CHNSpec Technology （Zhejiang）Co.,Ltd Новости компании

В текстильной промышленности гусиный и утёсный дюн стали высококачественным сырьем для производства высококачественных тепловых изделий из-за их превосходных тепловых свойств.Есть большая разница в рыночной цене между гусиным и утчатым гноем.Некоторые плохие торговцы часто смешивают утку с гусиной в погоне за высокой прибылью, что не только наносит ущерб интересам потребителей, но и нарушает порядок рынка.Особенно важно точное и эффективное количественное обнаружение камневого и гусиного бархата.В последние годы развитие гиперспектральных камер позволило найти инновационное решение этой проблемы. 一、 Подготовка образцов: собирать большое количество чистого гусиного и утканого порошков, чтобы убедиться, что их источники являются надежными и репрезентативными.Используйте высокоточные электронные весы для точного взвешивания гусиного и утчатого кормов в разных пропорциях, и сконфигурировать серию проб мягкого бархатного мяса гуся и утки с известными пропорциями смешивания, например, установка 5%, 10%, 15%... Пробы различных пропорций, такие как 95% утка дюна были смешаны,и несколько повторных образцов были установлены для каждой пропорции для повышения точности и надежности экспериментаКонфигурированный образец смешанной шерсти равномерно расставляется на специальной таблице для отбора проб, чтобы обеспечить равномерное распределение проб без перекрытия и пустоты.и обеспечить, чтобы гиперспектральная камера могла получить полную и точную спектральную информацию. 二、Гиперспектральное получение изображений: В данной работе используется гиперспектральная камера 400-1000 нм, которая может быть использована для соответствующих исследований FS13, продукт Hangzhou Color Spectrum Technology Co., LTD.Спектральный диапазон 400-1000 нм, разрешение длины волны лучше 2,5 нм, и до 1200 спектральных каналов можно достичь. Скорость приобретения может достигать 128FPS в полном спектре,и максимальный диапазон после выбора диапазона - 3300 Гц (поддержка выбора диапазона в нескольких регионах)Каждый образец смешанной шерсти фотографируется несколько раз, чтобы получить изображения с разных углов, чтобы уменьшить ошибки обнаружения, вызванные локальными различиями характеристик образца.полученные данные гиперспектрального изображения передаются на компьютер для хранения вовремя, чтобы избежать потери данных;. 三、Преобработка данных: использование профессионального программного обеспечения для обработки данных для предварительной обработки собранных данных гиперспектрального изображения.коррекция излучения проводится для устранения ошибки излучения, вызванной разницей в производительности самой камеры и факторами окружающей среды.Затем выполняется геометрическая коррекция для исправления искажения изображения, вызванного углом камеры, расположением образца и т. д.чтобы убедиться, что положение каждого пикселя в изображении точноИзображение денифицируется, а помехи от шума в изображении удаляются с помощью алгоритма фильтрации для улучшения качества и четкости изображения.чтобы извлечь спектральные признаки более точно. 四、Экстракция спектральных особенностей:Специфические алгоритмы и программные инструменты используются для извлечения спектральных особенностей областей гусиного и утканого пенополов соответственно на основе предварительно обработанных гиперспектральных изображений.. посредством анализа и сравнения большого количества данных изображений,Установлено, что в видимом свете до ближнего инфракрасного спектра можно значительно различить специфический диапазон длин волн гусиного и утканого пеной.На этих ключевых длинах волны значения отражания гусиного и утчатого пеной тщательно измеряются и записываются, чтобы сформировать свои собственные уникальные спектральные наборы данных.После многих экспериментальных анализов, было обнаружено, что существуют очевидные различия в кривых отражательности гусиного и утканого пенов в диапазоне длин волн 700-800 нм,которые могут быть использованы в качестве важной основы для определения двух. 五、Установление и проверка моделей: на основе полученных данных о спектральных характеристиках гусиного и утёсного пеной,спектральная модель для количественного анализа гуся и утки, смешанных вниз, была установлена с использованием машинного обучения или статистических методов. Общие методы моделирования включают в себя поддержку вектора машины, частичный наименьший квадратный метод и так далее.часть данных выборки с известным соотношением смешивания используется в качестве учебного набора для обучения модели, так что он может узнать внутреннюю связь между спектральными характеристиками гусиного и утеньего гноя и соотношением смешивания.Другая часть данных выборки, которая не участвовала в обучении, использовалась в качестве набора проверки для проверки установленной моделиДанные гиперспектрального изображения образцов сета проверки были введены в модель, и прогнозируемое соотношение смешивания гусиного и утского пятна было рассчитано с помощью модели.и сравнивается с фактически известным соотношением смешиванияТочность и надежность модели оцениваются путем расчета погрешности между прогнозируемым значением и фактическим значением, например, погрешности корня-среднего квадрата и средней абсолютной погрешности.Согласно результатам проверки, модель корректируется и оптимизируется, например, корректируются параметры модели, добавляются или уменьшаются переменные характеристик и т. д., чтобы улучшить производительность модели. 6Анализ и оценка результатов: результаты испытаний всех проб смешанной шерсти были обобщены и статистически проанализированы.Для оценки стабильности и повторяемости метода испытаний были рассчитаны статистические показатели, такие как среднее значение и стандартная разница результатов испытаний при различном соотношении смешивания.. The results of hyperspectral camera detection were compared with those of traditional detection methods (such as chemical analysis) to further verify the accuracy of the hyperspectral camera detection method- посредством анализа большого количества экспериментальных данных диапазон ошибок,получена точность обнаружения и другие ключевые показатели производительности гиперспектральной камеры при количественном обнаружении смешанного бархатного гуся и утки.Результаты экспериментов показывают, что этот метод может быстро и точно определить точное соотношение гусиного и утеньего гноя в смешанном бархатном составе за короткое время.и ошибка обнаружения может быть эффективно контролирована в очень маленьком диапазоне, что в полной мере демонстрирует его высокую надежность и практичность. Применение технологии гиперспектральной камеры значительно улучшает точность и эффективность количественного обнаружения смешанного бархатного гуся и утки.может гарантировать качество продукции и сохранить репутацию брендаДля регулирующих органов он обеспечивает сильную техническую поддержку в борьбе с контрафактной и некачественной продукцией на рынке.который помогает очистить рыночную среду и защитить законные права и интересы потребителейС постоянным развитием и совершенствованием технологий,считается, что применение гиперспектральных камер в количественном обнаружении камней и уток смешанного бархатного и других смежных областях будет более обширным и углубленным., и ввести новую жизненную силу в здоровое развитие отрасли.

Орех является важным ореховым плодовым деревом и древесным жировым деревом в Китае.Стадия расширения плодов - это первая стадия развития ореховых плодов, такие как недостаточное питание на этой стадии напрямую влияет на качество и урожайность поздних плодов.мониторинг и диагностика содержания азота в ореховых фруктах на стадии расширения имеет большое значение для контроля роста деревьев и своевременной корректировки плана управления. В этом исследовании была применена гиперспектральная камера диапазоном 400-1000 нм, и FS60, продукт Hangzhou Color Spectrum Technology Co., LTD., может быть использован для соответствующих исследований.,разрешение длины волны лучше 2,5 нм, и может быть достигнуто до 1200 спектральных каналов. Скорость приобретения может достигать 128 FPS в полном спектре,и максимальный диапазон после выбора диапазона - 3300 Гц (поддержка выбора диапазона в нескольких регионах). 一、Предварительная подготовка Для оценки содержания азота в навесе грецкого ореха с помощью гиперспектральной камеры БПЛА необходимо сначала собрать данные.и выполнять полеты в соответствии с заранее определенным маршрутом и высотой над Ореховым садом.Во время полета гиперспектральная камера просматривает навес грецкого ореха в определенный временной или пространственный интервал, чтобы получить большое количество гиперспектральных данных.для обеспечения точности и надежности данных, необходимо также собирать одновременно на земле некоторые справочные данные, такие как содержание азота в листьях грецкого ореха и параметры структуры навеса, определяемые традиционными методами. 二Результаты и анализ Определение диапазона крона, извлечение спектра крона и проверка точности Как показано на рисунке 2, грецкий орех,Земля и тень в определенной степени перекрываются во всем диапазоне полосы 5-летнего орехового лесаВ диапазоне диапазона 520 ~ 600 нм спектральное отражение теней меньше 0.10: разница спектральной рефлектанции ореха и почвы, очевидно, не перекрывается, и спектральная рефлектанция обоих больше 0,10 в этом диапазоне.спектральное отражение грецкого орехаСпектральная отражательность грецкого ореха больше 0,7 в диапазоне 740-900 нм.и спектральная рефлексантность другой нецелевой растительности меньше 0.7Поскольку спектральное отражение грецкого ореха можно отличить от других нецелевых растений в зеленом свете и ближнем инфракрасном диапазоне, но не в одной или некоторых полосах, его нельзя рассчитать в ENVI5.3 программное обеспечениеПоэтому, чтобы облегчить бесперебойный процесс добычи орехового крона,в данном исследовании выбирается максимальная спектральная отражательность навеса грецкого ореха при зеленом свете и ближнем инфракрасном диапазоне Bw(550.7) и B ((779.4) были классифицированы и идентифицированы для определения диапазона навеса. Ореховое дерево, почва и тень определяются в программном обеспечении ENVI5.3, то есть, когда спектровое отражение в B ((550.7) меньше или равно 0.10 и спектральное отражение на B ((779.4) меньше или равно 0.20, тень определяется и устраняется. Когда спектральное отражение в B ((550.7) больше 0,10 и B; Когда спектральное отражение в (779.4) меньше или равно 0.70, он идентифицируется как почва и удаляется; когда спектровое отражение в B ((550.7) больше, чем в.0.10, спектральное отражение в B ((779.4) больше 0.70, ореховое дерево определяется как целевая растительность. Кроме того, для извлечения диапазона навеса была использована поддерживающая векторная машина с хорошей точностью обобщения и классификации,и точность экстракции диапазона навеса на основе спектральных особенностей была сравненаВо-первых, в программном обеспечении ENVI5.3 наземные объекты изображений дистанционного зондирования делятся на ореховые деревья и два других типа (рисунок 4), в которых красная область представляет собой навес ореха,и зеленая зона - это другаяОтдельность между этими двумя типами проб составляла 1.998, а затем был выбран классификатор SVM для контролируемой классификации для получения исходных результатов классификации (рис. 5а).В результатах классификации часто были некоторые небольшие пятна.Поэтому для обработки предварительных результатов классификации был принят метод обработки большинства малых пластырей.и получены результаты классификации, отвечающие фактическим требованиям (рисунок 5b)Точность результатов классификации была проверена, и коэффициент Каппы был 0.997, а точность картографирования целевой растительности ореха составила 99,65%.Программное обеспечение Matab2014b было использовано для перекрытия диапазона навеса, определенного на основе спектральных особенностей в этом исследовании, с пикселями диапазона навеса, идентифицированными методом машины-вектора поддержки.В диапазоне кроны было 4257 перекрывающихся пикселей, а количество пикселей диапазона кроны, выбранных на основе спектральных особенностей, составило 96.77% от числа пикселей в поддерживающей векторной машине, с точностью 96,43%, высокой точностью, результаты перекрытия показаны на рисунке 6 В настоящее время применение гиперспектральной камеры БПЛА в оценке содержания азота в навесе грецкого ореха все еще находится на стадии непрерывного развития и совершенствования.с непрерывным прогрессом технологий, производительность гиперспектральных камер будет еще больше улучшена, спектральное разрешение и качество изображений будут выше,и методы обработки и анализа данных будут более интеллектуальными и автоматизированнымиВ то же время развитие технологии слияния данных из нескольких источников, таких как сочетание гиперспектральных данных с лидарными данными и тепловыми инфракрасными данными,сможет получить более полную и точную информацию о росте ореховых деревьевКроме того, с углубленным продвижением концепции точного сельского хозяйства,Ожидается, что технология гиперспектральных камер беспилотных летательных аппаратов будет более широко использоваться в области выращивания грецкого ореха, обеспечивая сильную техническую поддержку устойчивого развития ореховой промышленности. Подводя итог, гиперспектральная камера БПЛА, как передовая технология дистанционного зондирования, имеет широкие перспективы и большой потенциал в применении оценки содержания азота в навесе грецкого ореха.Точная и быстрая оценка содержания азота в навесе ореха может обеспечить научное обоснование для выращивателей орехов для принятия решений о удобрении, достичь точного удобрения, улучшить использование удобрений, сократить трату ресурсов и загрязнение окружающей среды и способствовать качественному развитию ореховой промышленности.

Оранжевая кожура имеет хорошую экономическую и лекарственную ценность, но явление фальшивых и некачественных на рынке является серьезным.точность и эффективность методов ручного обнаружения низки;В этой работе использовалась гиперспектральная технология визуализации в сочетании с методом глубокого обучения для установления быстрого и неразрушающего метода идентификации года старения апельсиновой кожи.一、 Материалы и методы Приобретенные образцы оранжевой коры были разделены на 1 год, 5 лет, 10 лет и 15 лет в зависимости от лет созревания.и было собрано в общей сложности 480 образцов оранжевой коры.Образцы апельсиновой коры каждого года были случайным образом разделены в соотношении 7:3, в которых 84 образца поступили в учебный набор и 36 образцов в тестовый набор. В этой статье используется гиперспектральная камера диапазона 900-1700 нм, а FS-15, продукт Color Spectrum Technology (Zhejiang) Co., LTD., может быть использован для соответствующих исследований.Кратковолновая инфракрасная гиперспектральная камера, скорость получения полного спектра до 200FPS, широко используется в идентификации состава, идентификации веществ, машинном зрении, качестве сельскохозяйственной продукции,обнаружение экрана и другие поля. 二Результаты и анализ Спектральные кривые образцов оранжевой коры в разные годы показаны на рисунке 3.Оригинальные спектральные кривые, показанные на рисунке 3, могут, очевидно, обнаружить, что есть пики поглощения около 1200 м и 1450 нмПик поглощения на 1200 нм в основном вызван спектральным поглощением пар связей, а пик поглощения на 1450 нм в основном вызван спектральным поглощением воды.Полосы NIR спектров всех видов образцов тесно перекрываются, общая тенденция была близка к той же, и пик поглощения был почти в том же положении, без очевидной разницы.Было трудно отличить четыре вида образцов апельсиновой коры невооруженным глазом. 三、 Способ спектральной предварительной обработки Предварительная обработка гиперспектральных данных оранжевой кожицы включает в себя несколько этапов, которые являются сегментацией изображений, средним измерением спектра и предварительной обработкой спектра.Первоначальный средний спектр образцов оранжевой коры в разные годы и средние спектральные кривые после предварительной обработки SG+D1 показаны на рисунке 4.На фиг. 4 (а) и фиг. 4 (б) видно, что комбинированный метод предварительной обработки SG + D1 может эффективно устранить влияние спектрального дрейфа исходной линии и сгладить спектральную кривую.тем самым повышая точность идентификации года оранжевой коры. Быстрая идентификация оранжевой коры с помощью гиперспектральной камеры имеет широкие перспективы применения в китайской медицине.Это может помочь производителям и дилерам китайской медицины точно контролировать качество и год оранжевой коры., и избежать экономических потерь и рисков репутации, вызванных ошибочным оценкой года.соответствующие ведомства могут использовать эту технологию для проведения быстрой выборки продуктов из оранжевой кожи на рынке.Кроме того, с непрерывным совершенствованием и популяризацией технологий,Он также окажет сильную поддержку научным исследованиям и оценке качества оранжевой кожи., и содействовать развитию оранжевой коры в более стандартизированном, стандартизированном и научном направлении.

При оценке молочного питания содержание белка является наиболее важным показателем того, что молоко является важным источником белкового всасывания в повседневной жизни людей.здоровье потребителей и развитие молочной промышленности тесно связаны с качеством молокаПоэтому обнаружение содержания молочных белков является очень важным звеном.Традиционные методы обнаружения занимают много времени, тратят много человеческих ресурсов и приводят к ухудшению окружающей среды..Поэтому очень важно найти более быстрый и точный метод для определения содержания белка в молоке.Эта статья использует машинное обучение в сочетании с гиперспектральной технологией визуализации для количественной оценки содержания белка молокаСпецифические исследования и выводы следующие:   一Экспериментальные материалы Мы купили семь различных марок чистого молока, включая Меннью, Нью Хоуп, Или и Гуанмин, и хранили их в холодильнике. 二Экспериментальное оборудование В данной работе используется гиперспектральная камера 400-1000 нм. FS13, продукт Hangzhou Color Spectrum Technology Co., LTD., может использоваться для соответствующих исследований.разрешение длины волны лучше 2Скорость получения может достигать 128FPS в полном спектре,и максимальный диапазон после выбора диапазона - 3300 Гц (поддержка выбора диапазона в нескольких регионах). 三、Метод экспериментальной установки Гиперспектральные изображения образцов молока были собраны с помощью гиперспектрального спектрометра.и затем четкое изображение было выбрано из ENVI5.3. Собранное спектральное изображение имело разрешение 777x1004 пикселей. Время экспозиции гиперспектрального изображения составляло 10 мс, время смешивания пикселей было 6, разрешение было 4,8 нм,средний интервал составлял 0.8 нм, вертикальное расстояние составляло 30 см, а условием захвата была комнатная температура (23 ~ 25 ° C).и средние спектральные данные молока получены из гиперспектрального изображения с помощью программного обеспечения ENVI. " 四、Выработка и предварительная обработка гиперспектральных данных Извлечение данных гиперспектрального отражения из гиперспектральных изображений является основой традиционного моделирования машинного обучения.данные спектральной отраженности образцов получаются путем извлечения средней спектральной отраженности всех пикселей в интересующей области (ROD)В этой статье программное обеспечение ENVI было использовано для открытия исправленного гиперспектрального изображения образца молока.и пиксель вблизи центра каждого гиперспектрального изображения был выбран как ROI с помощью инструмента прямоугольникВ общей сложности было отобрано 30 ROI и 7 гиперспектральных изображений, и было отобрано 210 ROI. Средняя спектральная отраженность всех пикселей в ROI была рассчитана как спектральные данные выборки,всего 210 спектральных данных. Спектральные данные сохраняются в формате ASCI. Следующая фигура показывает процесс извлечения ROI. В этой статье для прогнозирования содержания белка в молоке была использована гиперспектральная технология визуализации в сочетании с машинным обучением с целью улучшения точности прогнозирования содержания белка в молоке.Была построена гиперспектральная система визуализации., были собраны гиперспектральные изображения 7 видов молочных марок на рынке, спектральные данные были извлечены с помощью программного обеспечения ENVI, был установлен гиперспектральный набор данных молока,и 210 гиперспектральных данных были извлечены окончательно. Технология гиперспектральной визуализации показала большой потенциал в области обнаружения содержания белка молока, хотя на данном этапе существуют некоторые проблемы,но с интеграцией междисциплинарных технологических инноваций, он будет постепенно революционизировать традиционный способ обнаружения молока.Гиперспектральная визуализация станет незаменимым и мощным инструментом контроля качества молочных продуктов, способствует улучшению экономических и социальных выгод молочной промышленности и удовлетворению растущего спроса потребителей на высококачественные молочные продукты.

С улучшением уровня жизни у людей все более высокие требования к вкусу и питательности семян лотоса.содержание амилозы напрямую влияет на качество и вкус семян лотосаСодержание амилозы в семенах лотоса сильно варьируется в зависимости от разновидности, поэтому определение содержания амилозы в семенах лотоса имеет большое значение для последующей обработки.Традиционное обнаружение амилозы обычно использует йодовую колориметрию, титрации йодоафинитета и метода перекрестной инфекции, эти методы требуют времени и труда, и легко подвергаются воздействию экспериментальных условий! Технология гиперспектральной визуализации - это неразрушающая технология тестирования, которая может получить богатый спектр и информацию об изображении.У него есть преимущества экономии времени.В этой статье была использована гиперспектральная технология визуализации для обнаружения амилозы свежего лотоса. 一、 Материалы и методы   1.1 Испытательные материалы Образцы были из провинции Фуцзянь, и были выбраны сорта Xuanlian, Guangchanglian, Jianxuan 36, Mantianxing, Space lotus и Xianglian.свежие семена лотоса хранились в жидком азоте и транспортировались в лабораторию;, где он хранился в холодильнике при 4 °C в течение 12 часов. 1.2 Гиперспектральное получение и коррекция изображения Основные компоненты системы гиперспектральной визуализации включают гиперспектральный визуализатор, источник света, этап, черный ящик и программное обеспечение для гиперспектрального получения данных.Вся система может использовать цветовой спектр гиперспектральной камеры FS-13Гиперспектральная система визуализации показана на рисунке 1.Скорость движения платформы полезной нагрузки установлена на 3.5 мм/с и время экспозиции 30 мс. Объектив находится в 40 см от движущейся платформы и прямо вниз.Регулировать фокусное расстояние камеры спектрометра для черно-белой коррекции системы. 1.3 Обработка данных Для извлечения среднего спектра интересующего региона (ROI) из спектрального изображения семян лотоса было использовано программное обеспечение для анализа.Для устранения влияния шума и внешнего блуждающего света, сравнивали эффект моделирования методов предварительной обработки, таких как первая производная, вторая производная, SG сглаживание, коррекция множественного рассеяния (MSC) стандартного нормального переменного преобразования,и был выбран лучший метод предварительной обработки. 二Результаты и анализ   2.1 Средний спектр интересующего региона В данной работе для последующей обработки используется спектральная кривая каждого пикселя в интересующей области одного образца.Средняя спектральная диаграмма после удаления шума головы и хвоста (400nm ~ 971nm) показана на рисунке 2.На рисунке видно, что тенденция изменения спектральных значений различных образцов является последовательной.которые могут быть вызваны сдвигом водной полосыПолоса имеет относительно очевидную абсорбцию между 500 нм и 920 нм. Это может быть связано с удвоением четвертичной частоты,Удвоение вторичной частоты O-H и удвоение первичной частоты O-H группы C-H в молекуле амилозы. 2.2 Содержание амилозы в семенах лотоса Результаты коррекционного набора и предсказательного набора содержания амилозы, разделенные методом SPXY, приведены в таблице 1.Из таблицы видно, что содержание амилозы в свежих семенах лотоса сильно варьируется.Максимальное значение содержания амилозы корректированных семян лотоса составляет 227,90 мг/г, минимальное значение - 100,82 мг/г, а стандартное отклонение - 44,73 мг/г.Содержание амилозы в прогнозируемом образце находится в пределах диапазона исправляемого образца., так что разделение выборки разумно. 三Заключение В этой статье была использована гиперспектральная технология визуализации для быстрого обнаружения содержания амилозы.Результаты показывают, что эффект моделирования наилучший после использования первой производной и коррекции множественного рассеяния MSC)Затем SPA использовался для извлечения 9 диапазонов характеристик.835, корректированная средняя квадратная ошибка корня набора (RMSEC) была 1.802, прогнозируемый коэффициент корреляции (R) был 0.856, и предсказанная средняя квадратная погрешность корня множества (RMSEP) была 1.752Относительная ошибка анализа (RPD) была 1.944. Коэффициент корреляции предсказательного набора модели предсказания PLSR, установленный методом RC (R. Средняя квадратная погрешность корня предсказательного набора (RMSEP) составила 1.897Относительная ошибка анализа (RPD) была 1.761Это исследование предоставило мысль о дальнейшей разработке инструмента онлайн-наблюдения за содержанием амилозы и заложило хорошую основу.

В качестве важной прибыльной культуры жизнеспособность семян тыквы напрямую связана со скоростью появления, потенциалом роста саженцев и конечным урожаем после сева.например, тест на прорастание;, требуют много времени и труда, и не могут удовлетворить потребности в быстром и широкомасштабном выявлении качества семян в современном сельском хозяйстве.Технология гиперспектральной визуализации сочетает в себе преимущества спектроскопии и визуализации, и может получать спектральную и пространственную информацию образцов одновременно, что показывает большой потенциал в области неразрушающего тестирования жизнеспособности семян. 一Подготовка экспериментальных материалов Разделите тыквенные семена на 4 группы по 100 семян и поместите их в нейлоновый мешковый мешок, как показано на рисунке 3-2.Специфическая процедура выглядит следующим образом:: извлечь 3 группы образцов, поместить первую группу образцов в сушилку, поместить вторую группу образцов в сушилку через 24 часа, поместить третью группу образцов в сушилку через 24 часа,и после 3-х дней извлечь все образцы со временем созревания от 1 до 3 дней соответственно (первая группа - образцы со временем созревания от 3 дней)Группа 2 - для образцов, созревших в течение 2 дней, и группа 3 - для образцов, созревших в течение 1 дня).Остальная 1 из 4 групп не подвергалась лечению старением и была помещена при комнатной температуре в течение 3 дней во время эксперимента группы старения.. 二、 Гиперспектральное получение данных Семена с различными днями старения были собраны с помощью гиперспектральной камеры цветового спектра, и гиперспектральные изображения 400-1000 нм были сделаны для всех образцов.было получено в общей сложности 400 спектральных кривых, как показано на рисунке. Наблюдайте за ростом каждый день и наливайте нужное количество воды, чтобы обеспечить воду, необходимую для прорастания.Ниже приведена схема испытаний предшественника прорастания семян тыквы.. В зависимости от уровня жизнеспособности каждого семени были классифицированы средние спектральные данные каждого семени, а общая спектральная кривая каждого сорта показана на рисунке ниже. 三、Спектральная обработка данных Оригинальное гиперспектральное изображение чувствительно к шуму и неравномерному освещению.и разница в освещении устраняется на основе коррекции отражательности стандартной доскиРегион интереса (ROI) извлекается из исправленного изображения, сосредоточиваясь на эмбрионе семени и эндосперме для обеспечения точности последующей экстракции признаков.Методы уменьшения размерности, такие как анализ основных компонентов (PCA), используются для сжатия данных первоначально, сохранить ключевую информацию и уменьшить вычисления. 四Заключение и перспективы В этом исследовании была успешно сконструирована модель обнаружения жизнеспособности семян тыквы, основанная на гиперспектральной технологии визуализации, чтобы быстро,неразрушающая и высокоточная идентификация жизненной силы, и обеспечить эффективное техническое решение для контроля качества семенной промышленности тыквы.и мультимодальные данные (например, спектр флуоресценции)В сочетании с технологией Интернета вещей,может быть создана система онлайн-мониторинга жизнеспособности семян для контроля в режиме реального времени и точного скрининга качества семян в умном сельском хозяйстве.

Чайный червь - один из распространенных вредителей в чайных садах, который серьезно влияет на урожайность и качество чая.Традиционный метод мониторинга степени повреждения чайного червя в основном основан на ручном исследовании., который имеет некоторые проблемы, такие как низкая эффективность, сильная субъективность и трудно реализовать мониторинг в режиме реального времени на большой площади.Технология гиперспектрального дистанционного зондирования имеет характеристики высокого спектрального разрешения и богатой спектральной информации, который обеспечивает новый способ быстрого и точного мониторинга степени вреда чайного дюйма. 一、Окружающая среда Спектральное отражение чайной навесы измерялось с 10:00 до 14:00 в солнечный день без ветра, без облаков и хорошей солнечной видимости.и FS13, продукт Hangzhou Color Spectrum Technology Co., LTD., может быть использован для соответствующих исследований.и высота между головой обнаружения гиперспектральной камеры и вершиной чайной навесы была около 0Диаметр диапазона наблюдений составил около 0,22 м. Для уменьшения экспериментальной ошибки измерения повторялись три раза в каждой области выборки.и среднее значение было принято как значение спектрального отражения.   二Обработка и анализ данных 1Сравнение внешнего вида листьев обычных чайных и чайных червей.В этом эксперименте в качестве субъектов исследования были собраны серии чайных листьев, поврежденных чайными червями в разной степени, и их спектральные данные,Индекс площади листьев и количество чайных дюймовых червей на мю чайного линейника были собраны соответственноНа рисунке 1 показано сравнение листьев чая без вредителей насекомых и тех, которые были поражены червями чая: Листья были нетронуты, листья были сплочены, и листья поврежденного насекомым чая были укушены в неправильные формы, их внешний цвет стал темно-желтым,и структура листьев также изменилась соответственно.. 2Сравнение индекса площади листьев между обычным чаем и чайным дюйм-червяком. Как видно на фиг. 2, на индекс площади листьев сильно влияет степень вреда, причиняемого чайной геометрией.и чем меньше индекс площади листьев будет. 3Влияние чайных дюймворков на спектровые характеристики отражания чайного навеса.Влияние насекомых на чайные листья приведет к некоторым изменениям в физических и химических свойствах чайных листьев, включая цвет, структуру, содержание воды,содержание хлорофила и питательное состояние листьевИзменение этих физических и химических свойств приведет к некоторым изменениям в значениях его спектральных характеристик параметров, таких как спектральная отражательность, проницаемость, поглощаемость,красный пик и его положение длины волны и синий пик и его положение длины волныПоэтому понимание нормальных характеристик спектра чая и связанной с ними информации является предпосылкой и основой изучения вреда чая от других болезней и вредителей. 三、 Значение и перспективы исследований Значение исследования: данное исследование предоставляет новое техническое средство для быстрого и точного мониторинга степени вреда чайных дюймворков,помогает своевременно определить возникновение чайных червей в садах., обеспечивает научную основу для точной профилактики и борьбы с болезнями и вредителями в чайных садах, уменьшает использование пестицидов и улучшает урожайность и качество чая. Перспективы исследований: будущие исследования могут еще больше оптимизировать гиперспектральные модели дистанционного зондирования и улучшить точность и стабильность моделей.Он может быть объединен с дистанционным зондированием БПЛА., спутникового дистанционного зондирования и других технологий для достижения более широкого диапазона контроля степени вреда чайного червя.Связь между вредом чайных червей и физиологическими и экологическими изменениями чайных деревьев может быть глубоко изучена, и механизм гиперспектрального дистанционного зондирования может быть раскрыт с более глубокого уровня.

Содержание влаги в древесине является важным атрибутом качества древесины, что оказывает важное влияние на обработку, использование и хранение древесины.Хотя традиционные методы измерения влажности древесины, такие как метод взвешивания и метод сопротивления, имеют определенную точность,Гиперспектральные изображения обеспечивают быструю, эффективную и эффективную визуализацию.неразрушающий и эффективный метод измерения влажности древесины. 一、Принцип испытания гиперспектральной камеройГиперспектральные камеры могут получать спектральную информацию о поверхности древесины, которая включает отражение или передачу древесины на разных длинах волны.Поскольку влажность древесины влияет на ее спектральные характеристики, содержание влаги может быть выведено путем анализа спектральной информации древесины. в частности, спектральные данные древесины могут быть собраны с помощью гиперспектральной технологии визуализации,и модель прогнозирования между содержанием влаги в древесине и спектральной информацией может быть установлена путем предварительной обработки, особенности извлечения и моделирования, чтобы реализовать быстрое испытание содержания влаги в древесине. 二Примеры примененияИнструмент: цветовой спектр встроенный толкатель FS-17 вблизи инфракрасного высокого спектрометраВспомогательное оборудование: постоянный спектральный источник света - для моделирования в помещенияхИсточник света: линейный галогенный источник света Экспериментальные материалы: в качестве экспериментальных материалов используется несколько образцов древесины с различным содержанием влаги.и эти деревянные блоки циклически сушат, чтобы получить различные состояния влажности. Получение данных: спектральное изображение образцов древесины было осуществлено с использованием гиперспектральной системы изображения.необходимо обеспечить стабильность условий освещения, чтобы избежать влияния изменений света на спектральную информацию.В то же время, для получения более точных результатов, спектральное изображение может быть выполнено в нескольких местах образца древесины.и среднее значение принимается в качестве окончательных спектральных данных. Обработка данных: предварительная обработка собранных спектральных данных, например, удаление шума, коррекция спектра и т.д.Затем алгоритм выбора особенностей используется для извлечения характерной длины волны, связанной с содержанием влаги в древесине, чтобы упростить модель и улучшить точность прогноза. Создание модели: на основе извлеченной характеристической длины волны была создана модель прогнозирования между содержанием влаги в древесине и спектральной информацией.Общие методы моделирования включают регрессию гауссианского процесса (GPR)Эти модели могут быстро предсказать содержание влаги в древесине на основе спектральной информации. Валидация модели: установленная модель валидируется с использованием независимого набора валидации для оценки ее предсказательной эффективности и точности.Общие индексы оценки включают коэффициент корреляции (R2) и среднюю квадратную ошибку корня (RMSE). 三Преимущества примененияБыстрый тест: гиперспектральная камера может получить спектральную информацию о поверхности древесины за короткое время, чтобы реализовать быстрый тест содержания влаги в древесине. Неразрушительные испытания: по сравнению с традиционными методами испытаний, гиперспектральная технология изображения не вызывает повреждения древесины.поэтому он более подходит для тестирования ценной древесины или древесины, которая должна быть сохранена в целостности.. Высокая точность: благодаря установке точной модели прогнозирования гиперспектральные камеры могут обеспечить высокоточное тестирование содержания влаги в древесине,отвечает строгим требованиям к контролю качества в промышленности по переработке древесины. 四、Перспективы примененияС непрерывным развитием и совершенствованием гиперспектральной технологии визуализации ее перспективы применения в испытаниях влажности древесины будут расширяться.мы можем рассчитывать на появление гиперспектральных камер с более высокой точностью, более быстрая скорость и упрощенная эксплуатация для удовлетворения потребностей лесоперерабатывающей промышленности в контроле качества и интеллектуальном производстве.в сочетании с передовыми технологиями, такими как машинное обучение и глубокое обучение, точность и уровень интеллекта испытаний содержания влаги в древесине могут быть дополнительно улучшены. Подводя итог, гиперспектральные камеры имеют значительные преимущества в тестировании содержания влаги в древесине, обеспечивая эффективный, точный и неразрушающий метод инспекции для деревообрабатывающей промышленности.

В современную эпоху быстрого развития науки и технологий измерение цвета занимает жизненно важное место во многих областях, от контроля качества продукции, художественного творчества до научных исследований.В качестве передового оптического устройства, гиперспектральная камера приносит новое, более точное и всестороннее решение для измерения цвета. 一、 основной принцип гиперспектральной камеры Принцип работы гиперспектральных камер основан на точном захвате спектральной информации.который может записывать только цветовую информацию трех каналов красного, зеленые и синие, гиперспектральные камеры могут разделить спектр на многие узкие полосы в широком спектральном диапазоне, таких как видимый свет до ближнего инфракрасного, обычно до сотен или даже больше.Например,, он может разделить спектральный диапазон 400-1000 нм на полосы с очень маленькими интервалами, такими как 1 нм или меньшие интервалы.характеристики поглощения и передачи объекта на разные длины волн света различныС помощью своей специальной оптической системы и детектора, гиперспектральная камера собирает интенсивность светового сигнала каждой полосы,чтобы построить спектральную кривую отражения объектаЭта кривая подробно фиксирует отражательность объектов на различных длинах волн и является основным источником данных для измерения цвета.   二、специфический процесс измерения цвета (1) Калибровка Калибровка является критическим шагом перед использованием гиперспектральной камеры для измерения цвета.Цель калибровки - установить точное соответствие между спектральными данными, полученными камерой, и истинными цветными значениямиСтандартные доски с известными спектральными свойствами часто используются в качестве ориентиров для калибровки.Гиперспектральная камера делает снимки стандартной доски, записывает интенсивность оптического сигнала в каждой полосе и рассчитывает функцию ответа камеры согласно известным данным о спектровом отражении на стандартной доске,чтобы исправить возможное спектральное отклонение, шум темного тока и другие факторы ошибки камеры, и обеспечить точность и надежность последующих данных измерения.   (2) Коллекция изображений После завершения калибровки можно получить изображение объекта.Он получает информацию об интенсивности света, отражаемого объектом по полосе, в соответствии с предварительно установленным диапазоном спектральной полосы и разрешением.Например, для каждого пикселя изображения, его отраженный свет данных через несколько спектральных полос записывается. Если камера делится спектральный диапазон на 200 полос,тогда каждый пиксель будет иметь 200 соответствующих значения спектрального отраженияВместе эти данные образуют трехмерный куб данных, где двумерная плоскость представляет информацию о пространственном положении изображения (координаты x, y),и третье измерение представляет информацию спектрального диапазона (λ)Таким образом, гиперспектральная камера не только записывает цвет и информацию о внешнем виде объекта, но также содержит информацию о его спектральных характеристиках,который предоставляет более богатые данные, чем традиционные камеры.   (3) Обработка данных и расчет цвета Огромные спектральные данные, собранные, должны пройти сложную обработку данных, чтобы получить окончательные результаты измерения цвета.коррекция спектрального искажения и другие операцииЗатем цвет вычисляется в соответствии с определенной цветовой моделью и алгоритмом.Например, цветная модель CIELAB, он представляет цвет в виде трех координатных значений, основанных на характеристиках восприятия цвета человеческим глазом: L представляет яркость, а представляет красно-зеленую степень компонента,и b * представляет собой желто-синий компонент степениСочетая спектральные данные отражения, собранные гиперспектральной камерой, с спектральным распределением мощности стандартного осветительного тела (например, стандартного источника света D65),и интеграции в соответствии с цветовой функции соответствия, можно вычислить значение координат объекта в цветовом пространстве CIELAB, чтобы точно описать цветовой атрибут объекта.,различие цвета также может быть рассчитано путем сравнения цветовых координат различных объектов или различных частей одного и того же объекта,используется для оценки консистенции или степени изменения цвета. 三、 преимущества измерения цвета гиперспектральной камерой (1) Высокая точность и высокое разрешение Гиперспектральные камеры обеспечивают чрезвычайно высокое спектральное разрешение, что позволяет им улавливать чрезвычайно тонкие цветовые различия в цветных измерениях.в некоторых отраслях промышленности, требующих очень высокой точности цвета, такие как высококачественная печать, производство косметики и т. д., он может точно различать изменения цвета, которые трудно обнаружить человеческому глазу,обеспечение согласованности цвета продукции и высоких стандартов качестваЕго высокоточные результаты измерений помогают улучшить уровень контроля качества продукции и уменьшить уровень дефектных продуктов, вызванных отклонением цвета.   (2) Богатая спектральная информация В дополнение к информации о тристимуле цвета,кривая спектрального отражения, полученная гиперспектральной камерой, содержит подробную информацию об объекте на всем измеренном спектреЭто имеет уникальные преимущества для анализа цвета некоторых специальных материалов или объектов.путем анализа спектральных характеристик пигментов на поверхности культурных реликвий, мы можем понять их состав и возрастную информацию, что обеспечивает важную основу для реставрационных работ.содержание питательных веществ, болезни и вредители растений могут контролироваться в соответствии с изменениями спектральной рефлектанции листьев растений;, поскольку характеристики поглощения и отражения различных длин волн света изменяются на разных стадиях роста и состояния здоровья растений.   (3) Неконтактные измерения Для некоторых хрупких, драгоценных или труднодоступных объектов, таких как искусство,культурные реликвии, биологические образцы и т. д., бесконтактное измерение может избежать повреждения или загрязнения объекта.повышение эффективности измерений;Например, при обнаружении цвета на крупномасштабных фресках можно быстро получить информацию о цвете всей фрески.предоставление всеобъемлющей поддержки данных для защиты и восстановления работ.   四、Экспериментальное испытание гиперспектральной камеры при измерении цвета 1Цель экспериментаПроверьте лабораторное значение выбранного образца ниже 2Список экспериментальных испытательных приборов Наименование устройства Номер модели Конфигурация Примечание CHNSpec гиперспектральная камера FS-13 Спектральный диапазон: 400-1000 нм;Спектральное разрешение: 2,5 нмСпектральная полоса: 1200       3. Содержание эксперимента Кривая отражания была получена путем обнаружения внешнего сканирования 400-1000nm гиперспектральной камерыПроцесс экспериментального измерения показан на рисунке ниже: 4Заключение. Гиперспектральная камера ФС-13 была использована для съемки образцов клиента, и лабораторное значение каждого образца было получено из гиперспектрального анализа изображения,который может быть использован для замены цветового дифференциатора, и стабильность испытания была хорошей, положение отбора пробы было гибким, и многоточечное измерение могло быть сделано для автоматического обнаружения.

В области строительной науки обеспечение качества и безопасности зданий всегда является основным направлением и основной проблемой исследований.С постоянным развитием строительной отрасли и растущими требованиями людей к окружающей средеТрадиционные методы проверки дефектов поверхности зданиятакие как искусственное наблюдение невооруженным глазом и простые измерительные инструменты, часто имеют множество ограничений, таких как сильная субъективность, низкая эффективность обнаружения и трудности с обнаружением потенциальных незначительных дефектов.Появление гиперспектральной камеры открыло новые возможности для измерения дефектов поверхности зданияГиперспектральные камеры способны получать информацию об объектах в нескольких узких и непрерывных спектральных полосах, которые могут не только предоставить пространственные изображения поверхности дома,но также показывают различия в спектральных характеристиках различных материаловЭто уникальное техническое преимущество делает его обладающим большим потенциалом применения при обнаружении, идентификации и анализе дефектов поверхности корпуса.Целью данного исследования является глубокое изучение принципа применения, метод и практический эффект гиперспектральной камеры при измерении дефектов поверхности здания,чтобы предоставить новые идеи и техническую поддержку для контроля качества и оценки в строительной отрасли.   Возьмите FS-23 изображения высокий спектрометр с встроенным толчок подметания в цветовом спектре в качестве примера Принцип примененияГиперспектральные камеры работают путем захвата света, отражаемого или рассеиваемого объектом-мишенью, и его разделения на спектральные данные различных длин волн.Эти спектральные данные отражают состав материалаПри измерении дефектов поверхности здания гиперспектральная камера может фиксировать спектральные изменения, вызванные старением, повреждением,загрязнение, и т.д., чтобы точно определить дефекты. Преимущество применения1Высокая точность идентификации: гиперспектральные камеры могут улавливать тонкие спектральные различия, поэтому они могут с высокой точностью идентифицировать различные дефекты на поверхности дома, такие как трещины,свертывание, коррозия и т.д. 2Неконтактные измерения: гиперспектральная камера использует метод неконтактных измерений, который не вызывает вторичного повреждения поверхности корпуса.а также избегать прямого контакта с потенциально опасной средой. 3Быстрая и эффективная: гиперспектральная камера может за короткое время завершить сканирование и анализ данных поверхности большой площади дома.что значительно улучшает эффективность измерений. 4- Комплексный анализ: в сочетании со спектральной информацией и пространственной информацией, гиперспектральная камера может проводить комплексный анализ дефектов на поверхности дома,включая тип, местоположение и тяжесть дефектов, обеспечивая сильную поддержку последующих ремонтных работ. Пример примененияВ области обнаружения помещений гиперспектральные камеры могут быть объединены с другими современными методами обнаружения, такими как акустическое обнаружение, инфракрасное обнаружение и т. д.сформировать комплексную систему обнаружения. 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. Например, при обнаружении старения внешней краски дома, гиперспектральная камера может улавливать спектральные изменения, вызванные старением поверхности краски,в сочетании с методом инфракрасного обнаружения для измерения распределения температуры поверхности краски, который может всесторонне оценить степень старения краски и потенциальные риски для безопасности.   Как показано ниже Подводя итог, гиперспектральные камеры имеют значительные преимущества и широкие перспективы применения при измерении дефектов поверхности здания.С непрерывным развитием технологий и снижением затратОжидается, что гиперспектральная камера будет более широко использоваться и продвигаться в области домашнего осмотра.

В исследованиях и применении минеральных силикатов руды мы всегда сталкиваемся со многими проблемами.Как понять изменения структуры и состава силикатов руды? Как эффективно исследовать и использовать полезные ископаемые? Эти вопросы долгое время озадачивали геологов и разработчиков полезных ископаемых.Эти проблемы, похоже, открывают новые пути решения.Гиперспектральная технология может зафиксировать уникальные спектральные характеристики рудных силикатов, и посредством анализа этих характеристик,мы можем реализовать точную идентификацию рудных силикатов, структурный анализ и быстрая разведка полезных ископаемых.имеет большое практическое значение изучить применение гиперспектра в силикатах руды для решения этих давних проблем. 一、 Сценарии применения 1. Идентификация и классификация минеральных силикатов:Идентификация типа полезного ископаемого: различные минералы силиката руды имеют уникальные спектральные характеристики,Гиперспектральная технология может точно определить типы силикатных минералов, содержащихся в руде, путем анализа этих характеристик.Например, путем обнаружения информации, такой как местоположение, интенсивность и форма пиков поглощения или отражения в определенном диапазоне длин волн,можно различать различные виды филлосиликатных минералов, таких как каолинит, Монтмориллион и иллит. Оценка качества руды: для руд, содержащих несколько минеральных компонентов,гиперспектроскопия может оценить общий уровень руды на основе спектральных характеристик различных минералов и их относительного содержанияЭто помогает быстро определить стоимость и направление использования руды во время добычи и переработки руды. 2, анализ структуры силикатов руды и кристалличности:Структурное исследование: гиперспектроскопия может обнаружить структурную информацию минералов силикатов руды.путем анализа спектральных характеристик, генерируемых вибрацией ионов металлов и гидроксильных групп (-OH) в минералах, можно понять кристаллическую структуру минералов, характер химических связей и координацию катионов.Огромное значение имеет дальнейшее понимание физико-химических свойств и механизма образования минеральных силикатов.. Оценка кристалличности: кристалличность является важным фактором, влияющим на свойства силикатных минералов.Гиперспектральная технология может оценить кристалличность минералов в соответствии с изменениями в их спектральных характеристикахНапример, с увеличением кристалличности, интенсивность,ширина и форма спектрального пика поглощения или пика отражения некоторых минералов в определенном диапазоне длин волн будут регулярно менятьсяМониторинг и анализ этих изменений позволяют точно оценить кристалличность силикатов руды. 3, геологическое картографирование горнодобывающей зоны и разведка полезных ископаемых:Геологическое картографирование: Hyperspectrum может проводить детальное исследование и анализ геологических условий горных районов и составлять высокоточные геологические карты.Определяя спектральные характеристики различных пород и минералов, он может точно разделить геологические единицы, определить стратиграфические границы, определить геологические структуры и т.д.,и предоставлять базовые данные для геологических исследований и разведки полезных ископаемых в горнодобывающих районах. Разведка полезных ископаемых: при разведке полезных ископаемых гиперспектральная технология может быстро сканировать большую площадь горных угодий для обнаружения потенциальных полезных ископаемых.Анализируя спектральные характеристики силикатных минералов, мы можем найти скрытую информацию минерализации, определить диапазон распределения и степень обогащения минералов,и оказывать сильную поддержку разведке и разработке минеральных ресурсов.   二Практическое применение Используемый прибор: цветовая гиперспектральная камера FS-23 Эффект испытания ЗаключениеВ случае галогенного света, часть, содержащая силикат, будет явно яркой,и спектральная кривая будет иметь очевидные характерные пики (ключевое значение имеет установка времени экспозиции и калибровка белого цвета). 三Перспективы развития В будущем спектральное разрешение, пространственное разрешение и соотношение сигнала к шуму гиперспектральных приборов будут продолжать улучшаться.Более высокое спектральное разрешение позволяет более точно улавливать тонкие спектральные характеристики рудных силикатных минералов, помогающие более точно идентифицировать виды минералов и анализировать их структуры.для некоторых силикатных минералов с похожими кристаллическими структурами и небольшими различиями в спектральных характеристиках, спектральные приборы с высоким разрешением могут лучше их различать.Улучшение пространственного разрешения позволит гиперспектральной технологии анализировать меньшие частицы руды или минеральные структуры и предоставить более подробную информацию о распределении минералов., что имеет большое значение для изучения микроструктуры руд и взаимосвязей между минералами.гиперспектральные инструменты будут постепенно развиваться в направлении миниатюризации и переносимостиЭто позволит более удобно применять гиперспектральную технологию в области геологической разведки, мониторинга месторождений шахт и других областях.Геологи могут непосредственно обнаружить и проанализировать руду на месторождении, получать своевременную информацию о составе полезных ископаемых, их структуре и прочей информации, а также предоставлять более своевременную и точную информацию для поиска и разработки полезных ископаемых.

В области энергетики мониторинг состояния высоковольтных линий всегда является важным звеном для обеспечения безопасной и стабильной работы энергосистемы.Феномен перегрузки является потенциальным риском при эксплуатации высоковольтных соединений линий, что может привести к повышению температуры, сопротивления и даже пожара.Точное и своевременное обнаружение явления потери электроэнергии имеет большое значение для предотвращения возникновения аварий на электростанциях.В данном исследовании основное внимание будет уделено техническому принципу, 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、 характеристики гиперспектральных камер Высокое разрешение: гиперспектральные камеры способны снимать изображения с высоким разрешением, что помогает точно идентифицировать детальные особенности высоковольтных соединений в сложных условиях. Способность спектрального анализа: гиперспектральная камера может получать спектральную информацию о объекте-мишени,который имеет большое значение для анализа состава материала и распределения температуры высоковольтного проволочного соединения. 二Принцип потери обнаружения Обычно обнаружение лапса включает мониторинг температуры, сопротивления и других параметров высоковольтного соединения линии.потеря сверхпроводящего состояния)Анализируя спектральную информацию соединения,Гиперспектральная камера может косвенно вывести изменение его температуры и сопротивления, чтобы реализовать обнаружение лапса. 三、 применение гиперспектральной камеры при обнаружении лапса Получение изображений: гиперспектральная камера используется для фотографирования высоковольтного проволочного соединения и получения спектрального изображения соединения.Обработка данных: собираемые спектральные изображения обрабатываются и анализируются, а также извлекаются ключевые параметры, такие как температура и сопротивление соединения. Суждение о неисправности: согласно извлеченным параметрам в сочетании с заранее установленным пороговым значением или моделью, судить о том, имеет ли соединение явление отказа. 四Предупреждения и ограничения Факторы окружающей среды: факторы окружающей среды, такие как свет, температура и т. д., могут влиять на эффект съемки гиперспектральных камер.необходимо обратить внимание на контроль и коррекцию факторов окружающей среды в процессе съемкиВозможность обработки данных: объем данных, захваченных гиперспектральными камерами, большой, и требуется сильная способность обработки данных.необходимо настроить соответствующее оборудование и алгоритм обработки данных в процессе подачи заявки.. 五、 Примеры применения и последствия В практическом применении гиперспектральные камеры использовались для мониторинга состояния соединений высоковольтных линий передачи.Регулярно снимая спектральное изображение сустава и анализируя и обрабатывая, аномальное положение соединения может быть обнаружено вовремя, например, аномальное повышение температуры, увеличение сопротивления и т. д., чтобы избежать возникновения неисправности.Гиперспектральная камера также может предоставить информацию, такую как состав материала и степень старения соединенияИнструмент: Цветовой спектр встроенный толкатель FS-23 удобный высокий спектрометр. Вспомогательное оборудование: источник постоянного спектрального света - устройство передачи Источник света: линейный галогенный источник света Подводя итог, гиперспектральная камера имеет определенный потенциал применения и преимущества в обнаружении высоковольтных соединений линий.необходимо также обратить внимание на ограничения и проблемы, связанные с факторами окружающей среды.С непрерывным развитием технологий и сокращением затрат,перспективы применения гиперспектральной камеры в области контроля и мониторинга мощности будут более широкими.