CHNSpec Technology （Zhejiang）Co.,Ltd Unternehmensnachrichten

Der Farbdifferenzmesser ist ein präzises optisches Messgerät, das den Farbdifferenz durch das Prinzip der Licht/Stromumwandlung genau misst.die Farbdaten des Messobjekts werden aus fünf Winkeln (15°) erhoben., 45°, 110°) und die Messergebnisse durch Analyse und Vergleich der gesammelten Standardprobendaten mit den Probendaten.   Im Bereich der Optik kann Farbe durch den Lab-Farbskalar gemessen werden, die L-Achse ist die Helligkeitsachse, 0 ist schwarz, 100 ist weiß; A-Achse ist rote und grüne Achse, positiver Wert ist rot,Negativer Wert ist grün, 0 ist eine neutrale Farbe; die b-Achse ist eine gelbe und blaue Achse, positive Werte sind gelb, negative Werte sind blau und 0 ist eine neutrale Farbe.Diese Skalen können verwendet werden, um den Farbunterschied zwischen der Probe und der Standardprobe darzustellen, in der Regel Δa, Δb, ΔL als Identifikator, wird ΔE als Gesamtfarbdifferenz der Probe definiert, kann jedoch nicht die Abweichungsrichtung der Farbdifferenz der Probe darstellen,je größer der Wert von ΔE, je größer der Farbunterschied. Gemäß den Lab- und Lch-Prinzipien des CIE-Chromatisierungsraums wird der Farbunterschied ΔE, Δa, Δb,ΔL-Werte zwischen der Probe und der Standardprobe können gemessen und angezeigt werden.   Die ΔE wird in der Regel nach der folgenden Formel berechnet: Δ E * = [(Δ L *) + (Δ a *) + (Δ b *) ] 1/2   Manchmal benötigen einige Unternehmen einen Gesamtfarbunterschied von weniger als 2, und einige benötigen auch einen Lab-Wert.0, wird empfohlen, dass Δa, Δb und ΔL alle ≤ 1 sind.5, und ist im Allgemeinen visuell zu unterscheiden, wenn ΔE 1 ist.5- Da Δa, Δb und ΔL im allgemeinen nicht fest sind, werden bei zu strengen Anforderungenhäufig auf der Gesamtfarbdifferenz ΔE und Farbdifferenz Δc (ohne Berücksichtigung des Helligkeitseffekts) Anforderungen haben, kann zu diesem Zeitpunkt nach der folgenden Formel berechnet werden: Die Ermittlung der Wirksamkeit von Schadstoffen ist in der Regel durch die Ermittlung der Wirksamkeit der Schadstoffe durch die Ermittlung der Wirksamkeit von Schadstoffen durchgeführt.   Der Farbdifferenzmessgerät basiert auf dem Lab, Lch Prinzip des CIE-Farbraums, die Messung zeigt den Farbdifferenzwert △E und △Lab der Probe und der zu messenden Probe.Das Produkt wird weitgehend in der Farbdetektion von Farben verwendetWenn die Farbe des Farbdifferenzmessers in der Tabelle 1 ist, dann ist die Farbe des Farbdifferenzmessers in der Tabelle 1 zu sehen. L: Schwarz und Weiß, auch hell dunkel genannt, + bedeutet weiß, - bedeutet dunkel; A: bedeutet rot grün, + bedeutet rot, - bedeutet grün; B: zeigt Gelb und Blau an, + zeigt Gelb an, - zeigt Blau an;   Die oben genannten sind relative Werte, einfache L, A, B ist der absolute Wert, mit diesen drei Werte kann in einer dreidimensionalen Karte, genau darstellen einen Farbpunkt,mit dem relativen Wert und der Referenzpunktdifferenz zur Korrektur des Gesamtfarbenunterschieds ΔΕ= (Δa2+Δb2+Δl2) 1/2.   CIE (Internationale Kommission für Beleuchtung) Labor Farbraum Kurze Einführung: L: ((Helligkeit) Achse repräsentiert Schwarz und Weiß, 0 ist schwarz und 100 ist 100 a: ((rot grün) Positive Werte sind rot, negative Werte sind grün und 0 ist neutral. b; (gelb-blau) Achse sind positive Werte gelb, negative Werte blau und 0 neutral.   Alle Farben können durch den Laborfarbraum wahrgenommen und gemessen werden, und diese Daten können auch verwendet werden, um den Farbunterschied zwischen der Standardprobe und der Testprobe darzustellen,und sind üblicherweise als △Eab (Gesamtfarbenunterschied) △L △a △b ausgedrückt.   Zum Beispiel ist △L positiv, was bedeutet, dass die Prüfprobe heller ist als die Standardprobe (weiß) und △L negativ, was bedeutet, dass die Prüfprobe dunkler ist als die Standardprobe (schwarz).   Zum Beispiel: △a ist positiv, was bedeutet, dass die Prüfprobe roter ist als die Standardprobe (rot) △a ist negativ, was bedeutet, dass die Prüfprobe grüner ist als die Standardprobe (grün)   Zum Beispiel: △b ist positiv, was bedeutet, dass die Prüfprobe gelber ist als die Standardprobe (gelb) △b ist negativ,Angabe, dass die Prüfprobe blauer ist als die Standardprobe (blau)   △Eab ((oder △E) ist die Gesamtfarbdifferenz, sie zeigt nicht die Richtung der Farbdifferenzverschiebung an, je größer der Wert, desto größer der Farbdifferenz.

Im Produktionsprozess finden wir oft ein Problem, unter dieser Lichtquelle zu beobachten, die Farbe der Standardprobe A und B Standardprobe ist die gleiche oder der Farbunterschied ist sehr klein,Aber unter einer anderen Lichtquelle zu beobachten, die Farbe von A und B ist sehr unterschiedlich, dieses Phänomen wird "Metamerismus" genannt. Heterochromatisches Spektrum ist einfach die gleiche Farbe unter einer Lichtquelle, aber die Zusammensetzung des Spektrums ist anders.Die Druck- und Färbeindustrie sagte oft, dass Sprunglichter und Heterochroma ein Konzept ist.      Die gleichen beiden Produkte, unter verschiedenen Lichtquellen, die Farbdarstellung ist anders   Der grundlegende Grund für die unterschiedlichen Farben verschiedener Lichtquellen ist, dass die Spektralreflexibilität der beiden Farben unterschiedlich ist   Wie kann man also im eigentlichen Produktionsprozess das Auftreten des heterokromatischen Spektrums vermeiden?   Zunächst ist zu verstehen, dass es drei Elemente gibt, die die Farbe der Oberfläche eines Objekts bestimmen: das Objekt, die Lichtquelle und der Beobachter.Nur wenn diese drei Elemente genau gleich sind., kann die Oberflächenfarbe des Objekts vollständig konsistent sein. Beobachter sind oft die gleichen, und wir müssen die Konsistenz der variablen Elemente von Objekten oder Lichtquellen kontrollieren, um Metachromatismus zu vermeiden.   Die erste Methode besteht darin, die Lichtquelle zu vereinen.Wir können die gleiche Umgebung wie die gemeinsamen Orte des Kunden und ihre Lichtbedingungen verwenden, um Farbmatching-Arbeit durchzuführen, um Bedingungen und andere Farben zu erreichenDiese Methode hat hohe Umweltanforderungen wie Lichtquelle, und kann nicht wirklich das Phänomen des Metachromatismus vermeiden.   Die zweite Methode besteht darin, die Spektralreflexion des Objekts zu vereinheitlichen.dann muss die Farbe der beiden Objekte auch unter allen Lichtquellenbedingungen konsistent sein.   Die Farbe kann intuitiv gesehen werden, aber die Spektralreflexion kann nicht mit bloßem Auge beobachtet werden und muss mit Hilfe von Instrumenten identifiziert werden.Die durch die Farbspektrentechnologie entwickelten Produkte der Spektralfarbmessserie können nicht nur den Farbwert visuell lesen, aber auch Spektralreflexibilität erzeugen, was die Arbeitsbelastung der Farbmatcher erheblich reduziert und den Farbmatchern helfen kann, die Genauigkeit der Farbmatchung zu verbessern.

Der fortschrittlichere Spektraltyp des Farbdifferenzmeters, das heißt, wir sagen oft, dass der Spektralfarbdifferenzmeter,Dieses Gerät enthält ein optisches Element, das zur Spektraldispersion verwendet werden kann.   Das Spektrophotometer verwendet im Allgemeinen Prismen, Gitter, Interferenzfilter, einstellbare oder diskontinuierliche Reihen von monochromatischen Lichtquellen, um eine Spektrophotometrie zu erreichen.und analysiert dann einzelne Farbinformationen nach dem Prinzip der Dispersion, um Farbzahlen zu erhaltenDas Spektrophotometer kann Chrominanzinformationen nach dem Chrominanzraum im Inneren und der Berechnungsformel anzeigen und in digitaler Form ausgeben.Das Spektrophotometer kann auch die zugrunde liegenden Spektraldaten auf der Grundlage der kolorimetrischen Daten analysieren.   Wir wissen, dass ultraviolettes Licht nicht im sichtbaren Spektrum ist und nicht mit bloßem Auge erfasst und beobachtet werden kann, aber es kann die Farbveränderung beeinflussen.Es gibt ein Ultraviolett-Auflösung Spektrophotometer verwendet, um Chrom zu messen, was eine genauere Farbanalyse ermöglicht.   Allerdings möchten jetzt mehr Hersteller Farbmesskomponenten verwenden, um diese Messung abzuschließen, die Komponente kann helfen, mehr Farbinformationen zu messen,Während die Genauigkeit garantiert werden kann, aber die Komponente ist leichter, die interne Technologie des Lichtfarbenunterschiedsmessers einzustellen, reduziert aber auch die Herstellungskosten des Geräts,so dass mehr Hersteller es sich leisten können,.   Das Spektrophotometer ist für den visuellen Vergleich und die Simulation farbgemäßer Daten ausgelegt und ist ein wichtiges Hilfsmittel für die Computerfarbgleichung.die den großen Herstellern helfen können, die Analyse abzuschließenBei der Verwendung des Lichtfarbdifferenzmessers wird eine Schlüsseldatengleichung - Farbtoleranzgleichung - verwendet.Das ist eigentlich der Toleranzbereich, den wir normalerweise sagen., in der industriellen Chargenproduktion, gibt es eine Toleranz, um das Produkt und qualifizierte Situation zu kontrollieren, sowohl schnell als auch vernünftig.   Um den Farbunterschied zwischen Produkten zu messen und das normale Farbunterschiedsmesser zu kontrollieren, ist das gleiche, müssen wir zuerst die Informationen des Standardprobenprodukts messen,und dann die Farbinformation der Probe messenIn der Tat sind Farbmessung und Farbmanagement insgesamt gleich, aber das Spektrophotometer ist genauer und umfassender.

Der Farbdifferenzmesser hat eine breite Palette von Anwendungen in der Oberflächenfarbenindustrie wie Beschichtung, Baustoffe, Farben, Beschichtungen, Textildruck und -färben, Tinte, Kunststoffe,Herstellung von Farbstoffpigmenten, etc., auch bekannt als CIELAB einheitlicher Farbraum. Lassen Sie uns die Lab-Werte nach der Farbdifferenzmessoberfläche analysieren:   ColorMeter Pro ist ein anderes Farbwerkzeug, leistungsstarke Konfiguration, machen Farbmessung professioneller; Das Instrument kann drahtlos mit Android- oder IOS-Geräten verbunden werden,die das Anwendungsgebiet der Farbmessung erheblich erweitert. Es wird Sie in die neue Welt des Farbmanagements bringen, kann Druck, Farbe, Textil und andere Farbkarten ersetzen, um Farblesen, Farbkartensuchfunktionen zu erreichen.   Farbdifferenzmesser Laborwert Bedeutung: L: (Helligkeit) Achse repräsentiert Schwarz und Weiß, 0 ist schwarz, 100 ist weiß. a: (rot grün) Positive Werte sind rot, negative Werte sind grün und 0 ist neutral. b: (gelbblau) Positive Werte sind gelb, negative Werte sind blau und 0 ist neutral.   Alle Farben können durch den Laborfarbraum wahrgenommen und gemessen werden, und diese Daten können auch verwendet werden, um den Farbunterschied zwischen der Standardprobe und der Testprobe darzustellen,und werden in der Regel als dE*ab (Gesamtfarbdifferenz) dL* ausgedrückt, da*, db*.   Wenn dE zwischen 0 und 1 liegt, ist der Farbunterschied mit bloßem Auge nicht erkennbar Wenn die dE zwischen 1-2 liegt, ist das menschliche Auge leicht aufmerksam, wenn die chromatische Empfindlichkeit nicht hoch ist, ist sie immer noch nicht sichtbar. Ist der dE zwischen 2-3, kann der Farbunterschied zwischen den Stoffen leicht deutlich erkannt werden, ist aber relativ unsichtbar. Sobald dE zwischen 3,5 und 5 erreicht ist, ist der Farbunterschied sehr offensichtlich. Also dE über 5 sieht aus wie zwei Farben.   Zum Beispiel Farbdifferenz Schatzdaten: dL* ist 22,6 positiv, was darauf hindeutet, dass die Prüfprobe heller (weißer) ist als die Standardprobe, und die Schnittstelle zeigt direkt an, wie weiß und weniger schwarz sie ist.die Prüfprobe ist dunkler (dunkler) als die Standardprobe. Da* ist 47,7 positiv, was darauf hindeutet, dass die Prüfprobe roter ist als die Standardprobe (rötlich), und die Schnittstelle zeigt direkt mehr Rot und weniger Grün an.Die Prüfprobe ist grüner als die Standardprobe (grünlich). Db* ist 43,4 positiv, was darauf hindeutet, dass die Testprobe gelber ist als die Standardprobe (gelblich), die Schnittstelle zeigt direkt mehr Gelb und weniger Blau an; umgekehrtwenn db* negativ ist, ist die Prüfprobe blauer als die Standardprobe (blauer). dE*ab ((oder dE) ist der Gesamtfarbunterschied, er zeigt nicht die Richtung der Farbunterschiedsverschiebung an, je größer der Wert ist, desto größer ist der Farbunterschied.   Farbdifferenzformel: dE=[(dL) 2+(da) 2+(db) 2) 1/2. dL=L Prüferzeugnis -L Standardprobe (Helligkeit/Schwarz-Weiß-Unterschied) da=a Prüferzeugnis - eine Standardprobe (rot/grüner Unterschied) db=b Prüfprodukt -b Standardprobe (gelb/blauer Unterschied) △L+ bedeutet weiß, △L- bedeutet schwarz △a+ ist rot, △a- ist grün △b+ bedeutet gelb, △b- bedeutet blau   Insgesamt ist der Farbdifferenzmesser eine bequeme Operation, intuitive Datenerkennung von Farbdifferenzgeräten, die derzeit in der täglichen Produktion und im Lebensprozess sehr weit verbreitet ist,Also die Notwendigkeit für Farbmanagement Freunde können sorgfältig die Bedeutung des obigen Lab-Wert studieren.

SCI bezieht sich auf die Einbeziehung des Spiegelreflexlichtmodus,in der Regel für diejenigen verwendet, die die Eigenschaften der Farbe selbst untersuchen, ohne sich um die Farbe zu kümmern, die an der Oberflächenglanz der Probenhersteller befestigt istSCE bezieht sich auf die Methode, die kein spiegelhaftes reflektiertes Licht enthält,die im Allgemeinen für Proben geeignet ist, die direkt beobachtet werden und für die Messwerte sehr nahe an der Sicht sein müssen, z. B. Gehäuse für Haushaltsgeräte.   Im SCE-Messmodus wird das Spiegellicht ausgeschlossen und nur das diffuse Licht gemessen, wobei der so gemessene Wert mit der Farbe des Objekts vergleichbar ist, wie es dem Beobachter erscheint.Wenn der SCI-Modus verwendet wird, wird das Spiegellicht zusammen mit dem diffusen Licht in die Messung einbezogen. Der so gemessene Wert ist die Gesamtobjektivfarbe des Objekts,und hat nichts mit den Oberflächenbedingungen des Objekts zu tunDiese Kriterien müssen bei der Auswahl eines Geräts berücksichtigt werden.   SCI- und SCE-Optionen erscheinen in der Regel nur in den Einstellungen von Farbmessgeräten der Struktur d/8.                                     Auch wenn das Objekt aus demselben Material besteht, wird die Farbe aufgrund des Unterschieds im Oberflächenglanz anders aussehen.   Weil Licht von einer Lichtquelle Licht erzeugt, das von demselben Winkel in verschiedene Richtungen reflektiert wird, nennen wir es Spiegel reflektiertes Licht.Denn das Licht ist wie ein Spiegel, der sich in einem Spiegel wieder widerspiegelt.Licht, das nicht durch Spiegelreflexion reflektiert wird, sondern in alle Richtungen zerstreut wird, wird diffus Licht genannt.   Auf glatten, hellen Oberflächen ist das Spiegellicht stärker und das diffuse Licht schwächer.Sie ignorieren das reflektierte SpiegellichtBei der Messung solcher Proben müssen, um die Daten mit dem Objekt identisch zu machen, das reflektierte Spiegellicht ausgeschlossen und nur das diffuse Licht gemessen werden.Die Farbe eines Gegenstandes unterscheidet sich aufgrund der Menge des Lichtes, das durch den Spiegel reflektiert wird, den wir beobachten.

In dieser Studie kann eine 400-1000nm-Hyperspektralkamera verwendet werden, und die Produkte der Hangzhou Color Spectrum Technology Co., LTD FS13 führt verwandte Untersuchungen durch. Der Spektralbereich beträgt 400-1000 nm, und die Wellenlänge ist besser als 2,5 nm, bis zu 1200 nm Erfassungsgeschwindigkeit bis 128 FPS im gesamten Spektrum, bis 3300 Hz nach Bandwahl (Mehrzonenunterstützung) Auswahl des Domänenbandes). Chlorophyll spielt eine wichtige Rolle bei der Photosynthese von Pflanzen, und sein Gehalt ist ein wichtiger Indikator für den Nährstoffstress, die Photosynthesefähigkeit und den Wachstumsstatus von Pflanzen.Die Bestimmung des Chlorophyllgehalts von Pflanzen kann zur Überwachung von Pflanzenwachstum und -entwicklung verwendet werden., um den Anbau und das Düngungsmanagement wissenschaftlich zu leiten, ein gutes Pflanzenwachstum zu gewährleisten, die Qualität und den Ertrag der Pflanzen zu verbessern,die für die Praxis der Präzisionslandwirtschaft und der Forstwirtschaft von großer Bedeutung istDie herkömmliche Methode zur Bestimmung des Chlorophyllgehalts ist die analytische Chemiemethode, d. h. die Blätter werden im Labor gesammelt, durch chemische Lösungsmittel extrahiert,und dann wird die Absorptionsfähigkeit der extrahierten Flüssigkeit bei zwei spezifischen Wellenlängen auf dem Spektrophotometer bestimmt, wobei der Chlorophyllgehalt nach der Formel berechnet wird.Diese Methode hat eine hohe Messgenauigkeit, ist jedoch umständlich, zeitaufwändig und mühsam.und die Anforderungen an schnelle und zerstörungsfreie Prüfungen im Feld nicht erfüllen kann..   Die sichtbare Nahinfrarotspektroskopie ist eine in den letzten Jahren rasch entwickelte Analyse- und Nachweismethode.mit einer Breite von mehr als 20 mm,Im Vergleich zur traditionellen Methode der analytischen Chemie weist die sichtbare Nahinfrarotspektroskopie die Eigenschaften einer schnellen Analyse, hoher Effizienz, geringer Kosten, keinerlei Schäden, keinerlei Verschmutzung usw. auf.und wurde in vielen Bereichen weit verbreitetIn diesem Papier wurden die Sicht-nahe-Infrarot-Spektralsignale von Pflanzenblättern mittels Transreflectanzproben gewonnen, und die Spektraldaten wurden durch Glättung vorverarbeitet.Differentierung erster Ordnung und WellenwandlungDie Methode des partiellen Mindestquadrats (PLS) wurde verwendet, um den Chlorophyllgehalt und die Blattabsorptionsspektren von Pflanzenblättern zu ermitteln. In dieser Arbeit wurde eine neue Methode zur Bestimmung des Chlorophyllgehalts in Pflanzen durch sichtbare Nahinfrarotspektroskopie vorgeschlagen.Die Reflexionsprobenahme wird zur Sammlung des Spektrums der Klinge verwendet., und die Methoden der Glättung, Differenz- und Wellenwandlung werden zur Vorverarbeitung der Spektraldaten verwendet, wodurch der Einfluß von Nicht-Zielfaktoren verringert und das Signal-Rausch-Verhältnis verbessert wird.Dann..., wurde ein quantitatives Analysemodell für den Chlorophyllgehalt in Blättern und das Absorptionsspektrum in Blättern mit Hilfe der partiellen Mindestquadratmethode erstellt.Die Vorhersagegenauigkeit des Modells erfüllte die Anforderungen praktischer MessanwendungenDie Ergebnisse dieser Studie haben gezeigt, daß die Anwendung der Vision-Near-Infrarot-Spektroskopie zur Bestimmung des Chlorophyllgehalts von Blättern möglich ist.die eine Grundlage für die schnelle Bestimmung des Chlorophyllgehalts von Blättern darstellte, und legte auch den Grundstein für die künftige Entwicklung entsprechender zerstörungsfreier Prüfgeräte.

In dieser Studie wurde eine 900-1700nm-Hyperspektralkamera eingesetzt, und FS-15, das Produkt der Hangzhou Color Spectrum Technology Co., LTD., konnte für verwandte Forschungen verwendet werden.Kurzwellen-Nein-Infrarot-Hyperspektralkamera, die Akquisitionsgeschwindigkeit des gesamten Spektrums bis zu 200 FPS, wird weit verbreitet bei der Zusammensetzungserkennung, Stofferkennung, Bildverarbeitung, Qualität von landwirtschaftlichen Erzeugnissen,Bildschirmerkennung und andere Felder.   Anthocyanine sind eine wichtige Klasse von phenolischen Verbindungen in Trauben und Wein, die hauptsächlich in den Vakuolen der Zellen in den 3-4 Schichten unter der Epidermis von Traubenbeeren vorhanden sind.Es ist ein wichtiger Faktor bei der Bestimmung der sinnlichen Qualität des WeinesDie traditionelle chemische Nachweismethode zerstört das Nachweisobjekt.und es ist schwierig, eine schnelle und große Stichprobengröße zu ermittelnEs gibt jedoch nur wenige Untersuchungen zur schnellen Detektion von Anthocyanen in Weintrauben im In- und Ausland.Die Technik der hyperspektralen Bildgebung als zerstörungsfreie Prüfmethode hat große Aufmerksamkeit erregt.Im Vergleich zur traditionellen Nahinfrarot-Spektroskopie zeigt die hyperspektralen Bildgebungstechnologie ihre einzigartigen Vorteile.Jedes Mal kann nur ein oder mehrere Punkte der Spektralinformationen erhalten werden, und es wird mehr Zufall und Einseitigkeit bei der Auswahl der Position und der Anzahl der Punkte geben.Das ist nicht nur eine reichhaltigere Information., bietet aber auch eine vernünftigere und wirksamere Analysemethode für die Spektraldatenverarbeitung.Bei der Modellierung mit Hilfe der hyperspektralen Bildgebungstechnologie in Kombination mit der partiellen Mindestquadratmethode, mit der Vertiefung der Forschung zur PLS-Methode,Es wird festgestellt, dass durch die Überprüfung charakteristischer Wellenlängen oder Wellenlängenintervalle mittels spezifischer Methoden bessere quantitative Korrekturmodelle erzielt werden können..   In diesem Experiment wurde das hyperspektralische Bild von Traubenbeeren auf der Grundlage des nahen Infrarot-hyperspektralen Bildgebungssystems von 931 ~ 1700 nm erhalten.Der kontinuierliche Projektionsalgorithmus SPA wurde zur Auswahl der Wellenlängenvariablen verwendet, und schließlich wurden 20 Spektralvariablen aus 236 Wellenlängenpunkten ausgewählt.Die Ergebnisse zeigen, daß: (1) Der kontinuierliche Projektionsalgorithmus SPA kann nicht nur die charakteristischen Spektralvariablen effektiv auswählen, das Korrekturmodell vereinfachen und die Korrekturzeit verkürzen,aber auch die Vorhersagegenauigkeit des Modells zu verbessern, eine wirksame und praktische Methode zur Auswahl von Spektralvariablen. (2) Unter den vier Vorhersagemodellen PLS, SPA-MLR, SPA-BPNN und SPA-PLS hat das SPA-PLS-Modell den besten Vorhersageeffekt und seinen Vorhersage-Korrelationskoeffizienten R..9000 und 0.5506Daher ist die Korrelation zwischen den Spektraldaten der Traubenbeeren und dem Anthocyangehalt in der Traubenschale hoch.Durch die nahe-infrarot-Hyperspektral-Bildgebungstechnologie kann der Gehalt an Anthocyanen in Traubenschalen wirksam ermittelt werden.

In dieser Studie wurde eine 400-1000nm-Hyperspektralkamera eingesetzt, und FS13, 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). Die chinesische Reisproduktion macht mehr als 30% der weltweiten Reisproduktion aus, und "Meihe-Reis" in der Provinz Jilin ist ein Produkt mit geografischer Angabe des chinesischen Japonica-Reises,und sein Produktionsgebiet befindet sich im goldenen Getreide-Produktionsgürtel der Welt (45° N Breite)In der Praxis gibt es viele Arten von Meihe Reis.und chemische Methoden wie die Kjellod-Stickstoffbestimmung und die Spektrophotometrie werden üblicherweise zur Bestimmung des Proteingehalts verschiedener Reissorten verwendet.Diese traditionellen chemischen Methoden sind jedoch nicht nur für die Probe selbst zerstörerisch, sondern auch für komplizierte Schritte und einen zu langen Nachweiszyklus.Die Infrarotspektroskopie wurde zur Bestimmung der Hauptbestandteile von Reis (Protein ≥, β-Fett, Stärke III, Wasser), aber er kann nur den Inhalt der Bestandteile nach den Spektralinformationen ermitteln und kann keinen intuitiveren Ausdruck erreichen, d. h.die Visualisierung des InhaltsDas Hyperspektrum ist eine dreidimensionale Würfeldatenmenge, die Bildinformationen und Spektralinformationen enthält.Das erhaltene hyperspektrale Bild enthält sowohl interne Informationen über den Reis (innere physikalische Struktur und chemische Zusammensetzung) als auch externe Informationen über den Reis (Kornart)In diesem Artikel werden drei Arten von Reis (Daohuahua,Akita Omachi und Jijing 60) aus 4 Produktionsgebieten in der Stadt MeiheFür die Erfassung des gesammelten Reises und die Erfassung des durchschnittlichen Spektrums der untersuchten Region wurde eine hyperspektralen Bildgebungstechnologie verwendet.Um das Signal-Rausch-Verhältnis des Spektrums zu reduzieren und ein relativ robustes Modell zu erhalten,, Drei Arten von Vorhersagemodellen für den Reiseproteingehalt, einschließlich partieller Regression des kleinsten Quadrats, Regression der Hauptkomponenten und Fehlerrückverbreitung des neuronalen Netzwerks,wurden durch Konvolutionsabglättung ermittelt, Mittelzentralisierung und Mehrfachstreuungskorrektur.und verwandeln das Reisspectralbild in eine Verteilungskarte des Proteingehalts, um die Visualisierung des Proteingehalts von Reis verschiedener Sorten zu realisieren. Die Möglichkeit der Visualisierung der Proteingehaltverteilung in Reis wurde mit Hilfe der hyperspektralen Bildgebungstechnologie untersucht.Ein vereinfachtes und effizientes Modell zur Vorhersage des PLSR-Proteingehalts wurde durch die MC-Spektralvorbehandlung und die Auswahl der SPA-charakteristischen Bands erhalten.Auf der Grundlage des quantitativen Modells wurde die Verteilung des Proteingehalts in Reis verschiedener Sorten und unterschiedlicher Herkunft visualisiert.es ist schwierig, den Reis durch normale RGB-Bilder zu unterscheidenDie Verteilung des Proteingehalts kann durch Bildgebung zur Identifizierung des Ursprungs von Reis beitragen.und die Verteilung des Proteingehaltes von Reis auf verschiedenen Sorten können Beweise für die spätere Zucht von Reissorten liefern..

In dieser Studie wurde eine hyperspektrale Kamera 400-1000nm angewendet, und FS13, ein Produkt der Hangzhou-Farbspektrum-Technologie Co., Ltd., könnte für in Verbindung stehende Forschung verwendet werden. Der Spektralbereich ist 400-1000nm, ist die Wellenlängenentschließung besser als 2.5nm, und bis 1200 Spektralkanäle können erreicht werden. Die Erwerbsgeschwindigkeit kann 128FPS im vollen Spektrum und das Maximum erreichen, nachdem Bandauswahl 3300Hz ist (Stützmultiregionsbandauswahl).   Kopfsalat ist im Protein, in den Kohlenhydraten, in den Vitaminen und in anderen Nährstoffen reich, und der pflanzende Bereich ist breit. Stickstoff ist eins der wichtigsten Elemente, die das Wachstum des Kopfsalates beeinflussen. Um ein schnelles herzustellen, ist leistungsfähige und zerstörungsfreie Methode für zufriedene Entdeckung des Stickstoffes des Kopfsalates bequem die angemessene Düngung des Kopfsalates zu führen. Zur Zeit gibt es wenige Berichte über den Gebrauch von hyperspektraler Bildtechnologie, Stickstoffinhalt in den Kopfsalatblättern zu ermitteln. In dieser Studie wurde hyperspektrale Bildtechnologie an der zerstörungsfreien Entdeckung des Stickstoffinhalts in den Kopfsalatblättern angewendet. Indem man die Effekte von verschiedenen Spektralvorbehandlungsmethoden auf modellierendes PLSB studierte, wurden passende Spektralvorbehandlungsmethoden für Kopfsalatblätter vorgewählt, und die empfindlichen Wellenlängen, die für Vorhersagestickstoffinhalt in den Kopfsalatblättern passend sind, wurden optimiert. Ein Versuch wurde, das Modell der einfachsten und optimalen Vorhersage des Stickstoffinhalts in den Kopfsalatblättern herzustellen gemacht. Dieser Satz Methoden ist nicht berichtet worden, und er bietet auch eine Basis für die Entwicklung des tragbaren Gemüsenährelementdetektors, der starken praktischen Wert hat.   Die hyperspektralen Bilder von 60 Kopfsalatblättern wurden durch hyperspektrale Bildtechnologie gesammelt, und der Stickstoffinhalt der entsprechenden Kopfsalatblätter wurde durch ununterbrochenen AutoAnalyzer3 Flusszerleger bestimmt. Die durchschnittlichen Spektraldaten von Regionen 50×50 auf der Oberfläche der rohen Kopfsalatblätter wurden durch ENVI-Software extrahiert. Die extrahierten durchschnittlichen Spektraldaten wurden aufbereitet (8 Arten Vorbehandlungsmethoden). Schließlich wurden die ursprünglichen Spektraldaten und 8 Arten Vorbehandlungsspektraldaten als der Input von PLSR verwendet, um 9 Vorhersagenmodelle für Stickstoffinhalt des Kopfsalates festzulegen. Indem man die Ergebnisse dieser 9 Vorhersagenmodelle verglich, wurde die optimale Vorhersage vorbildliches OSC+PLSR vorgewählt, und das Regressionskoeffizientdiagramm des OSC+PLSR-Modells wurde analysiert. 13 empfindliche Wellenlängen wurden vorgewählt, und dann wurden 13 empfindliche Wellenlängen als PLSR-Input genommen. Schließlich wurde das Vorhersagenmodell des OSC+SW+PLSR-Kopfsalat-Stickstoffinhalts hergestellt. Verglichen mit OSC+PLSR-Modell, ist die Vorhersagen-Leistungsfähigkeit erheblich verbessert worden, die als leistungsfähige, genaue und zerstörungsfreie neue Methode für die Vorhersage des Stickstoffinhalts in den Kopfsalatblättern verwendet werden kann, und kann einen Hinweis für Stickstoffnahrungsdiagnose und wirtschaftliche und rationale Düngung des Kopfsalates zur Verfügung stellen.

In dieser Studie können eine 400-1000-nm-Hyperspektralkamera und die Produkte von Hangzhou Color Spectrum Technology Co., LTD. verwendet werden FS13 führt entsprechende Forschung durch.Der Spektralbereich beträgt 400–1000 nm und die Wellenlängenauflösung ist besser als 2,5 nm, bis zu 1200 Zwei Spektralkanäle.Erfassungsgeschwindigkeit bis zu 128 FPS im gesamten Spektrum, bis zu 3300 Hz nach Bandauswahl (Mehrzonenunterstützung). Auswahl des Domänenbandes).   Mit der Förderung der Kartoffel-Grundnahrungsmittelstrategie in China hat sich die Kartoffel-Industriekette rasch entwickelt, und die Kartoffelqualität ist zu einem heißen Thema geworden.Allerdings beeinträchtigen Mängel wie grüne Schalen und mechanische Beschädigungen die Gesamtmenge der Kartoffeln erheblich, insbesondere die komplexe Form von Kartoffeln mit grüner Schale. Mängel sind nicht leicht zu erkennen und erschweren die Erkennung.Wenn gleichzeitig der Solaningehalt in grünen Kartoffeln den essbaren Standard überschreitet, führt dies zu einer Lebensmittelvergiftung und verursacht Probleme bei der Lebensmittelsicherheit.Daher ist es von großer Bedeutung, eine schnelle und zerstörungsfreie Erkennungsmethode für die Tiefverarbeitung von Kartoffeln und die Erweiterung der Kartoffelindustriekette zu untersuchen.   Die hyperspektrale Bildgebungstechnologie bietet die Vorteile eines breiten Bandbereichs und kann gleichzeitig Bild- und Spektralinformationen im entsprechenden Bandbereich der getesteten Probe erhalten. Daher wird sie häufig bei der schnellen zerstörungsfreien Prüfung landwirtschaftlicher Produkte eingesetzt.Um das Problem zu lösen, dass die Kartoffel mit hellgrüner Schale in beliebiger Position nicht leicht zu erkennen ist, wurden die hyperspektralen Halbtransmissions- und Reflexionsbildgebungstechniken zum Vergleich und zur Analyse verwendet und die Modellerkennungsgenauigkeit unter verschiedenen hyperspektralen Bildgebungsmethoden bestimmt .Die halbdurchlässigen hyperspektralen und reflektierten hyperspektralen Bilder von Kartoffelproben wurden an jeder Position gesammelt, Erkennungsmodelle basierend auf Bildinformationen bzw. Spektralinformationen erstellt und die Erkennungsraten verschiedener Modelle verglichen.Erstellen Sie weiter Bild- und Spektrumfusionsmodelle oder verschiedene Bildgebungsfusionsmodelle, um die Modellleistung zu verbessern und schließlich das optimale Modell zu bestimmen. (1) Die Genauigkeit von Bildinformationserkennungsmodellen mit verschiedenen hyperspektralen Bildgebungsverfahren wird verglichen.Die Erkennungsrate der isometrischen Kartierung in Kombination mit dem Deep-Believe-Netzwerkmodell basierend auf halbübertragenen Bildinformationen beträgt nur 78,67 %.Die Erkennungsrate der maximalen Varianzerweiterung in Kombination mit dem Deep-Believe-Netzwerkmodell basierend auf reflektierten Bildinformationen beträgt nur 77,33 %.Die Ergebnisse zeigten, dass die Genauigkeit der Erkennung hellgrüner Kartoffeln anhand einzelner Bildinformationen nicht hoch war. (2) Die Genauigkeit von Spektralinformationserkennungsmodellen mit verschiedenen hyperspektralen Bildgebungsverfahren wird verglichen.Die Erkennungsrate der lokalen Tangentenraumanordnung in Kombination mit dem Deep-Glauben-Netzwerkmodell basierend auf Halbtransmissionsspektruminformationen beträgt die höchsten 93,33 %.Die Erkennungsrate der lokalen tangentialen räumlichen Anordnung in Kombination mit dem Deep-Believe-Netzwerkmodell basierend auf spektralen Reflexionsinformationen beträgt bis zu 90,67 %.Die Ergebnisse zeigen, dass es möglich ist, einzelne Spektralinformationen zur Erkennung hellgrüner Kartoffeln zu verwenden, die Erkennungsrate muss jedoch noch weiter verbessert werden. (3) Der Einfluss von drei Multi-Source-Informationsfusionsmethoden auf die Erkennungsgenauigkeit wird verglichen.Die Genauigkeit der drei Fusionsmodelle von Halbtransmissionsbild und Halbtransmissionsspektrum, Reflexionsbild und Reflexionsspektrum, Halbtransmissionsspektrum und Reflexionsspektrum ist höher als die des Einzelbild- oder Spektralmodells und des Deep-Believe-Netzwerkfusionsmodells von Das halbdurchlässige Spektrum und das Reflexionsspektrum sind am besten, und die Erkennungsrate von Korrektursatz und Testsatz beträgt 100 %.Die Ergebnisse zeigen, dass das Fusionsmodell aus Halbtransmissionsspektrum und Reflexionsspektrum die zerstörungsfreie Prüfung von Kartoffeln mit hellgrüner Schale realisieren kann.

In dieser Studie wurden hyperspektrale Kameras des Bandes 400-1000nm und 900-1700 Nanometer angewendet, und Produkte FS13 und FS15 von Hangzhou Color Spectrum Technology Co., Ltd. konnten für in Verbindung stehende Forschung benutzt werden. Der Spektralbereich ist 400-1000nm, ist die Wellenlängenentschließung besser als 2.5nm, und bis 1200 Spektralkanäle können erreicht werden. Die Erwerbsgeschwindigkeit kann 128FPS im vollen Spektrum und das Maximum erreichen, nachdem Bandauswahl 3300Hz ist (Stützmultiregionsbandauswahl). Fleisch schließt hauptsächlich Viehbestand mit ein und das Geflügel und Wasserprodukte, Proteine, Fettsäuren, Spurenelemente und andere wichtige Energiesubstanzen, die durch den menschlichen Körper benötigt werden, werden vom Fleisch abgeleitet. Mit der ununterbrochenen Verbesserung von Lebensstandards, lenken Leute mehr Aufmerksamkeit auf die Qualität der Nahrung und der ausgewogenen Ernährung in der Diät, aber einige illegale Geschäfte mischen etwas minderwertiges Fleisch in das hochwertige Fleisch, kitschig, besonders im Jahre 2013 Europas „Pferdefleischwelle“, auslösten die extreme Sorge der Leute um Fleischverfälschung. Fleischverfälschungsnachweismethoden umfassen sensorische Bewertung, Leuchtstoffpcr-Entdeckungstechnologie, Elektrophoreseanalyse und Enzym-verbundene Immunoassaytechnologie, etc., aber die meisten ihnen erfordern Beispielvorbehandlung, und die Testoperation ist- erschwert und zeitraubend, und es sind schwierig, schnelle Realzeitentdeckung der großen Mustergröße auf dem Gebiet zu erzielen.   Die meisten vorhandenen Literaturberichte setzten hyperspektrale Bildgebungstechnologie des Einzelbandes ein, um Fleischverfälschung zu unterscheiden, aber wenige benutzten zwei Bänder für Analyse mit Vergleichswerten. In diesem Experiment wurde hochwertiges entfrostetes Hammelfleisch als das Streckmittel vorgewählt, und Entenfleisch mit verhältnismäßig niedrigem Preis wurde lackiert. Hyperspektrale Informationen von Proben wurden in den zwei Bändern von sichtbarem fast-Infrarot gesammelt (400 | 1 000 Nanometer) und die Kurzwelle fast-Infrarot (900 | 1700 Nanometer) und ein quantitatives Modell wurden hergestellt, indem man passende Vorbehandlungsmethoden vorwählte. Das optimale Modell wurde für Bildumkehr vorgewählt, und eine Sichtbarmachungsmethode für schnelle quantitative Entdeckung der Hammelfleischverfälschung wurde vorgeschlagen, um Daten und technische Unterstützung für die quantitative Entdeckung der Hammelfleischverfälschung zu gewähren. (1) für das Band von 400 | 1000 Nanometer, das Vollband GEFALLEN dem hergestellten Modell, nachdem Normalisierungsvorbehandlung die höchste Genauigkeit hat; Für das 900-1700 Nanometer Band GEFALLEN das Vollband dem hergestellten Modell, nachdem SNV-Vorbehandlung die höchste Genauigkeit hat. Indem man die Wellenlänge der zwei Spektralbänder unter der optimalen Vorbehandlungsmethode vorwählt, wird es gefunden, dass das collinearity zwischen den vorgewählten Wellenlängen minimal und auf der Grundlage von das Beseitigen von Multicollinearity repräsentativ ist, der die Genauigkeit und die Einfachheit des Modells weiter verbessern kann.   (2) dort ist mehr Informationen über die Gruppen, die auf Fleischkomposition in der 900-1700 Nanometer Band bezogen werden, die die Eigenschaften des Fleisches besser reflektieren kann, und ist möglicherweise passender für die Identifizierung der Fleischverfälschung. Um die Reichhaltigkeit und die Anwendbarkeit des Modells zu vergrößern, sollte das Experiment zur Oberflächenwelle nahe Infrarotspektrum (1 700 | 2500 Nanometer) ausgedehnt sein. Gleichzeitig wurde das hochwertige Hammelfleisch und das Entenfleisch, die im Experiment vorgewählt wurden, als Endprodukte in den lokalen Supermärkten verpackt. Ob das folgende Modell an der Studie der Hammelfleischverfälschung unter unterschiedlicher Umwelt (Temperatur, Feuchtigkeit, Form, etc.) angewendet werden kann, unterschiedliche Vielzahl, verschiedene Qualitäten, benötigt verschiedene Fütterungsmethoden und unterschiedliche Frische weitere Überprüfung und Diskussion.  

In dieser Studie wurde eine 900-1700-nm-Hyperspektralkamera eingesetzt, und FS-15, das Produkt von Hangzhou Color Spectrum Technology Co., LTD., konnte für entsprechende Forschungen verwendet werden.Kurzwellen-Nahinfrarot-Hyperspektralkameras mit einer Erfassungsgeschwindigkeit des gesamten Spektrums von bis zu 200 Bildern pro Sekunde werden häufig in den Bereichen Zusammensetzungsidentifizierung, Substanzidentifizierung, maschinelles Sehen, Qualität landwirtschaftlicher Produkte, Bildschirmerkennung und anderen Bereichen eingesetzt.        Tomaten sind Beerenfrüchte mit einzigartigem Geschmack, reich an einer Vielzahl von Nährstoffen, darunter Glutathion, Vitamine, Lycopin, Beta-Carotin und anderen bioaktiven Inhaltsstoffen, und haben einen hohen Nährwert.Mit der rasanten Entwicklung der Weltwirtschaft steigt die Nachfrage nach Tomaten und Tomatenverarbeitungsprodukten auf dem Verbrauchermarkt.Die Tomate hat sich auch zu einer der am häufigsten angebauten und konsumierten Gemüse- und Obstpflanzen der Welt entwickelt.Darüber hinaus sind mit der allgemeinen Verbesserung des Lebensstandards der Menschen die innere Qualität, das Aussehen, die Lager- und Transportqualität sowie der ausgezeichnete Geschmack von Tomaten für Verbraucher immer wichtiger geworden, und auch Chinas Tomatenindustrie steht vor neuen Herausforderungen und Chancen .Laut der Umfrage sind die Reife und die Lagerqualität von Tomaten für die Tomatenindustrie sehr wichtig, und die innere Qualität von Kirschtomaten sowie ihr ausgezeichnetes Aroma und Geschmack sind den Verbrauchern wichtiger.Basierend auf der Entwicklung und Anwendung großer Datenmengen werden automatisches Pflanzen, maschinelles Pflücken und intelligente Klassifizierung von Tomaten realisiert, um eine höhere Produktion und Effizienz von Tomaten zu erreichen.Gegenwärtig wurden im In- und Ausland einige Untersuchungen zur Erkennung der Tomatenqualität auf der Grundlage des Spektrums durchgeführt, aber in den bestehenden Modellen zur Erkennung der Tomatenqualität stellt die Extraktion effektiver Spektralinformationen immer noch eine Forschungsschwierigkeit dar und die Erkennung der internen Qualität von Tomaten durch geeignete Methoden Die zerstörungsfreien Prüfmethoden müssen noch untersucht werden.     In der Studie zur zerstörungsfreien Erkennung des löslichen Feststoffgehalts von Kirschtomaten auf Basis der hyperspektralen Bildgebungstechnologie wurden 191 Kirschtomaten als Forschungsobjekte ausgewählt, hyperspektrale Bilddaten im Bereich von 865,11 bis 1711,71 nm gesammelt und der interessierende Bereich ermittelt Das hyperspektrale Bild von Kirschtomaten wurde mit dem K-Means-Algorithmus segmentiert.Das durchschnittliche Spektrum dieser Region wurde als ursprüngliche Spektraldaten von Kirschtomaten extrahiert.MA und MSC wurden verwendet, um die ursprünglichen Spektraldaten vorzuverarbeiten, und die Kirschtomatenproben wurden basierend auf dem KS-Algorithmus in Trainingssätze und Testsätze unterteilt.Um die Wirksamkeit der im Merkmalsband enthaltenen Informationen zu verbessern, wurden der SPA-Algorithmus und der PCA-Algorithmus kombiniert, um eine Hauptkomponentenanalyse der Spektraldaten durchzuführen, und dann mit PCA- und miRF-Algorithmen, einem PLSR-basierten SSC-Erkennungsmodell von Cherry, verglichen Tomate wurde erstellt und das Modell anhand der Testsatzdaten verifiziert.Die Ergebnisse zeigen, dass die Erkennungsgenauigkeit des Modells basierend auf der durch SPA-PCA extrahierten Hauptkomponente offensichtlich optimiert ist.Aus den Erkennungsergebnissen der Modelle geht hervor, dass das SPA-PCA-PLSR-Modell unter den drei Modellen den besten Erkennungseffekt hat, R, 0,9039.Der Erkennungseffekt des miRF-PLSR-Modells war der zweite, RF betrug 0,8878.Der Anpassungseffekt des PCA-PLSR-Modells ist am schlechtesten.