildern ist die Grundlage der traditionellen Maschinellen Lernmodellierung.die Spektralreflexionsdaten der Proben werden durch Abzug der durchschnittlichen Spektralreflexionsdaten aller Pixel in der Interessengebiet (ROD) ermitteltIn dieser Arbeit wurde die ENVI-Software verwendet, um das korrigierte Hyperspektralbild einer Milchprobe zu öffnen.und das Pixel in der Nähe der Mitte jedes hyperspektralen Bildes wurde als ROI mit dem Rechteck-Tool ausgewählt. Insgesamt 30 ROI und 7 hyperspektralen Bilder wurden ausgewählt, und 210 ROI wurden ausgewählt. Die durchschnittliche Spektralreflexibilität aller Pixel in ROI wurde als Spektraldaten der Probe berechnet,insgesamt 210 Spektraldaten. Die Spektraldaten werden im ASCI-Format gespeichert. Die folgende Abbildung zeigt den Prozess der Extraktion von ROI. In diesem Papier wurde zur Vorhersage des Milchproteingehalts eine hyperspektralen Bildgebungstechnologie in Kombination mit maschinellem Lernen eingesetzt, um die Genauigkeit der Vorhersage des Milchproteingehalts zu verbessern.Wir bauten ein hyperspektrales Bildgebungssystem., wurden Hyperspektralbilder von 7 Milchmarken auf dem Markt gesammelt, Spektraldaten wurden mit der ENVI-Software extrahiert, ein Milchhyperspektraldatensatz wurde erstellt,und 210 Hyperspektraldaten wurden endgültig extrahiert. Die Technik der hyperspektralen Bildgebung hat ein großes Potenzial auf dem Gebiet der Erfassung des Milchproteingehalts gezeigt, obwohl es in diesem Stadium einige Herausforderungen gibt.aber mit der Integration interdisziplinärer TechnologieinnovationenDurch die kontinuierliche Optimierung des technischen Systems und die Lösung praktischer Anwendungsprobleme wird die herkömmliche Milchdetektionsmethode allmählich revolutioniert.Die Hyperspektralbilder werden ein unverzichtbares und leistungsfähiges Instrument für die Qualitätskontrolle von Milchprodukten werden, die wirtschaftlichen und sozialen Vorteile der Milchindustrie zu verbessern und der wachsenden Nachfrage der Verbraucher nach hochwertigen Milchprodukten gerecht zu werden.

Mit der Verbesserung des Lebensstandards haben die Menschen höhere und höhere Anforderungen an den Geschmack und die Ernährung von Lotuskerne.Der Gehalt an Amylose beeinflusst direkt die Qualität und den Geschmack von LotuskerneDer Amylosegehalt von Lotuskerne variiert stark zwischen den verschiedenen Sorten, daher ist die Bestimmung des Amylosegehalts von Lotuskerne für die spätere Verarbeitung von großer Bedeutung.Die traditionelle Amylose-Erkennung erfolgt im Allgemeinen mit Hilfe von Jod-Kolorimetrie, Jod-Affinitätstitration und Querschnittsinfektionsmethode, sind zeitaufwendige und mühsame Methoden, die leicht von den Versuchsbedingungen beeinflusst werden können! Die Hyperspektral-Bildgebungstechnologie ist eine zerstörungsfreie Testtechnologie, die ein reichhaltiges Spektrum und Bildinformationen erhält.Es hat die Vorteile, Zeit zu sparen.In dieser Arbeit wurde eine hyperspektral bildgebende Technologie verwendet, um Amylose aus frischem Lotus zu erkennen. 一、Materialien und Methoden   1.1 Prüfmaterialien Die Proben stammten aus der Provinz Fujian, und die Sorten Xuanlian, Guangchanglian, Jianxuan 36, Mantianxing, Space Lotus und Xianglian wurden ausgewählt.der frische Lotussamen in flüssigem Stickstoff gelagert und ins Labor transportiert wurde, wo es 12 Stunden lang bei 4 °C gekühlt wurde. 1.2 Überspektraler Bildgewinnung und -korrektur Zu den Hauptkomponenten eines hyperspektralen Bildgebungssystems gehören ein hyperspektraler Bildgeber, eine Lichtquelle, eine Bühne, eine Blackbox und eine hyperspektralen Datenerfassungssoftware.Das gesamte System kann die Farbspektrum-Hyperspektralkamera FS-13 verwenden.Das Hyperspektralsystem wird in Abbildung 1 dargestellt.Die Bewegungsgeschwindigkeit der Nutzlastplattform ist auf 3 eingestellt.5 mm/s und die Belichtungszeit beträgt 30 ms. Die Linse ist 40 cm von der sich bewegenden Plattform entfernt und geradeaus nach unten.Einstellung der Brennweite der Kamera des Spektrometers für Schwarz-Weiß-Korrektur des Systems. 1.3 Datenverarbeitung Eine Analyse-Software wurde verwendet, um das durchschnittliche Spektrum der interessierten Region (ROI) aus dem Spektralbild von Lotuskerne zu extrahieren.Um den Einfluß von Lärm und äußeren Streunlichtern zu beseitigen, wurde der Modellierungseffekt von Vorbearbeitungsmethoden wie der ersten Ableitung, der zweiten Ableitung, der SG-Gleichung, der Mehrfachstreuungskorrektur (MSC) und der Umwandlung der normalen Standardvariablen verglichen.und die beste Vorbehandlungsmethode ausgewählt wurde. 二、Ergebnisse und Analyse   2.1 Durchschnittliches Spektrum der betreffenden Region In diesem Papier wird die Spektralkurve jedes Pixels im Interessengebiet einer einzelnen Probe zur späteren Verarbeitung verwendet.Das durchschnittliche Spektraldiagramm nach Entfernung des Kopfhörs und des Schwanzgeräuschs (400 nm~971 nm) ist in Abbildung 2 dargestellt.Auf der Abbildung wird ersichtlich, daß die Variationsentwicklung der Spektralwerte verschiedener Proben konsistent ist.die durch die Verschiebung des Wasserbandes verursacht werden könnenDas Band hat eine relativ offensichtliche Absorption zwischen 500nm und 920nm.O-H-Sekundärfrequenz-Doppelung und O-H-Primärfrequenz-Doppelung der C-H-Gruppe im Amylose-Molekül. 2.2 Amylosegehalt von Lotuskerne Die Ergebnisse der Korrekturmenge und der Vorhersagemenge des Amylosegehalts durch die SPXY-Methode sind in Tabelle 1 dargestellt.Aus der Tabelle geht hervor, daß der Amylosegehalt in frischen Lotuskerne sehr unterschiedlich ist.Der Höchstwert für den Amylosegehalt korrigierter Lotuskerne beträgt 227,90 mg/g, der Mindestwert 100,82 mg/g und die Standardabweichung 44,73 mg/g.Der Amylosegehalt der vorhergesagten Probe liegt im Bereich der Korrekturprobe, so dass die Stichprobenabteilung angemessen ist. 三Schlussfolgerung In dieser Arbeit wurde die hyperspektralen Bildgebungstechnologie verwendet, um den Amylosegehalt schnell zu erkennen.Die Ergebnisse zeigen, dass der Modellierungseffekt nach der Verwendung der ersten Ableitung und der Mehrfachstreuungskorrektur (MSC) am besten ist.. Dann wurde SPA verwendet, um 9 Merkmalbänder zu extrahieren. Der korrigierte Korrelationskoeffizient (R) des PLSR-Vorhersagemodells war 0.835, war der korrigierte Satzwurzeldurchschnittsquadratischer Fehler (RMSEC) 1.802, der vorhergesagte Korrelationskoeffizient (R) war 0.856, und der vorhergesagte Satzwurzeldurchschnittsquadratfehler (RMSEP) betrug 1.752Der relative Analysefehler (RPD) betrug 1.944. Der Korrelationskoeffizient der Vorhersagungsmenge des PLSR-Vorhersagungsmodells, ermittelt durch die RC-Methode (R. Der Vorhersagungsmengenquadratwurzeldurchschnittsfehler (RMSEP) betrug 1.897Der relative Analysefehler (RPD) betrug 1.761Diese Studie lieferte eine Idee für die Weiterentwicklung eines Online-Erkennungsgeräts für den Amylosegehalt und legte eine gute Grundlage.

Als wichtige Wirtschaftspflanze hängt die Vitalität der Kürbiskerne unmittelbar mit der Erscheinungsrate, dem Wachstumspotenzial der Sämlinge und dem Endertrag nach der Aussaat zusammen.wie zum Beispiel Keimungstest, sind zeitaufwändig und mühsam und können nicht den Bedürfnissen einer schnellen und groß angelegten Qualitätserkennung von Saatgut in der modernen Landwirtschaft gerecht werden.Die Hyperspektralbildtechnologie vereint die Vorteile von Spektroskopie und Bildgebung, und kann die Spektralinformationen und räumliche Informationen von Proben gleichzeitig erhalten, was ein großes Potenzial im Bereich der zerstörungsfreien Lebensfähigkeitstests für Saatgut zeigt. 一、Vorbereitung von Versuchsmaterialien Teilen Sie die Kürbiskerne in 4 Gruppen von 100 Samen und legen Sie sie in einen Nylon-Gitterbeutel, wie in Abbildung 3-2 gezeigt.Das spezifische Verfahren ist wie folgt:: 3 Probengruppen entnommen, die erste Probengruppe in den Trockner gelegt, die zweite Probengruppe 24 Stunden später in den Trockner gelegt, die dritte Probengruppe 24 Stunden später in den Trockner gelegt,und alle Proben mit einer Alterungszeit von 1 bis 3 Tagen nach 3 Tagen entnehmen (die erste Gruppe sind die Proben mit einer Alterungszeit von 3 Tagen)Die Gruppe 2 ist für 2 Tage und die Gruppe 3 für 1 Tag gealterte Proben bestimmt.Die übrigen 1 der 4 Gruppen wurden während des Alterungsgruppenversuchs nicht einer Alterungsprozessbehandlung unterzogen und 3 Tage lang bei Raumtemperatur aufbewahrt.. 二、Hyperspektraldatenerfassung Nach dem Abbau der Spektraldaten wurden die Samen mit unterschiedlichem Alterungstag mit einer Farbspektrum-Hyperspektralkamera gesammelt und für alle Proben Hyperspektralbilder von 400-1000 nm aufgenommen.Es wurden insgesamt 400 Spektralkurven ermittelt., wie in der Abbildung gezeigt. Beobachten Sie das Wachstum täglich und gießen Sie die richtige Menge Wasser, um sicherzustellen, dass das für die Keimung benötigte Wasser vorhanden ist.Nachstehend ist das Vorkeimversuchsdiagramm für Kürbiskerne dargestellt.. Die durchschnittlichen Spektraldaten jedes Saatguts wurden nach dem Vitalitätsgrad des einzelnen Saatguts klassifiziert und die Gesamtspektralkurve jedes Saatguts wurde in der nachstehenden Abbildung dargestellt. 三、Spektraldatenverarbeitung Das Originalhyperspektralbild ist anfällig für Lärm und ungleichmäßige Beleuchtung.und die Beleuchtungsdifferenz wird auf der Grundlage der Reflexionskorrektur der Standardtafel eliminiert. Die Interessengebiet (ROI) wird aus dem korrigierten Bild extrahiert, wobei der Fokus auf den Samenembryo und Endosperm liegt, um die Genauigkeit der anschließenden Merkmalextraktion zu gewährleisten.Um Daten zunächst zu komprimieren, werden Dimensionalitätsreduktionsmethoden wie die Hauptkomponentenanalyse (PCA) verwendet., wichtige Informationen zu speichern und Berechnungen zu reduzieren. 四Schlussfolgerung und Aussichten In dieser Studie wurde ein Modell zur Detektion der Vitalität von Kürbiskernen auf der Grundlage der hyperspektralen Bildgebung erfolgreich konstruiert, um schnelle,nicht zerstörende und hochpräzise Identifizierung der Lebenskraft, und eine effiziente technische Lösung für die Qualitätskontrolle der Kürbissamenindustrie bieten.und multimodale Daten (z. B. Fluoreszenzspektrum)In Kombination mit der Internet-of-Things-Technologie können die Messtechniken, die für die Erfassung von Daten in komplexen Umgebungen erforderlich sind, in die Datenbank integriert werden.Ein Online-Überwachungssystem für die Vitalität von Saatgut kann errichtet werden, um die Echtzeitkontrolle und genaue Prüfung der Saatgutqualität in der intelligenten Landwirtschaft zu erleichtern.

Der Tee-Zollwurm ist einer der häufigsten Schädlinge in Teegärten, der sich ernsthaft auf den Ertrag und die Qualität des Tees auswirkt.Die herkömmliche Methode zur Überwachung des Schadensgrades der Tee-Inchwurm beruht hauptsächlich auf manueller Untersuchung., die einige Probleme wie geringe Effizienz, starke Subjektivität und schwierige Realzeitüberwachung in großer Fläche hat.Die Hyperspektralfernerkundungstechnologie weist die Eigenschaften einer hohen Spektrallauflösung und reichhaltiger Spektralinformationen auf., die eine neue Methode zur schnellen und genauen Überwachung des Schadensgrades des Teekolbenwurms bietet. 一、Umweltbedingungen Die Spektralreflexibilität des Teebedächels wurde an einem sonnigen Tag ohne Wind, ohne Wolken und mit guter Sonneneinstrahlung von 10:00 bis 14:00 Uhr gemessen.und FS13Bei der Beobachtung war der Sichtfeldwinkel 25°.und die Höhe zwischen dem Detektionskopf der hyperspektralen Kamera und der Spitze des Teebedächels war ungefähr 0Der Durchmesser des Beobachtungsbereichs betrug etwa 0,22 m. Um den Versuchsfehler zu verringern, wurden die Messungen in jedem Probenbereich dreimal wiederholt.und der durchschnittliche Wert wurde als Spektralreflexionswert ermittelt..   二、 Datenverarbeitung und -analyse 1. Vergleich der Blattoberfläche zwischen normalen Teewurmen und Teewurmen.In diesem Experiment wurden eine Reihe von Teeblättern gesammelt, die von Teeklumpen in unterschiedlichem Maße geschädigt wurden.Der Index der Blattfläche und die Anzahl der Teehalzwürmer pro Mu von Teeruler wurden jeweils gesammelt.Der Vergleich zwischen Teeblättern ohne Insekten und denen, die von Teeknicken verletzt wurden, ist in Abbildung 1 dargestellt: Die Blätter waren intakt, die Blätter waren zusammengeklemmt, und die Blätter des von Insekten beschädigten Tees wurden in unregelmäßige Formen gebissen, ihre äußere Farbe wurde dunkelgelb,und die Struktur der Blätter änderte sich entsprechend.. 2. Vergleich des Blattflächenindex zwischen normalen Tee und Tee-Zollwurm. Wie man aus Abbildung 2 sehen kann, war der Index der Blattfläche stark von der Schädigung durch Teegeometrid beeinflusst.und je kleiner der Blattflächenindex wäre. 3Der Einfluß von Teeklummen auf die Reflexionsspektralmerkmale von Teeklofen.Der Einfluss von Insektenbefall auf Teeblätter führt zu einigen Veränderungen der physikalischen und chemischen Eigenschaften von Teeblättern, einschließlich Farbe, Struktur, Wassergehalt,Chlorophyllgehalt und Nährwert der BlätterDie Veränderung dieser physikalischen und chemischen Eigenschaften führt zu einigen Veränderungen des Wertes seiner spektralen Eigenschaften, wie Spektralreflectivität, Durchlässigkeit, Absorptionsfähigkeit,rote Spitze und ihre Wellenlänge und blaue Spitze und ihre WellenlängeDaher ist es die Voraussetzung und Grundlage für die Untersuchung der Schäden von Tee durch andere Krankheiten und Schädlinge, die normalen Teespektralmerkmale und die damit verbundenen Informationen zu erfassen. 三、Wichtigkeit und Aussichten der Forschung Forschungsschwerpunkt: Die vorliegende Studie bietet ein neues technisches Mittel zur schnellen und genauen Überwachung des Schadensgrades von Teeklummen.hilft, das Auftreten von Tee-Zollwürmern in Teegärten rechtzeitig zu erkennen, bietet eine wissenschaftliche Grundlage für die genaue Prävention und Bekämpfung von Krankheiten und Schädlingen in Teegärten, reduziert den Einsatz von Pestiziden und verbessert den Ertrag und die Qualität des Tees. Forschungsperspektiven: Zukünftige Studien können die hyperspektralen Fernerkundungsmodelle weiter optimieren und die Genauigkeit und Stabilität der Modelle verbessern.Es kann mit UAV Fernerkundung kombiniert werden, Satellitenfernerkundung und andere Technologien, um ein größeres Spektrum der Überwachung des Schadensgrades von Teewurm zu erreichen.Die Beziehung zwischen der Schädigung durch Teeknipseln und den physiologischen und ökologischen Veränderungen der Teebaume kann tiefgehend untersucht werden, und der Mechanismus der hyperspektralen Fernerkundungsüberwachung kann auf einer tieferen Ebene aufgedeckt werden.

Der Feuchtigkeitsgehalt von Holz ist ein wichtiges Merkmal der Holzqualität, das sich erheblich auf die Holzverarbeitung, -verwendung und -lagerung auswirkt.Obwohl die herkömmlichen Methoden zur Messung des Feuchtigkeitsgehalts von Holz, wie z. B. die Wiegemethode und die Widerstandsmethode, eine gewisse Genauigkeit aufweisen, sind die, haben sie einige Nachteile wie umständliche Bedienung, lange Messzeiten und Schäden an Holz.nichtzerstörerisches und effizientes Verfahren zur Messung des Feuchtigkeitsgehalts von Holz. 一、Prinzip der HyperspektralkameraprüfungHyperspektralkameras können spektrale Informationen über die Holzoberfläche erfassen, einschließlich der Reflexionsfähigkeit oder Übertragung des Holzes bei verschiedenen Wellenlängen.Da der Feuchtigkeitsgehalt des Holzes seine Spektralmerkmale beeinflusst,, kann der Feuchtigkeitsgehalt durch Analyse der Spektralinformation von Holz abgeleitet werden.und das Vorhersagemodell zwischen Holzfeuchtigkeitsgehalt und Spektralinformationen kann durch Vorbearbeitung ermittelt werden, um die schnelle Prüfung des Holzgehaltes zu realisieren. 二、AnwendungsbeispieleInstrument: Farbspektrum eingebautes Schubsweep FS-17 Nahe-Infrarot-HochspektrometerHilfsgeräte: Konstante Spektrallichtquelle - für die Modellierung in InnenräumenLichtquelle: lineare Halogenlichtquelle Versuchsmaterialien: Als Versuchsmaterialien werden eine Reihe von Holzproben mit unterschiedlichem Feuchtigkeitsgehalt verwendet.und diese Holzblöcke werden zyklisch getrocknet, um verschiedene Feuchtigkeitsgehalteszustände zu erhalten. Datenerfassung: Die spektralen Bilder von Holzproben wurden mit Hilfe eines hyperspektralen Bildgebungssystems erfasst.Es ist notwendig, dass die Lichtverhältnisse stabil sind, um die Auswirkungen von Lichtveränderungen auf die Spektralinformationen zu vermeiden.Zur gleichen Zeit kann zur Erzielung genauerer Ergebnisse eine Spektralbildaufnahme an mehreren Stellen der Holzprobe durchgeführt werden.und der Durchschnittswert wird als endgültige Spektraldaten genommen.. Datenverarbeitung: Vorverarbeitung der gesammelten Spektraldaten, wie zum Beispiel Lärmentfernung, Spektralkorrektur usw.Anschließend wird ein Feature-Selection-Algorithmus verwendet, um die charakteristische Wellenlänge im Zusammenhang mit dem Feuchtigkeitsgehalt von Holz zu extrahieren, um das Modell zu vereinfachen und die Vorhersagegenauigkeit zu verbessern. Modellbau: Auf der Grundlage der gewonnenen charakteristischen Wellenlänge wurde das Vorhersagemodell zwischen Holzfeuchtigkeitsgehalt und Spektralinformationen erstellt.Zu den gängigen Modellierungsmethoden gehört die Gauss-Prozessregression (GPR)Diese Modelle können den Feuchtigkeitsgehalt von Holz anhand seiner Spektralinformationen schnell vorhersagen. Validierung des Modells: Das etablierte Modell wird mit Hilfe eines unabhängigen Validierungs-Satzes validiert, um seine prädiktive Leistung und Genauigkeit zu bewerten.Zu den gängigen Auswertungsindizes gehören der Korrelationskoeffizient (R2) und der Quadratwurzelfehler (RMSE). 三、AnwendungsvorteileSchnelle Prüfung: Die Hyperspektralkamera kann in kurzer Zeit die Spektralinformationen der Holzoberfläche erhalten, um die schnelle Prüfung des Feuchtigkeitsgehalts des Holzes zu realisieren. Nichtzerstörerische Prüfung: Im Vergleich zu herkömmlichen Prüfverfahren verursacht die hyperspektralen Bildgebungstechnologie keine Schädigung des Holzes.so ist es besser geeignet, wertvolles Holz oder Holz, das in seiner Integrität gehalten werden muss, zu testen. Hohe Genauigkeit: Durch die Erstellung eines genauen Vorhersagemodells können mit Hilfe von hyperspektralen Kameras hochdruckige Prüfungen des Feuchtigkeitsgehalts von Holz durchgeführt werden.die strengen Anforderungen an die Qualitätskontrolle der Holzverarbeitung erfüllen. 四、AnwendungsperspektiveMit der kontinuierlichen Entwicklung und Verbesserung der hyperspektralen Bildgebungstechnologie werden ihre Anwendungsmöglichkeiten bei der Prüfung des Feuchtigkeitsgehalts von Holz breiter werden.Wir können uns auf das Aufkommen von hyperspektralen Kameras mit höherer Präzision freuen., schneller und einfacher zu bedienen, um den Anforderungen der Holzverarbeitungsindustrie an Qualitätskontrolle und intelligente Produktion gerecht zu werden.kombiniert mit fortschrittlichen Technologien wie maschinellem Lernen und Deep Learning, kann die Genauigkeit und das Intelligenzniveau der Holzfeuchtigkeitsprüfung weiter verbessert werden. Zusammenfassend kann gesagt werden, dass die Hyperspektralkameras bei der Prüfung des Feuchtigkeitsgehalts von Holz erhebliche Vorteile bieten, da sie eine effiziente, genaue und zerstörungsfreie Inspektionsmethode für die Holzverarbeitungsindustrie bieten..

In der heutigen Zeit der rasanten Entwicklung von Wissenschaft und Technologie spielt die Farbmessung in vielen Bereichen eine wichtige Rolle, von der Produktqualitätskontrolle über die künstlerische Kreation bis hin zur wissenschaftlichen Forschung.Als fortschrittliche optische VorrichtungDie Hyperspektralkamera bietet eine neue, genauere und umfassendere Lösung für die Farbmessung. 一、 das Grundprinzip der hyperspektralen Kamera Das Funktionsprinzip von hyperspektralen Kameras basiert auf der feinen Erfassung von Spektralinformationen.die nur die Farbinformationen der drei Kanäle von Rot aufzeichnen kann, grüne und blaue, hyperspektralen Kameras können das Spektrum in viele enge Bänder in einem breiten Spektralbereich wie sichtbares Licht bis nahe Infrarot, in der Regel bis zu Hunderte oder sogar mehr teilen.Zum Beispiel:, kann es den Spektralbereich von 400-1000 nm in Bands mit sehr kleinen Intervallen wie 1 nm oder kleineren Intervallen aufteilen.Absorptions- und Übertragungseigenschaften des Objekts auf unterschiedliche Wellenlängen des Lichts sind unterschiedlichDurch ein spezielles optisches System und einen Detektor erfasst die Hyperspektralkamera die Intensität des Lichtsignals jedes Bandes abwechselnd.um die Spektralreflexionskurve des Objekts zu konstruierenDiese Kurve zeichnet die Reflexionsfähigkeit von Objekten in verschiedenen Wellenlängen detailliert auf und ist die Grunddatenquelle für die Farbmessung.   二、das spezifische Verfahren der Farbmessung (1) Kalibrierung Die Kalibrierung ist ein entscheidender Schritt, bevor eine hyperspektrale Kamera zur Farbmessung eingesetzt wird.Der Zweck der Kalibrierung besteht darin, eine genaue Übereinstimmung zwischen den von der Kamera erfassten Spektraldaten und den wahren Farbwerten herzustellenStandard-Whiteboards mit bekannten Spektralleigenschaften werden häufig als Kalibrierreferenzen verwendet.Die Hyperspektralkamera nimmt Bilder des Standardtafeln, erfasst die optische Signalstärke in jedem Band und berechnet die Reaktionsfunktion der Kamera anhand der bekannten Spektralreflexionsdaten des Standardtafeln,so dass die mögliche Spektralentwicklung korrigiert wird, Dunkelstromgeräusche und andere Fehlerfaktoren der Kamera und gewährleisten die Genauigkeit und Zuverlässigkeit der nachfolgenden Messdaten.   (2) Bildkollektion Nach der Kalibrierung kann das Bild des Zielobjekts erfasst werden.Erhält die Informationen zur Intensität des vom Objektband reflektierten Lichts Band für Band gemäß dem vorgegebenen Spektralbandbereich und der AuflösungWenn die Kamera den Spektralbereich in 200 Bänder aufteilt, werden die Daten des reflektierten Lichts in einem Bild aufgenommen, wobei die Spektralspektralspektralspektralspektralspektralspektralspektralspektralspektral ist.dann hat jedes Pixel 200 entsprechende SpektralreflexionswerteZusammen bilden diese Daten einen dreidimensionalen Datenwürfel, wobei die zweidimensionale Ebene die räumlichen Positionsinformationen des Bildes darstellt (x, y Koordinaten),und die dritte Dimension stellt die Spektralbandinformation (λ) darAuf diese Weise zeichnet die hyperspektralen Kamera nicht nur die Farbe und Aussehen Informationen des Objekts, sondern enthält auch seine spektralen Eigenschaften Informationen,die reichhaltigere Daten liefert als traditionelle Kameras.   (3) Datenverarbeitung und Farbberechnung Die gesammelten massiven Spektraldaten müssen eine komplexe Datenverarbeitung durchlaufen, um die endgültigen Farbmessresultate zu erhalten.Korrektur der Spektraldistorsion und sonstige VorgängeIm Bereich der Farbwissenschaft sind die häufig verwendeten Farbmodelle CIE XYZ, CIELAB usw.Das CIELAB-Farbmodell als Beispiel, stellt Farbe als drei Koordinatenwerte dar, die auf den Wahrnehmungsmerkmalen der Farbe des menschlichen Auges basieren: L steht für die Helligkeit, a für die rot-grüne Gradkomponente,und b * stellt die gelb-blaue Gradkomponente darDurch die Kombination der von der hyperspektralen Kamera gesammelten Spektralreflexionsdaten mit der Spektralleistungverteilung des Standardbeleuchtungsgeräts (z. B. der D65-Standardlichtquelle)und die Integration nach der Farbmatchungsfunktion, kann der Koordinatenwert des Objekts im CIELAB-Farbraum berechnet werden, um das Farbattribut des Objekts genau zu beschreiben.,Farbdifferenz kann auch berechnet werden, indem die Farbkoordinatenwerte verschiedener Objekte oder verschiedener Teile desselben Objekts verglichen werden,mit einer Breite von mehr als 20 mm,. 三、die Vorteile der Farbmessung durch eine hyperspektralen Kamera (1) Hohe Präzision und hohe Auflösung Hyperspektralkameras bieten eine extrem hohe Spektrallauflösung, die es ihnen ermöglicht, extrem feine Farbunterschiede in Farbmessungen zu erfassen.in einigen Industriezweigen, die eine sehr hohe Farbgenauigkeit erfordern, wie High-End-Druck, Kosmetikproduktion usw., kann es Farbveränderungen, die für das menschliche Auge schwer zu erkennen sind, genau unterscheiden,Gewährleistung der Konsistenz der Produktfarbe und hoher QualitätsstandardsDie hochdruckvollen Messergebnisse tragen dazu bei, die Qualitätskontrolle der Produkte zu verbessern und die durch Farbweichungen verursachten defekten Produkte zu reduzieren.   (2) Reich an Spektralinformationen Zusätzlich zu den Tristimulus-Wertinformationen der Farbedie durch die hyperspektralkamera ermittelte Spektralreflexionskurve enthält detaillierte Informationen über das Objekt über den gesamten gemessenen SpektralbereichDies hat für die Farbanalyse einiger besonderer Materialien oder Gegenstände einzigartige Vorteile.Durch die Analyse der Spektralmerkmale von Pigmenten auf der Oberfläche von KulturreliquienIn der Landwirtschaft wird der Wachstumsstatus, der Anteil der Landwirte an der landwirtschaftlichen Produktion und der Anteil der Landwirte an der landwirtschaftlichen Produktion untersucht.Nährstoffgehalt und Krankheits- und Insektenschädlinge von Pflanzen können entsprechend den Veränderungen der Spektralreflexibilität von Pflanzenblättern überwacht werden, weil sich die Absorptions- und Reflexionsmerkmale verschiedener Lichtwellenlängen in verschiedenen Wachstumsstadien und Gesundheitszuständen der Pflanzen ändern.   (3) Berührungslose Messung Für einige zerbrechliche, kostbare oder schwer erreichbare Objekte, wie Kunst, ist es wichtig, dass die Hyperspektralkameras nicht direkt mit dem zu messenden Objekt in Berührung kommen, was in vielen Fällen wichtig ist.Kulturreliquien, biologische Proben usw., kann die berührungslose Messung Schäden oder Verschmutzungen des Objekts vermeiden.Verbesserung der MessleistungBei der Farberkennung von großformatigen Wandmalereien kann beispielsweise schnell die Farbinformation des gesamten Wandmalereies ermittelt werden.Bereitstellung einer umfassenden Datenunterstützung für Schutz- und Wiederherstellungsarbeiten.   四、Experimentelle Prüfung einer hyperspektralen Kamera bei der Farbmessung 1. VersuchszweckTesten Sie den Laborwert der nachstehenden Probe 2. Liste der Versuchsprüfgeräte Name des Geräts Modellnummer Details zur Konfiguration Anmerkung CHNSpec-Hyperspektralkamera FS-13 Spektralbereich: 400-1000 nm;Spektrallauflösung: 2,5 nmSpektralband: 1200       3. Versuchsinhalte Die Reflexionskurve wurde durch externe Push-Scan-Erkennung einer 400-1000nm-Hyperspektralkamera ermittelt.Das Verfahren der experimentellen Messung ist in der nachstehenden Abbildung dargestellt: 4Schlussfolgerung. Die hyperspektralen Kamera FS-13 wurde verwendet, um die Proben des Kunden zu fotografieren, und der Laborwert jeder Probe wurde aus der hyperspektralen Bildanalyse gewonnen,der zum Ersetzen des Farbdifferenzmessers verwendet werden könnte, und die Teststabilität war gut, die Probenahmesituation der Probenahme war flexibel, und eine Mehrpunktmessung konnte durchgeführt werden, um die automatische Detektion zu realisieren.