Anwendungspraxis der CHNSpec FS-13 Hyperspektralkamera bei der Fehlererkennung von Leder

In der Lederproduktion und im Qualitätskontrollprozess wirken sich subtile Mängel wie Klebstoffaustritt und Kratzer direkt auf die Produktbewertung und den Marktwert aus. Die traditionelle manuelle Sichtprüfung wird leicht durch subjektive Urteile und Ermüdung beeinträchtigt, was zu Problemen wie geringer Effizienz, inkonsistenten Standards und häufigen übersehenen Inspektionen führt. Herkömmliche optische Prüfgeräte stützen sich meist auf räumliche morphologische Informationen und haben nur begrenzte Möglichkeiten, optische Unterschiede zu identifizieren, die durch mikroskopische Materialveränderungen verursacht werden, was es schwierig macht, die Anforderungen an eine verfeinerte Qualitätsprüfung zu erfüllen.

Die hyperspektrale Bildgebungstechnologie kann gleichzeitig räumliche Bild- und kontinuierliche spektrale Informationen des Ziels erfassen, wobei jedes Pixel einer vollständigen hochauflösenden Spektralkurve entspricht. Da es Unterschiede in der Zusammensetzung und Oberflächenstruktur zwischen Lederdefektbereichen und normalen Bereichen gibt, bilden die Reflexionsspektren und kolorimetrischen Parameter der beiden quantifizierbare Unterschiede in spezifischen Bändern, was Datenunterstützung für eine objektive und stabile Defekterkennung bietet.

I. Versuchsschema und Ausrüstungskonfiguration

In diesem Fall wurde die CHNSpec FS-13 Hyperspektralkamera zur Überprüfung der Lederdefekterkennung eingesetzt. Die Ausrüstung und die Parametereinstellungen wurden auf die Eigenschaften von Ledermustern zugeschnitten:

• Spektralbereich: 400–1000 nm
• Spektrale Auflösung: 2,5 nm
• Arbeitsmodus: Externer Push-Broom-Scan
• Schlüsselparameter: Belichtungszeit 200 µs, Motorgeschwindigkeit 30 mm/s
• Probe: Ledermuster mit Klebstoffaustrittsdefekten
• Erkennungsziel: Extrahieren und Unterscheiden der spektralen und kolorimetrischen Merkmale von Defektbereichen und normalen Bereichen sowie Abschluss der Defektlokalisierung und visuellen Darstellung.

II. Erkennungsprozess und Datenverarbeitung

1.Datenerfassung: Scannen der gesamten Lederoberfläche im Push-Broom-Modus, gleichzeitige Erfassung von Vollband-Spektraldaten und kolorimetrischen Parametern wie L, a, b, X, Y, Z für jedes Pixel. Reflexionskurven werden in Echtzeit generiert und bilden einen integrierten Datensatz aus "räumlich + spektral".

2.Datenvorverarbeitung und -analyse: Durchführung von Kalibrierung und Rauschunterdrückung der Rohdaten, Konzentration auf den Vergleich der Morphologie von Reflexionskurven zwischen Defektbereichen und normalen Bereichen, Quantifizierung von Unterschieden bei kolorimetrischen Parametern, Extraktion von optischen Merkmalen, die zur Unterscheidung von Defekten verwendet werden können, und Aufbau einer stabilen Identifizierungsgrundlage.

III. Anwendungseffekte und gemessene Leistung

1.Klare spektrale Merkmalsunterschiede: Innerhalb des 400–1000 nm Bandes zeigen die Reflexionskurven des Klebstoffaustrittsbereichs und des normalen Bereichs quantifizierbare Wellenformunterschiede in Spitzenwerten, Steigungen und charakteristischen Wellenlängenpositionen, was eine objektive Grundlage für die Defektbestimmung bietet.

2.Gute Unterscheidung von kolorimetrischen Parametern: Am Beispiel der Standardbeobachtungsbedingungen D65/10° gibt es signifikante Unterschiede bei L, a, b und anderen Werten zwischen dem Klebstoffaustrittsbereich und dem normalen Bereich, was eine schnelle Defektunterscheidung durch numerische Schwellenwerte ermöglicht.

3.Präzise und nachvollziehbare Defektlokalisierung: Durch die Kombination von räumlichen Bildern mit spektralen Merkmalen können der Verteilungsbereich und die Grenzen von Defekten genau erfasst werden. Visuelle Erkennungsergebnisse und quantifizierte Daten werden ausgegeben, wodurch der Erkennungsprozess reproduzierbar und die Ergebnisse nachvollziehbar werden, was die Qualitätskontrolle und Prozessoptimierung erleichtert.