CHNSpec Technology （Zhejiang）Co.,Ltd Unternehmensnachrichten

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.

Im Bereich der Baukunst steht die Gewährleistung der Qualität und Sicherheit von Gebäuden stets im Mittelpunkt und im Mittelpunkt der Forschung.Mit der ständigen Entwicklung der Bauindustrie und den steigenden Anforderungen der Menschen an die Lebensumgebung, ist die genaue Erkennung und Bewertung der Oberflächenfehler des Hauses sehr wichtig geworden.wie künstliche Beobachtung mit bloßem Auge und einfache Messgeräte, haben oft viele Einschränkungen wie starke Subjektivität, geringe Erkennungswirksamkeit und Schwierigkeiten bei der Suche nach möglichen kleineren Defekten.Die Entwicklung der Hyperspektralkamera-Technologie hat eine neue Möglichkeit für die Messung von Gebäudeoberflächenfehlern geschaffen.Die Hyperspektralkameras sind in der Lage, Informationen über Objekte in mehreren engen und kontinuierlichen Spektralbändern zu erfassen, die nicht nur räumliche Bilder der Oberfläche des Hauses liefern können,aber auch die Unterschiede in den Spektralmerkmalen verschiedener Materialien aufdeckenDieser einzigartige technische Vorteil ermöglicht ihm ein großes Anwendungspotenzial bei der Erkennung, Identifizierung und Analyse von Häuserflächenfehlern.Ziel der vorliegenden Studie ist es, das Anwendungsprinzip zu untersuchen., Methode und praktische Wirkung einer hyperspektralen Kamera bei der Messung von Gebäudeoberflächenfehlern,Um neue Ideen und technische Unterstützung für die Qualitätskontrolle und -bewertung in der Bauindustrie zu schaffen.   Nehmen wir zum Beispiel das hohe Bildspektrometer FS-23 mit integriertem Push Sweep im Farbspektrum AnwendungsgrundsatzHyperspektralkameras erfassen das von einem Zielobjekt reflektierte oder zerstreute Licht und zerlegen es in Spektraldaten unterschiedlicher Wellenlängen.Diese Spektraldaten spiegeln die Materialzusammensetzung widerBei der Messung von Gebäudeoberflächenfehlern kann die hyperspektralen Kameras die Spektralveränderungen erfassen, die durch Alterung, Schäden,Verschmutzung, etc., um eine genaue Feststellung der Mängel zu erreichen. Anwendungsvorteil1. Hochgenaue Identifizierung: Hyperspektralkameras können subtile Spektralunterschiede erfassen, so dass sie verschiedene Defekte auf der Oberfläche des Hauses mit hoher Präzision identifizieren können, wie Risse,Vergießen, Korrosion usw. 2- Berührungslose Messung: Die hyperspektral Kamera verwendet eine berührungslose Messmethode, die keine sekundären Schäden an der Oberfläche des Gehäuses verursacht.und auch den direkten Kontakt des Vermessers mit der potenziell gefährlichen Umgebung vermeiden. 3Schnell und effizient: Die Hyperspektralkamera kann das Scannen und die Datenanalyse der Oberfläche eines großen Bereichs des Hauses in kurzer Zeit abschließen.die die Messleistung erheblich verbessert. 4- Umfassende Analyse: In Kombination mit Spektralinformationen und räumlichen Informationen kann die hyperspektral Kamera eine umfassende Analyse der Defekte auf der Oberfläche des Hauses durchführen.einschließlich des Typs, Lage und Schwere der Mängel, die eine starke Unterstützung für die anschließenden Reparaturarbeiten bieten. AnwendungsbeispielIm Bereich der Gehäuseerkennung können Hyperspektralkameras mit anderen modernen Erkennungsmethoden wie akustischer Erkennung, Infraroterkennung usw. kombiniert werden.Ein umfassendes Detektionssystem zu schaffen. 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. Zum Beispiel, wenn die Alterung der Außenfarbe des Hauses erkannt wird, kann die hyperspektralen Kamera die spektralen Veränderungen erfassen, die durch die Alterung der Farboberfläche verursacht werden,mit einer Breite von mehr als 20 mm,, die den Alterungsgrad der Farbe und mögliche Sicherheitsgefahren umfassend bewerten kann.   Wie unten gezeigt Zusammengefaßt haben hyperspektrale Kameras erhebliche Anwendungsvorteile und breite Anwendungsmöglichkeiten bei der Messung von Gebäudeoberflächenfehlern.Mit dem ständigen technologischen Fortschritt und der Senkung der Kosten, wird erwartet, daß die hyperspektralen Kameras im Bereich der Hausinspektion stärker eingesetzt und gefördert werden.

Bei der Erforschung und Anwendung von Erzsilikaten stehen wir immer vor vielen Herausforderungen.Wie man Struktur- und Zusammensetzungenänderungen von Erzsilikaten versteht? Wie kann man Mineralressourcen effizient erforschen und nutzen? Diese Fragen haben Geologen und Mineralressourcenentwickler seit langem verwirrt.Diese Probleme scheinen zu neuen Lösungen zu führen.Die Hyperspektraltechnologie kann die einzigartigen Spektralleigenschaften von Erzsilikaten erfassen und durch die Analyse dieser EigenschaftenWir können die genaue Identifizierung von Erzsilikaten erkennen, Strukturanalyse und schnelle Exploration von Mineralressourcen.Es ist von großer praktischer Bedeutung, die Anwendung des Hyperspektrums in Erzsilikaten zu erforschen, um diese langjährigen Probleme zu lösen.. 一、 Einsatzszenarien 1- Kennzeichnung und Einstufung von Erzsilikaten:Identifizierung des Mineraltyps: Verschiedene Erzsilikatmineralien weisen einzigartige Spektralleigenschaften auf.Durch die Analyse dieser Eigenschaften können die in dem Erz enthaltenen Silikatmineralien genau identifiziert werden.So können beispielsweise Informationen wie Lage, Intensität und Form der Absorptions- oder Reflexionsspitzen in einem bestimmten Wellenlängenbereich ermittelt werden.es ist möglich, verschiedene Arten von Phyllosilikatmineralien wie Kaolinit zu unterscheiden, Montmorillonit und Illit. Erzklassebewertung: Bei Erzen, die mehrere mineralische Bestandteile enthalten,Durch die Hyperspektroskopie kann die Gesamtqualität des Erzes anhand der Spektralmerkmale verschiedener Mineralien und ihres relativen Gehalts beurteilt werdenDies hilft, den Wert und die Verwertungsrichtung des Erzes während des Erzbergbaus und der Verarbeitung schnell zu bestimmen. 2, Erzsilikatstruktur und Kristallinitätsanalyse:Strukturstudien: Die Hyperspektroskopie kann die Strukturinformationen von Erzsilikatmineralien erkennen.Durch Analyse der Spektralmerkmale, die durch die Vibration von Metallionen und Hydroxylgruppen (-OH) in Mineralien erzeugt werden, ist es möglich, die Kristallstruktur von Mineralien, die Natur chemischer Bindungen und die Koordination von Kationen zu verstehen.Es ist von großer Bedeutung, die physikalischen und chemischen Eigenschaften und den Entstehungsmechanismus von Erzsilikaten besser zu verstehen.. Beurteilung der Kristallinität: Die Kristallinität ist ein wichtiger Faktor für die Eigenschaften von Silikatmineralien.Die Hyperspektraltechnologie kann die Kristallinität von Mineralien nach den Veränderungen ihrer Spektralleigenschaften beurteilen.Zum Beispiel, mit der Steigerung der Kristallinität, die Intensität,Breite und Form des Spektral-Absorptions- oder Reflexionsspitzen einiger Mineralien in einem bestimmten Wellenlängenbereich ändern sich regelmäßigDurch Überwachung und Analyse dieser Veränderungen kann die Kristallinität von Erzsilikaten genau beurteilt werden. 3, geologische Kartierung des Bergbaugebiets und Erforschung von Bodenschätzen:Geologische Kartierung: Hyperspectrum kann detaillierte Erkundungen und Analysen der geologischen Bedingungen von Bergbaugebieten durchführen und eine hochpräzise geologische Kartierung erstellen.Durch die Ermittlung der Spektralmerkmale verschiedener Gesteine und Mineralien, kann es geologische Einheiten genau aufteilen, stratigraphische Grenzen bestimmen, geologische Strukturen identifizieren usw.,und die Bereitstellung grundlegender Daten für die geologische Forschung und die Exploration von Mineralressourcen in Bergbaugebieten. Exploration von Mineralressourcen: Bei der Exploration von Mineralressourcen kann die Hyperspektraltechnologie schnell ein großes Gebiet von Bergbaugebieten scannen, um potenzielle Mineralressourcen zu erkennen.Durch die Analyse der Spektralmerkmale von Silikatmineralien, können wir die versteckten Mineralisierungsinformationen finden, den Verteilungsbereich und den Anreicherungsgrad der Mineralien bestimmen,und eine starke Unterstützung für die Erforschung und Entwicklung von Mineralressourcen.   二、 Praktische Anwendung Verwendetes Gerät: Farbspektrum-Hyperspektralkamera FS-23 Testwirkung SchlussfolgerungDie Reflexionsfähigkeit der Spektralkurve ist offensichtlich. Im Falle von Halogenlicht wird der Teil, der Silikat enthält, offensichtlich hell sein,und die Spektralkurve hat offensichtliche charakteristische Spitzen (die Einstellung der Belichtungszeit und der Weißkalibrierung sind entscheidend). 三、Entwicklungsaussichten In Zukunft werden die Spektrallauflösung, die räumliche Auflösung und das Signal-Rausch-Verhältnis von hyperspektralen Instrumenten weiter verbessert.Die höhere Spektrallauflösung ermöglicht eine präzisere Erfassung der feinen Spektralleigenschaften von Erzsilikatmineralien, die dazu beitragen, Mineralarten genauer zu identifizieren und ihre Strukturen zu analysieren.für einige Silikatmineralien mit ähnlichen Kristallstrukturen und geringen Unterschieden in den Spektralmerkmalen, können hochauflösende Spektralanstrumente sie besser unterscheiden.Die Verbesserung der räumlichen Auflösung ermöglicht es der Hyperspektraltechnologie, kleinere Erzpartikel oder Mineralstrukturen zu analysieren und detailliertere Informationen über die Mineralverteilung zu liefern., die für die Untersuchung der Mikrostruktur von Erzen und der Beziehungen zwischen Mineralien von großer Bedeutung ist.Die Entwicklung von Hyperspektralinstrumenten wird sich allmählich in Richtung Miniaturisierung und Portabilität entwickeln.Dies wird die Anwendung der Hyperspektraltechnologie in der geologischen Feldforschung, der Überwachung von Minenstandorten und anderen Bereichen erleichtern.Geologen können das Erz direkt auf dem Feld entdecken und analysieren, die Mineralzusammensetzung, Struktur und andere Informationen des Erzes rechtzeitig zu erhalten und zeitnahere und genauere Daten für die Erforschung und Entwicklung von Mineralressourcen bereitzustellen.

Im Bereich der Elektrotechnik ist die Zustandsüberwachung von Hochspannungsleitungsverbindungen immer ein wichtiges Glied, um den sicheren und stabilen Betrieb des Stromsystems zu gewährleisten.Überspannung ist ein potenzielles Risiko für den Betrieb von Hochspannungsleitungsverbindungen, was zu einer Erhöhung der Temperatur, Widerstand und sogar Feuer führen kann.Eine genaue und rechtzeitige Erkennung des Phänomens des Stromausfalls ist von großer Bedeutung für die Verhinderung von Stromausfällen.Diese Studie wird sich auf das technische Prinzip konzentrieren. 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、 die Eigenschaften von hyperspektralen Kameras Hochauflösung: Hyperspektralkameras sind in der Lage, hochauflösende Bilder zu erfassen, die dazu beitragen, detaillierte Merkmale von Hochspannungsleitungsverbindungen in komplexen Umgebungen genau zu identifizieren. Spektralanalysekapazität: Die Hyperspektralkamera kann die Spektralinformationen des Zielobjekts erfassen.die für die Analyse der Materialzusammensetzung und der Temperaturverteilung der Hochspannungsdrahtverbindung von großer Bedeutung ist. 二、 das Prinzip des Detektionsverlustes Bei der Lieferung von Anschlüssen wird die Temperatur, der Widerstand und andere Parameter der Hochspannungsleitungsverbindung in der Regel überwacht.Verlust des supraleitenden Zustands)Durch die Analyse der Spektralinformationen des Gelenks, wird man feststellen, dass die Spektraldurchlässigkeit des Gelenks in der Nähe des Gelenks liegt.Die Hyperspektralkamera kann indirekt die Veränderung der Temperatur und des Widerstands ablesen., um die Verzögerungserkennung zu realisieren. 三、 die Anwendung der Hyperspektralkamera bei der Lapse-Erkennung Bildgewinnung: Mit der Hyperspektralkamera wird das Hochspannungsdrahtverbindungsgelenk fotografiert und das Spektralbild des Verbundes erhalten.Datenverarbeitung: Die gesammelten Spektralbilder werden verarbeitet und analysiert und wichtige Parameter wie Temperatur und Widerstand des Gelenks extrahiert. Ausfallbeurteilung: Anhand der gewonnenen Parameter in Kombination mit dem vorgegebenen Schwellenwert oder Modell wird beurteilt, ob die Verbindung ein Ausfallphänomen aufweist. 四、 Vorsichtsmaßnahmen und Einschränkungen Umweltfaktoren: Umweltfaktoren wie Licht, Temperatur usw. können die Aufnahmewirkung von hyperspektralen Kameras beeinflussen.es ist notwendig, auf die Kontrolle und Korrektur von Umweltfaktoren im Schießprozess zu achten.Datenverarbeitungsfähigkeit: Die Datenmenge, die von hyperspektralen Kameras erfasst wird, ist groß und erfordert eine starke Datenverarbeitungsfähigkeit.Es ist notwendig, die entsprechende Datenverarbeitungsanlage und den entsprechenden Algorithmus im Bewerbungsprozess zu konfigurieren.. 五、 Anwendungsbeispiele und Auswirkungen In praktischen Anwendungen wurden Hyperspektralkameras verwendet, um den gemeinsamen Status von Hochspannungsleitungen zu überwachen.Durch regelmäßige Spektralbilder des Gelenks und durch Analyse und Verarbeitung, kann die ungewöhnliche Lage des Gelenks rechtzeitig erkannt werden, z. B. ein ungewöhnlicher Temperaturanstieg, eine Erhöhung des Widerstands usw., um das Auftreten des Fehlers zu vermeiden.Die Hyperspektralkamera kann auch Informationen wie Materialzusammensetzung und Alterungsgrad der Verbindung liefern, die eine wissenschaftliche Grundlage für die Wartung und den Austausch des Gelenks bietet.Instrument: Farbspektrum eingebautes Push Sweep FS-23 bequemes Hochspektrometer. Hilfsgeräte: konstante Spektrallichtquelle - Übertragungsvorrichtung Lichtquelle: lineare Halogenlichtquelle Zusammenfassend kann gesagt werden, daß die hyperspektralen Kameras ein bestimmtes Anwendungspotenzial und Vorteile bei der Erkennung von Hochspannungsleitungsverbindungen haben.Es ist auch notwendig, auf die Grenzen und Herausforderungen in Bezug auf Umweltfaktoren zu achten., Datenverarbeitungskapazitäten und Kostenfragen.Die Anwendungsmöglichkeiten der hyperspektralen Kamera im Bereich der Stromkontrolle und -überwachung werden breiter sein..