CHNSpec Technology （Zhejiang）Co.,Ltd Nouvelles de société

Dans l'industrie textile, le plomb d'oie et le plomb de canard sont devenus des matières premières de haute qualité pour la fabrication de produits thermiques de haute qualité en raison de leurs excellentes propriétés thermiques.Il y a une grosse différence de prix sur le marché entre le plomb d'oie et le plomb de canardCertains commerçants malhonnêtes mélangent souvent du canard avec du plomb d'oie pour la poursuite de profits élevés, ce qui non seulement nuit aux intérêts des consommateurs, mais perturbe également l'ordre du marché.une détection quantitative précise et efficace du velours mixte d'oie et de canard est particulièrement importanteCes dernières années, le développement de la technologie des caméras hyperspectrales a fourni une solution innovante à ce défi de détection. 一、Préparation des échantillons: prélever un grand nombre d'échantillons de plumes d'oie et de plumes de canard pur afin de s'assurer que leurs sources sont fiables et représentatives.Utilisez des balances électroniques de haute précision pour peser avec précision le foie d'oie et le foie de canard selon différentes proportions., et configurer une série d'échantillons de velours mélangés d'oie et de canard avec des proportions de mélange connues, telles que fixer 5%, 10%, 15%... Des échantillons de proportions différentes tels que 95% de poudre de canard ont été mélangés,et plusieurs échantillons répétés ont été établis pour chaque proportion afin d'améliorer la précision et la fiabilité de l'expérienceL'échantillon de laine mélangée configuré est déposé uniformément sur la table spéciale d'échantillonnage afin d'assurer une répartition uniforme des échantillons sans chevauchement ni vide.et pour s'assurer que la caméra hyperspectrale peut obtenir des informations spectrales complètes et précises. 二、Acquisition d'images hyperspectrales: Ce document utilise une caméra hyperspectrale de 400 à 1000 nm, qui peut être utilisée pour des recherches connexes FS13, produit de Hangzhou Color Spectrum Technology Co., LTD.La gamme spectrale est de 400 à 1000 nm., la résolution de longueur d'onde est meilleure que 2,5 nm et jusqu'à 1200 canaux spectraux peuvent être atteints.et le maximum après sélection de bande est de 3300 Hz (support de sélection de bande multi-région)Chaque échantillon de laine mélangée est photographié plusieurs fois pour obtenir des images sous différents angles afin de réduire les erreurs de détection causées par des différences de caractéristiques locales de l'échantillon.les données d'image hyperspectrale acquises sont transférées à l'ordinateur pour stockage en temps opportun afin d'éviter toute perte de données;. 三、 Pré-traitement des données: Utilisation d'un logiciel professionnel de traitement des données pour le pré-traitement des données d'images hyperspectrales collectées.la correction de rayonnement est effectuée pour éliminer l'erreur de rayonnement causée par la différence de performance de la caméra elle-même et des facteurs environnementauxLa correction géométrique est ensuite effectuée pour corriger la distorsion de l'image causée par l'angle de la caméra, le placement de l'échantillon, etc.pour s'assurer que la position de chaque pixel dans l'image est préciseL'image est dénuée et les interférences sonores dans l'image sont éliminées par un algorithme de filtrage pour améliorer la qualité et la clarté de l'image.afin d'extraire les caractéristiques spectrales plus précisément. 四、Extraction des caractéristiques spectrales:Des algorithmes et des outils logiciels spécifiques sont utilisés pour extraire les caractéristiques spectrales des régions du don d'oie et du don de canard, respectivement, sur la base des images hyperspectrales pré-traitées.Grâce à l'analyse et à la comparaison d'un grand nombre de données d'images,il est déterminé que la gamme de longueurs d'onde spécifiques du don d'oie et du don de canard peut être distinguée de manière significative dans le spectre visible à infrarouge procheÀ ces longueurs d'onde clés, les valeurs de réflectivité du plomb d'oie et du plomb de canard sont soigneusement mesurées et enregistrées pour former leurs propres ensembles de données de caractéristiques spectrales.Après de nombreuses analyses expérimentales, il a été constaté qu'il existe des différences évidentes dans les courbes de réflectance du plomb d'oie et du plomb de canard dans la gamme de longueurs d'onde de 700-800 nm,Il s'agit d'une base importante pour l'identification des deux. 五、Établissement et vérification des modèles: sur la base des données de caractéristiques spectrales extraites du don d'oie et du don de canard,le modèle spectrale pour l'analyse quantitative de l'oie et du canard mélangés a été établi à l'aide de méthodes d'apprentissage automatique ou statistiquesLes méthodes de modélisation courantes comprennent la machine vectorielle de support, la méthode du moindre carré partiel et ainsi de suite.une partie des données d'échantillonnage ayant un rapport de mélange connu est utilisée comme ensemble d'entraînement pour former le modèle, afin qu'il puisse apprendre la relation interne entre les caractéristiques spectrales du plomb d'oie et du plomb de canard et le rapport de mélange.Une autre partie des données de l'échantillon qui n'a pas participé à la formation a été utilisée comme ensemble de vérification pour vérifier le modèle établi. Les données d'images hyperspectrales des échantillons de l'ensemble de validation ont été introduites dans le modèle et le rapport de mélange prévu du plomb d'oie et du plomb de canard a été calculé par le modèle,et comparé au rapport de mélange connu réelL'exactitude et la fiabilité du modèle sont évaluées en calculant l'erreur entre la valeur prévue et la valeur réelle, telle que l'erreur racine-moyenne-carré et l'erreur absolue moyenne.Selon les résultats de la vérification, le modèle est ajusté et optimisé, par exemple en ajustant les paramètres du modèle, en ajoutant ou en réduisant les variables de caractéristiques, etc., pour améliorer les performances du modèle. 6Analyse et évaluation des résultats: les résultats des essais de tous les échantillons de laine mélangée ont été résumés et analysés statistiquement.Des indices statistiques tels que la valeur moyenne et la différence standard des résultats des essais dans des conditions de mélange différentes ont été calculés pour évaluer la stabilité et la répétabilité de la méthode d'essai.. 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- par l'analyse d'un grand nombre de données expérimentales, la fourchette d'erreurla précision de détection et d'autres indices de performance clés de la caméra hyperspectrale dans la détection quantitative du velours mixte d'oie et de canard sont obtenusLes résultats expérimentaux montrent que la méthode permet de détecter rapidement et précisément la proportion exacte de plumes d'oie et de plumes de canard dans le velours mélangé en peu de temps,et l'erreur de détection peut être contrôlée efficacement dans une très petite plage, ce qui démontre pleinement sa grande fiabilité et sa faisabilité. L'application de la technologie des caméras hyperspectrales améliore considérablement la précision et l'efficacité de la détection quantitative du velours mixte d'oie et de canard.il peut assurer la qualité des produits et maintenir la réputation de la marque; pour les autorités de régulation, il fournit un appui technique solide pour lutter contre les produits contrefaits et de mauvaise qualité sur le marché,qui contribue à purifier l'environnement du marché et à protéger les droits et intérêts légitimes des consommateursAvec le développement continu et l'amélioration de la technologie,On estime que l'application des caméras hyperspectrales dans la détection quantitative du velours mixte d'oie et de canard et dans d'autres domaines connexes sera plus étendue et approfondie., et d'injecter une nouvelle vitalité dans le développement sain de l'industrie.

Le noyer est un arbre fruitier important et une espèce d'arbre à huile ligneuse en Chine.Le stade d'expansion des fruits est la première étape du développement des noix., comme une nutrition insuffisante à ce stade affectera directement la qualité et le rendement des fruits ultérieurs.la surveillance et le diagnostic de la teneur en azote des noix au stade de croissance sont d'une grande importance pour contrôler la croissance des arbres et adapter le plan de gestion en temps opportun.. Dans cette étude, une caméra hyperspectrale de 400-1000 nm a été appliquée et FS60, un produit de Hangzhou Color Spectrum Technology Co., LTD., pourrait être utilisé pour des recherches connexes.,la résolution de longueur d'onde est meilleure que 2,5 nm et jusqu'à 1200 canaux spectraux peuvent être atteints. La vitesse d'acquisition peut atteindre 128 FPS dans le spectre complet,et le maximum après sélection de bande est de 3300 Hz (support de sélection de bande multi-région). 一、Préparation préalable Afin d'estimer la teneur en azote de la canopée de noix par caméra hyperspectrale UAV, la collecte de données est nécessaire en premier lieu.et effectuer des vols conformément à la trajectoire et à l'altitude prédéterminées au-dessus du Walnut GardenAu cours du vol, la caméra hyperspectrale imprime la canopée de noix à un certain intervalle de temps ou d'espace pour obtenir une grande quantité de données d'image hyperspectrale.afin de garantir l'exactitude et la fiabilité des données, il est également nécessaire de recueillir simultanément sur le terrain certaines données de référence, telles que la teneur en azote des feuilles de noix et les paramètres de la structure du couvert déterminés par des méthodes traditionnelles. 二、Résultats et analyse Détermination de l'amplitude du couvert, extraction du spectre du couvert et vérification de la précision Comme indiqué à la figure 2, la noixle sol et l'ombre se chevauchent dans une certaine mesure dans toute la gamme de bandes de l'image de télédétection de la forêt de noix de 5 ansDans la bande de 520 à 600 nm, la réflectance spectrale des ombres est inférieure à 0.10: la différence de réflectance spectrale de la noix et du sol ne se chevauche évidemment pas et la réflectance spectrale des deux est supérieure à 0,10 dans cette plage.la réflectance spectrale de la noixLa réflectance spectrale de la noix est supérieure à 0,7 dans la plage 740-900 nm,et la réflectance spectrale des autres végétaux non cibles est inférieure à 0.7Comme la réflectance spectrale de la noix peut être distinguée des autres végétaux non cibles dans la lumière verte et la bande proche infrarouge, mais pas dans une ou quelques bandes, elle ne peut pas être calculée en ENVI5.3 logicielsPar conséquent, afin de faciliter le processus d'extraction en douceur de la gamme de canopée de noix,la réflectance spectrale maximale de la canopée de noix dans la lumière verte et la bande infrarouge proche est sélectionnée dans cette étude Bw(550.7) et B ((779.4) ont été classés et identifiés pour déterminer la gamme de la canopée.7) est inférieur ou égal à 0.10 et la réflectance spectrale à B ((779.4) est inférieure ou égale à 0.20, l'ombre est identifiée et éliminée. Lorsque la réflectance spectrale à B ((550.7) est supérieure à 0,10 et B; Lorsque la réflectance spectrale à (779.4) est inférieure ou égale à 0.70Lorsque la réflectance spectrale à B ((550.7) est supérieure à celle à0.10, la réflectance spectrale à B ((779.4) est supérieure à 0.70, l'arbre de noix est identifié comme végétation cible. En outre, une machine vectorielle de support avec une bonne précision de généralisation et de classification a été utilisée pour extraire la plage de canopée,et l'exactitude de l'extraction de la plage de canopée basée sur les caractéristiques spectrales a été comparéeTout d'abord, dans le logiciel ENVI5.3, les objets au sol dans les images de télédétection sont divisés en arbres de noyer et deux autres types (figure 4), dans lesquels la zone rouge est la canopée de noyer,et la zone verte est l'autreLa séparabilité entre les deux types d'échantillons était de 1.998, puis le classificateur SVM a été sélectionné pour la classification supervisée afin d'obtenir les résultats de classification initiaux (Fig. 5a).Il y avait souvent des petits défauts dans les résultats de classification, et sa précision était difficile à atteindre pour l'application finale. Par conséquent, la méthode de traitement des petits patchs majoritaire a été adoptée pour traiter les résultats du classement préliminaire,et les résultats de classification répondant aux exigences réelles ont été obtenus (figure 5b)L'exactitude des résultats de classification a été vérifiée et le coefficient Kappa était de 0.997, et l'exactitude de la cartographie de la végétation cible était de 99,65%.Le logiciel Matab2014b a été utilisé pour chevaucher la plage de canopée déterminée sur la base des caractéristiques spectrales dans cette étude avec les pixels de la plage de canopée identifiés par la méthode de la machine vectorielle de support.Il y avait 4257 pixels qui se chevauchaient dans la plage de canopée, et le nombre de pixels de la plage de canopée sélectionnés sur la base des caractéristiques spectrales représentait 96.77% du nombre de pixels dans la machine vectorielle de support, avec une précision de cartographie de 96,43%, haute précision, résultats qui se chevauchent sont montrés sur la figure 6 À l'heure actuelle, l'application de la caméra hyperspectrale UAV pour estimer la teneur en azote de la canopée de noix est encore en phase de développement et d'amélioration continus.avec le progrès continu de la technologie, les performances des caméras hyperspectrales seront encore améliorées, la résolution spectrale et la qualité d'imagerie seront plus élevées,et les méthodes de traitement et d'analyse des données seront plus intelligentes et automatiséesDans le même temps, le développement d'une technologie de fusion de données multi-sources, telle que la combinaison de données hyperspectrales avec des données lidar et des données infrarouges thermiques,Il sera possible d'obtenir des informations plus complètes et plus précises sur la croissance des noix.En outre, avec la promotion approfondie du concept de l'agriculture de précision, les paysages sont devenus plus productifs et plus sûrs.La technologie de caméra hyperspectrale UAV devrait être plus largement utilisée dans le domaine de la plantation de noix, fournissant un soutien technique solide au développement durable de l'industrie des noix. En résumé, la caméra hyperspectrale des drones, en tant que technologie de surveillance de télédétection avancée, présente de larges perspectives et un grand potentiel dans l'application de l'estimation de la teneur en azote de la canopée de noix.Une estimation précise et rapide de la teneur en azote du couvert des noix peut fournir une base scientifique aux producteurs de noix pour prendre des décisions de fertilisation, réaliser une fertilisation précise, améliorer l'utilisation des engrais, réduire le gaspillage des ressources et la pollution de l'environnement et promouvoir le développement de haute qualité de l'industrie des noix.

La peau d'orange a une bonne valeur économique et médicinale, mais le phénomène de la contrefaçon et de la mauvaise qualité sur le marché est grave.la précision et l'efficacité des méthodes de détection manuelles sont faiblesDans ce document, la technologie d'imagerie hyperspectrale combinée à la méthode d'apprentissage en profondeur a été utilisée pour établir une méthode d'identification rapide et non destructive de l'année de vieillissement de la peau d'orange.一、Matériaux et méthodes Les échantillons de peau d'orange achetés ont été répartis en 1 an, 5 ans, 10 ans et 15 ans selon les années de vieillissement.et un total de 480 échantillons de peau d'orange ont été prélevésLes échantillons de peau d'orange de chaque année ont été divisés au hasard dans un rapport de 7:3, dans lesquels 84 échantillons sont entrés dans l'ensemble d'entraînement et 36 échantillons dans l'ensemble d'essai. Dans cet article, une caméra hyperspectrale de 900-1700 nm est utilisée et FS-15, un produit de Color Spectrum Technology (Zhejiang) Co., LTD., peut être utilisé pour des recherches connexes.Caméra hyperspectrale à ondes courtes en infrarouge proche, la vitesse d'acquisition du spectre complet jusqu'à 200 FPS, est largement utilisée dans l'identification de la composition, l'identification des substances, la vision par machine, la qualité des produits agricoles,détection d'écran et autres champs. 二、Résultats et analyse Les courbes spectrales des échantillons de peau d'orange dans les différentes années sont illustrées à la figure 3.Les courbes spectrales d'origine représentées sur la figure 3 peuvent évidemment montrer qu'il y a des pics d'absorption près de 1200 m et 1450 nm.Le pic d'absorption à 1200 nm est principalement causé par l'absorption spectrale des paires de liaisons, et le pic d'absorption à 1450 nm est principalement causé par l'absorption spectrale de l'eau.Les bandes du spectre NIR de tous les types d'échantillons se chevauchent étroitement, la tendance globale était proche de la même, et le pic d'absorption était presque dans la même position, sans différence évidente.Il était difficile de distinguer les quatre types d'échantillons de peau d'orange à l'œil nu. 三、Méthode de prétraitement spectrale Le prétraitement des données hyperspectrales de peau d'orange comprend plusieurs étapes, à savoir la segmentation des images, la moyenne du spectre et le prétraitement du spectre.Le spectre moyen initial des échantillons de peau d'orange dans les différentes années et les courbes spectrales moyennes après le prétraitement SG+D1 sont indiqués à la figure 4.Il ressort des figures 4a et 4b que la méthode de prétraitement combinée SG+D1 peut éliminer efficacement l'influence de la dérive spectrale de base et lisser la courbe spectrale.amélioration de l'exactitude de l'identification de l'année de peau d'orange. L'identification rapide de l'année de la peau d'orange par caméra hyperspectrale a de larges perspectives d'application dans l'industrie de la médecine chinoise.Il peut aider les fabricants de médecine chinoise et les revendeurs à contrôler avec précision la qualité et l'année de la peau d'orange., et éviter les pertes économiques et les risques de réputation causés par une mauvaise appréciation de l'année.les services compétents peuvent utiliser la technologie pour effectuer un échantillonnage rapide des produits à peau d'orange sur le marché.En outre, avec l'amélioration continue et la popularisation de la technologie, la technologie est devenue plus efficace et plus efficace.Il apportera également un fort soutien à la recherche scientifique et à l'évaluation de la qualité de la peau d'orange., et de promouvoir le développement de l'industrie de la peau d'orange dans une direction plus normalisée, normalisée et scientifique.

Dans l'évaluation de la nutrition laitière, la teneur en protéines est l'indicateur le plus important que le lait est une source essentielle d'absorption des protéines dans la vie quotidienne des personnes.La santé des consommateurs et le développement de l'industrie laitière sont étroitement liés à la qualité du lait.Les méthodes de détection traditionnelles prennent beaucoup de temps, gaspillent beaucoup de ressources humaines et entraînent une détérioration de l'environnement..Il est donc très important de trouver une méthode plus rapide et plus précise pour détecter la teneur en protéines du lait.Ce document utilise l'apprentissage automatique combiné à la technologie d'imagerie hyperspectrale pour évaluer quantitativement la teneur en protéines du laitLes travaux de recherche spécifiques et les conclusions sont les suivantes:   一、Matériaux expérimentaux Nous avons acheté sept marques différentes de lait pur, dont Mengniu, New Hope, Yili et Guangming, et les avons conservées au réfrigérateur. 二、Équipement expérimental Dans cet article, une caméra hyperspectrale de 400 à 1000 nm est utilisée.la résolution de longueur d'onde est meilleure que 2.5nm, et jusqu'à 1200 canaux spectraux peuvent être atteints.et le maximum après sélection de bande est de 3300 Hz (support de sélection de bande multi-région). 三、Méthode de réglage expérimental Les images hyperspectrales des échantillons de lait ont été prélevées à l'aide d'un spectromètre hyperspectraux.et puis une image claire a été sélectionnée à partir de ENVI5.3L'image spectrale recueillie avait une résolution de 777x1004 pixels. Le temps d'exposition de l'imagerie hyperspectrale était de 10 ms, les temps de mélange des pixels étaient de 6, la résolution était de 4,8 nm,l' intervalle moyen était de 0.8 nm, la distance verticale était de 30 cm, et la condition d'acquisition était la température ambiante (23 ~ 25 ° C).et les données spectrales moyennes du lait sont dérivées de l'image hyperspectrale utilisant le logiciel ENVI. " 四、Extraction et prétraitement des données hyperspectrales L'extraction de données de réflexion hyperspectrale à partir d'images hyperspectrales est la base de la modélisation traditionnelle de l'apprentissage automatique.les données de réflectivité spectrale des échantillons sont obtenues en extraisant la réflectivité spectrale moyenne de tous les pixels de la région d'intérêt (ROD)Dans ce document, le logiciel ENVI a été utilisé pour ouvrir l'image hyperspectrale corrigée d'un échantillon de lait,et le pixel près du centre de chaque image hyperspectrale a été sélectionné comme le retour sur investissement avec l'outil rectangleUn total de 30 ROI et 7 images hyperspectrales ont été sélectionnés, et 210 ROI ont été sélectionnés. La réflectance spectrale moyenne de tous les pixels dans ROI a été calculée comme les données spectrales de l'échantillon,un total de 210 données spectralesLes données spectrales sont enregistrées au format ASCI. La figure suivante montre le processus d'extraction du ROI. Dans cet article, la technologie d'imagerie hyperspectrale combinée à l'apprentissage automatique a été utilisée pour prédire la teneur en protéines du lait afin d'améliorer la précision de la prédiction de la teneur en protéines du lait.Le système d'imagerie hyperspectrale a été construit., des images hyperspectrales de 7 marques de lait sur le marché ont été collectées, des données spectrales ont été extraites par le logiciel ENVI, un ensemble de données hyperspectrales de lait a été établi,et 210 données hyperspectrales ont finalement été extraites. La technologie d'imagerie hyperspectrale a montré un grand potentiel dans le domaine de la détection de la teneur en protéines du lait, bien qu'il y ait quelques défis à ce stade,mais avec l'intégration de l'innovation technologique interdisciplinaire, il révolutionnera progressivement le mode de détection du lait traditionnel.L'imagerie hyperspectrale deviendra un outil indispensable et puissant pour le contrôle de la qualité des produits laitiers, contribuer à améliorer les avantages économiques et sociaux de l'industrie laitière et répondre à la demande croissante des consommateurs de produits laitiers de haute qualité.

Avec l'amélioration du niveau de vie, les gens ont des exigences de plus en plus élevées pour le goût et la nutrition des graines de lotus.sa teneur en amylose affecte directement la qualité et le goût des graines de lotusLa teneur en amylose des graines de lotus varie considérablement selon les variétés, de sorte que la détermination de la teneur en amylose des graines de lotus est de grande importance pour la transformation ultérieure.La détection traditionnelle de l'amylose utilise généralement la colorimétrie par iodeLa méthode de titration de l'affinité de l'iode et la méthode d'infection transversale, ces méthodes sont longues et laborieuses, et faciles à affecter par les conditions expérimentales! La technologie d'imagerie hyperspectrale est une technologie d'essai non destructive qui peut obtenir un spectre et des informations d'image riches.Il a l'avantage de gagner du temps.Dans cet article, la technologie d'imagerie hyperspectrale a été utilisée pour détecter l'amylose du lotus frais. 一、Matériaux et méthodes   1.1 Matériaux d'essai Les échantillons provenaient de la province du Fujian, et les variétés de Xuanlian, Guangchanglian, Jianxuan 36, Mantianxing, Space lotus et Xianglian ont été sélectionnées.les graines de lotus fraîches ont été stockées dans de l'azote liquide et transportées au laboratoire;, où il a été réfrigéré à 4 °C pendant 12 heures. 1.2 Acquisition et correction d'images hyperspectrales Les principaux composants du système d'imagerie hyperspectrale comprennent l'imagerie hyperspectrale, la source lumineuse, la scène, la boîte noire et le logiciel d'acquisition de données hyperspectrales.Tout le système peut utiliser la caméra hyperspectrale FS-13Le système d'imagerie hyperspectrale est représenté sur la figure 1.La vitesse de déplacement de la plate-forme de charge utile est réglée à 3.5 mm/s et le temps d'exposition est de 30 ms. L'objectif est à 40 cm de la plateforme en mouvement et droit vers le bas.Ajustez la distance focale de la caméra du spectromètre pour la correction en noir et blanc du système. 1.3 Traitement des données Un logiciel d'analyse a été utilisé pour extraire le spectre moyen de la région d'intérêt (ROI) de l'image spectrale des graines de lotus.Afin d'éliminer l'influence du bruit et de la lumière extérieure, l'effet de modélisation des méthodes de pré-traitement telles que la première dérivée, la deuxième dérivée, l'aplatissement SG, la conversion de la variable normale standard par correction de dispersion multiple (MSC) a été comparé,et la meilleure méthode de prétraitement a été choisie. 二、Résultats et analyse   2.1 Spéctrum moyen de la région d'intérêt Dans ce document, la courbe spectrale de chaque pixel dans la région d'intérêt d'un seul échantillon est utilisée pour un traitement ultérieur.Le schéma spectral moyen après élimination du bruit de tête et de queue (400 nm~971 nm) est illustré à la figure 2.Il ressort de la figure que la tendance de variation des valeurs spectrales de différents échantillons est cohérente.qui peut être causée par le déplacement de la bande d'eauLa bande a une absorption relativement évidente entre 500 nm et 920 nm. Elle peut être liée au doublement de fréquence quaternaire,Doublement de fréquence secondaire et de fréquence primaire O-H du groupe C-H dans la molécule d'amylose. 2.2 teneur en amylose des graines de lotus Les résultats de l'ensemble de correction et de l'ensemble de prédiction de la teneur en amylose divisés par la méthode SPXY sont présentés au tableau 1.Il ressort du tableau que la teneur en amylose des graines de lotus fraîches varie beaucoupLa teneur maximale en amylose des graines de lotus corrigées est de 227,90 mg/g, la valeur minimale est de 100,82 mg/g et l'écart type est de 44,73 mg/g.La teneur en amylose de l'échantillon prévu se situe dans la plage de l'échantillon du jeu de correction, donc la division de l'échantillon est raisonnable. 三、 Conclusion Dans cet article, la technologie d'imagerie hyperspectrale a été utilisée pour détecter rapidement la teneur en amylose.Les résultats montrent que l'effet de modélisation est meilleur après l'utilisation de la première dérivée et de la correction de diffusion multiple (MSC).Le coefficient de corrélation de l'ensemble corrigé (R) du modèle de prédiction PLSR était de 0.835, l'erreur carrée moyenne de la racine de l'ensemble corrigée (RMSEC) était de 1.802, le coefficient de corrélation de l'ensemble prévu (R) était de 0.856, et l'erreur carrée moyenne de la racine d'ensemble prévue (RMSEP) était de 1.752L'erreur d'analyse relative (ERR) était de 1.944. Le coefficient de corrélation de l'ensemble de prédictions du modèle de prédiction PLSR établi par la méthode RC (R. L'erreur carrée moyenne de la racine de l'ensemble de prédictions (RMSEP) était de 1.897L'erreur d'analyse relative (ERR) était de 1.761Cette étude a permis de réfléchir à l'élaboration d'un instrument de détection en ligne de la teneur en amylose et a posé de bonnes bases.

En tant que culture commerciale importante, la vitalité des graines de citrouille est directement liée au taux d'émergence, au potentiel de croissance des plants et au rendement final après semis.comme le test de germination, sont longues et laborieuses et ne peuvent pas répondre aux besoins de détection rapide et à grande échelle de la qualité des semences dans l'agriculture moderne.La technologie d'imagerie hyperspectrale combine les avantages de la spectroscopie et de l'imagerie, et peut obtenir simultanément les informations spectrales et spatiales des échantillons, ce qui montre un grand potentiel dans le domaine des essais non destructifs de viabilité des semences. 一、Préparation de matériel expérimental Divisez les graines de citrouille en 4 groupes de 100 graines et placez-les dans un sac en maille de nylon, comme indiqué sur la figure 3-2.La procédure spécifique est la suivante:: prélever 3 groupes d'échantillons, placer le premier groupe d'échantillons dans le séchoir, placer le deuxième groupe d'échantillons dans le séchoir 24 heures plus tard, placer le troisième groupe d'échantillons dans le séchoir 24 heures plus tard,et retirer tous les échantillons avec un temps de vieillissement de 1 à 3 jours respectivement après 3 jours (le premier groupe est constitué des échantillons avec un temps de vieillissement de 3 jours)Le groupe 2 est pour les échantillons âgés de 2 jours et le groupe 3 est pour les échantillons âgés de 1 jour).Le groupe 1 des 4 groupes restants n'a pas été soumis à un traitement de vieillissement et a été placé à température ambiante pendant 3 jours au cours de l'expérience du groupe de vieillissement.. 二、 Acquisition de données hyperspectrales Les graines avec des jours de vieillissement différents ont été collectées par une caméra hyperspectrale à spectre de couleur, et des images hyperspectrales de 400 à 1000 nm ont été prises pour tous les échantillons.un total de 400 courbes spectrales ont été obtenues, comme indiqué sur la figure. Observez la croissance tous les jours et versez la bonne quantité d'eau pour assurer l'eau nécessaire à la germination.Voici le schéma de test de prégermination des graines de citrouille. Selon le niveau de vitalité de chaque graine, les données spectrales moyennes de chaque graine ont été classées et la courbe spectrale globale de chaque qualité a été illustrée sur la figure ci-dessous. 三、 Traitement des données spectrales L'image hyperspectrale d'origine est sensible au bruit et à l'éclairage inégal.et la différence d'éclairage est éliminée en fonction de la correction de la réflectivité du tableau blanc standardLa région d'intérêt (ROI) est extraite de l'image corrigée, en se concentrant sur l'embryon et l'endosperme de la graine pour assurer la précision de l'extraction ultérieure des caractéristiques.Les méthodes de réduction de la dimension telles que l'analyse des composants principaux (PCA) sont utilisées pour compresser les données initialement, conserver les informations clés et réduire les calculs. 四、Conclusion et perspectives Dans cette étude, un modèle de détection de la vitalité des graines de citrouille basé sur la technologie d'imagerie hyperspectrale a été construit avec succès pour réaliser rapidement,Identification de la vitalité non destructive et de haute précision, et fournir une solution technique efficace pour le contrôle de la qualité de l'industrie des semences de citrouille.et données multimodales (telles que le spectre de fluorescenceLa technologie de l'Internet des objets (IoT) est un outil qui permet d'améliorer encore la précision de la détection dans des environnements complexes.un système de surveillance en ligne de la vitalité des semences peut être mis en place pour faciliter le contrôle en temps réel et le dépistage précis de la qualité des semences dans l'agriculture intelligente.

Le ver du thé est l'un des ravageurs courants dans les jardins de thé, ce qui affecte gravement le rendement et la qualité du thé.La méthode traditionnelle de surveillance du degré de dommages causés par le ver du thé repose principalement sur une enquête manuelle., qui présente certains problèmes tels que faible efficacité, forte subjectivité et difficulté à réaliser une surveillance en temps réel sur une grande surface.La technologie de télédétection hyperspectrale présente les caractéristiques d'une haute résolution spectrale et d'une riche information spectrale, qui fournit une nouvelle façon de surveiller rapidement et précisément le degré de préjudice du ver du thé. 一、Conditions environnementales La réflectance spectrale de la canopée de thé a été mesurée de 10h00 à 14h00 par jour ensoleillé, sans vent, sans nuages et avec une bonne visibilité solaire.et FS13, produit de Hangzhou Color Spectrum Technology Co., LTD., pourrait être utilisé pour des recherches connexes.et la hauteur entre la tête de détection de la caméra hyperspectrale et le sommet de la canopée de thé était d'environ 0Pour réduire l'erreur expérimentale, les mesures ont été répétées trois fois dans chaque zone d'échantillonnage,et la valeur moyenne a été prise comme valeur de réflexion spectrale.   二、 Traitement et analyse des données 1. Comparaison de l'apparence de la surface des feuilles entre les vers de thé normaux et les vers de thé.Dans cette expérience, une série de feuilles de thé endommagées par les vers de thé à des degrés différents ont été recueillies comme sujets de recherche, et leurs données spectrales,L'indice de surface des feuilles et le nombre de vers de thé par mu de règle de thé ont été collectés respectivementLa comparaison entre les feuilles de thé sans insectes nuisibles et celles endommagées par les vers de thé est illustrée à la figure 1: Les feuilles étaient intactes, les feuilles étaient entassées, et les feuilles du thé endommagé par les insectes ont été mordues en formes irrégulières, leur couleur extérieure est devenue jaune foncé,et la structure des feuilles a également changé en conséquence. 2. Comparaison de l'indice de surface des feuilles entre le thé normal et le ver à pouce. Comme on peut le voir sur la figure 2, l'indice de surface des feuilles a été fortement affecté par le degré de dommages causés par la géométrie du thé.et plus petit serait l'indice de surface des feuilles. 3L'influence des vers de thé sur les caractéristiques spectrales de réflectivité de la canopée de thé.L'influence de l'infestation d'insectes sur les feuilles de thé entraînera certains changements dans les propriétés physiques et chimiques des feuilles de thé, y compris la couleur, la structure, la teneur en eau,teneur en chlorophylle et état nutritionnel des feuillesLa modification de ces propriétés physiques et chimiques entraînera des changements dans la valeur de ses paramètres caractéristiques spectraux, tels que la réflectivité spectrale, la transmittance, l'absorption,le pic rouge et sa position de longueur d'onde et le pic bleu et sa position de longueur d'ondePar conséquent, pour saisir les caractéristiques spectrales normales du thé et les informations connexes est la prémisse et la base de l'étude des dommages du thé par d'autres maladies et ravageurs. 三、Importance et perspectives de la recherche Importance de la recherche: cette étude fournit un nouveau moyen technique pour la surveillance rapide et précise du degré de préjudice des vers de thé,aide à saisir en temps opportun l'apparition de vers de thé dans les jardins de thé, fournit une base scientifique pour la prévention et le contrôle précis des maladies et des ravageurs dans les jardins de thé, réduit l'utilisation de pesticides et améliore le rendement et la qualité du thé. Perspectives de recherche: Des études futures peuvent permettre d'optimiser davantage les modèles de télédétection hyperspectrale et d'améliorer leur précision et leur stabilité.Il peut être combiné avec la télédétection des drones.La recherche sur les maladies causées par les vers de thé a été réalisée par l'intermédiaire d'un programme de recherche sur les maladies causées par les vers de thé, de la télédétection par satellite et d'autres technologies.la relation entre le mal des vers de thé et les changements physiologiques et écologiques des arbres à thé peut être étudiée en profondeur, et le mécanisme de surveillance par télédétection hyperspectrale peut être révélé à un niveau plus profond.

La teneur en humidité du bois est un attribut important de la qualité du bois, qui a une incidence importante sur la transformation, l'utilisation et le stockage du bois.Bien que les méthodes traditionnelles de mesure de la teneur en humidité du bois, telles que la méthode de pesage et la méthode de résistance, aient une certaine précisionL'imagerie hyperspectrale permet d'obtenir rapidement des images de la surface de l'œuvre, en utilisant des techniques de mesure de la surface de l'œuvre, et en utilisant des techniques de mesure de la surface de l'œuvre.méthode non destructive et efficace de mesure de la teneur en humidité du bois. 一、principe d'essai par caméra hyperspectraleLes caméras hyperspectrales peuvent obtenir des informations spectrales de la surface du bois, y compris la réflectivité ou la transmission du bois à différentes longueurs d'onde.Puisque la teneur en humidité du bois affectera ses caractéristiques spectrales, la teneur en humidité peut être déduite en analysant les informations spectrales du bois, en particulier les données spectrales du bois peuvent être collectées par technologie d'imagerie hyperspectrale,et le modèle de prédiction entre la teneur en humidité du bois et les informations spectrales peut être établi par prétraitement, caractéristique d'extraction et de modélisation, afin de réaliser le test rapide de la teneur en humidité du bois. 二、 Exemples d'applicationInstruments: spectre de couleur, balayeur de poussée intégré FS-17 spectromètre infrarouge procheÉquipement auxiliaire: source lumineuse spectrale constante - pour la modélisation intérieureSource lumineuse: source lumineuse halogène linéaire Matériaux expérimentaux: un certain nombre d'échantillons de bois à teneur en humidité différente sont utilisés comme matériaux expérimentaux,et ces blocs de bois sont séchés cycliquement pour obtenir différents états de teneur en humidité. L'acquisition de données: l'acquisition d'images spectrales d'échantillons de bois a été réalisée à l'aide d'un système d'imagerie hyperspectrale.il est nécessaire de veiller à ce que les conditions d'éclairage soient stables afin d'éviter l'impact des changements de lumière sur les informations spectrales.Dans le même temps, afin d'obtenir des résultats plus précis, l'acquisition d'images spectrales peut être effectuée à plusieurs endroits de l'échantillon de bois.et la valeur moyenne est prise comme données spectrales finales. Traitement des données: prétraitement des données spectrales collectées, par exemple élimination du bruit, correction du spectre, etc.Ensuite, l'algorithme de sélection des caractéristiques est utilisé pour extraire la longueur d'onde caractéristique liée à la teneur en humidité du bois pour simplifier le modèle et améliorer la précision de la prédiction. Construction de modèles: sur la base de la longueur d'onde caractéristique extraite, le modèle de prédiction entre la teneur en humidité du bois et les informations spectrales a été établi.Les méthodes de modélisation courantes incluent la régression de processus gaussienne (GPR)Ces modèles permettent de prédire rapidement la teneur en humidité du bois sur la base de ses informations spectrales. Validation du modèle: le modèle établi est validé à l'aide d'un ensemble de validation indépendant pour évaluer ses performances prédictives et son exactitude.Les indices d'évaluation courants comprennent le coefficient de corrélation (R2) et l'erreur carrée moyenne de la racine (RMSE). 三、Avantages de l'applicationTest rapide: la caméra hyperspectrale peut obtenir les informations spectrales de la surface du bois en peu de temps, de manière à réaliser le test rapide de la teneur en humidité du bois. Tests non destructifs: par rapport aux méthodes d'essai traditionnelles, la technologie d'imagerie hyperspectrale ne cause pas de dommages au bois.Il est donc plus approprié pour tester du bois de valeur ou du bois qui doit être maintenu en intégrité.. Haute précision: en établissant un modèle de prédiction précis, les caméras hyperspectrales peuvent réaliser des tests de haute précision de la teneur en humidité du bois,répondant aux exigences strictes de contrôle de la qualité de l'industrie de la transformation du bois. 四Perspectives d'applicationAvec le développement et l'amélioration continus de la technologie d'imagerie hyperspectrale, ses perspectives d'application dans le domaine des tests de teneur en humidité du bois seront plus larges.Nous pouvons nous attendre à l'émergence de caméras hyperspectrales avec une plus grande précision, plus rapide et plus facile à utiliser pour répondre aux besoins du secteur de la transformation du bois en matière de contrôle de la qualité et de production intelligente.combiné à des technologies avancées telles que l'apprentissage automatique et l'apprentissage profond, la précision et le niveau d'intelligence des essais de teneur en humidité du bois peuvent être encore améliorés. En résumé, les caméras hyperspectrales présentent des avantages significatifs dans le contrôle de la teneur en humidité du bois, en fournissant une méthode d'inspection efficace, précise et non destructive pour l'industrie de la transformation du bois.

À l'ère actuelle du développement rapide de la science et de la technologie, la mesure des couleurs occupe une position vitale dans de nombreux domaines, du contrôle de la qualité des produits, de la création artistique à la recherche scientifique.En tant qu'appareil optique avancé, la caméra hyperspectrale apporte une solution nouvelle, plus précise et plus complète pour la mesure des couleurs. 一、 le principe de base de la caméra hyperspectrale Le principe de fonctionnement des caméras hyperspectrales est basé sur la capture fine d'informations spectrales.qui ne peut enregistrer que les informations de couleur des trois canaux de rouge, les caméras hyperspectrales vertes et bleues peuvent diviser le spectre en de nombreuses bandes étroites dans une large plage spectrale telle que la lumière visible au proche infrarouge, généralement jusqu'à des centaines ou même plus.Par exemple, il peut diviser la gamme spectrale de 400 à 1000 nm en bandes à très petits intervalles, tels que 1 nm ou des intervalles plus petits.Les caractéristiques d'absorption et de transmission de l'objet à différentes longueurs d'onde de lumière sont différentesGrâce à son système optique spécial et son détecteur, la caméra hyperspectrale collecte l'intensité du signal lumineux de chaque bande à son tour,afin de construire la courbe de réflexion spectrale de l'objetCette courbe enregistre en détail la réflectivité des objets à différentes longueurs d'onde et constitue la source de données de base pour la mesure des couleurs.   二、 le processus spécifique de mesure des couleurs (1) Étalonnage L'étalonnage est une étape essentielle avant d'utiliser une caméra hyperspectrale pour la mesure des couleurs.Le but de l'étalonnage est d'établir une correspondance précise entre les données spectrales capturées par la caméra et les vraies valeurs de couleurLes tableaux blancs standard avec des propriétés spectrales connues sont souvent utilisés comme références d'étalonnage.La caméra hyperspectrale prend des photos du tableau blanc standard, enregistre l'intensité de son signal optique dans chaque bande et calcule la fonction de réponse de la caméra selon les données connues de réflexion spectrale du tableau blanc standard,afin de corriger l'éventuelle déviation spectrale, le bruit du courant sombre et d'autres facteurs d'erreur de la caméra, et assurer l'exactitude et la fiabilité des données de mesure ultérieures.   (2) Collecte d'images Une fois l'étalonnage terminé, l'image de l'objet cible peut être acquise.il obtient l'information sur l'intensité de la lumière réfléchie par la bande d'objet bande par bande en fonction de la gamme et de la résolution de bande spectrale prédéfiniesPar exemple, pour chaque pixel d'une image, ses données lumineuses réfléchies à travers plusieurs bandes spectrales sont enregistrées.alors chaque pixel aura 200 valeurs de réflectance spectrale correspondantesEnsemble, ces données forment un cube de données tridimensionnel, où le plan bidimensionnel représente les informations de position spatiale de l'image (coordonnées x, y),et la troisième dimension représente l'information de bande spectrale (λ)De cette façon, la caméra hyperspectrale enregistre non seulement la couleur et l'apparence de l'objet, mais contient également ses caractéristiques spectrales.qui fournit plus de données que les caméras traditionnelles.   (3) Traitement des données et calcul des couleurs Les données spectrales massives collectées doivent passer par un traitement complexe pour obtenir les résultats finaux de la mesure des couleurs.correction de la distorsion spectrale et autres opérationsDans le domaine de la science des couleurs, les modèles de couleurs couramment utilisés sont CIE XYZ, CIELAB, etc.Prenant comme exemple le modèle de couleur CIELAB, il représente la couleur sous forme de trois valeurs de coordonnées basées sur les caractéristiques de la perception de la couleur par l'œil humain: L représente la luminosité, a représente la composante de degré rouge-vert,et b * représente la composante de degré jaune-bleuEn combinant les données de réflectance spectrale collectées par la caméra hyperspectrale avec la distribution de puissance spectrale du corps d'éclairage standard (comme la source lumineuse standard D65),et l'intégration selon la fonction de correspondance des couleurs, la valeur des coordonnées de l'objet dans l'espace de couleur CIELAB peut être calculée, de manière à décrire avec précision l'attribut de couleur de l'objet.,la différence de couleur peut également être calculée en comparant les coordonnées de couleur de différents objets ou de différentes parties d'un même objet,utilisé pour évaluer la consistance ou le degré de changement de couleur. 三、les avantages de la mesure des couleurs par caméra hyperspectrale (1) Haute précision et haute résolution Les caméras hyperspectrales offrent une résolution spectrale extrêmement élevée, ce qui leur permet de capturer des différences de couleur extrêmement fines dans les mesures de couleur.dans certaines industries qui exigent une très haute précision des couleurs, comme l'impression haut de gamme, la production de cosmétiques, etc., il peut distinguer avec précision les changements de couleur qui sont difficiles à détecter pour l'œil humain,assurer la cohérence de la couleur du produit et des normes de qualité élevéesSes résultats de mesure de haute précision aident à améliorer le niveau de contrôle de la qualité des produits et à réduire le taux de produits défectueux causés par un écart de couleur.   (2) Informations spectrales riches En plus de l'information sur la valeur de tristimulus de la couleur,la courbe de réflectance spectrale obtenue par la caméra hyperspectrale contient des informations détaillées sur l'objet sur toute la gamme spectrale mesuréeCette technique présente des avantages uniques pour l'analyse des couleurs de certains matériaux ou objets spéciaux, notamment dans le domaine de la restauration et de la protection des reliques culturelles.en analysant les caractéristiques spectrales des pigments à la surface des reliques culturellesDans le domaine de l'agriculture, l'état de la croissance, le taux de croissance et le taux de croissance sont des indicateurs de la croissance, qui permettent de comprendre leur composition et leur âge, ce qui constitue une base importante pour les travaux de restauration.la teneur en nutriments et les maladies et les insectes nuisibles des plantes peuvent être surveillés en fonction des changements de la réflectance spectrale des feuilles des plantes, car les caractéristiques d'absorption et de réflexion des différentes longueurs d'onde de la lumière changeront dans les différents stades de croissance et les différents états de santé des plantes.   (3) Mesure sans contact Les caméras hyperspectrales n'ont pas besoin d'entrer en contact direct avec l'objet mesuré, ce qui est important dans de nombreux cas.les reliques culturellesLa mesure sans contact peut éviter les dommages ou la pollution de l'objet, tout en permettant de mesurer rapidement la couleur sur une grande surface.améliorer l'efficacité des mesuresPar exemple, dans la détection des couleurs de peintures murales à grande échelle, les informations de couleur de l'ensemble de la peinture murale peuvent être rapidement obtenues,fournir un support complet de données pour les travaux de protection et de restauration.   四、Essai expérimental d'une caméra hyperspectrale dans la mesure des couleurs 1. but expérimentalTestez la valeur de laboratoire de l'échantillon ci-dessous 2Liste des instruments de test expérimentaux Nom de l'appareil Numéro de modèle Détails de la configuration Nom de l'entreprise Caméra hyperspectrale CHNSpec FS-13 Plage spectrale: 400 à 1000 nm;Résolution spectrale: 2,5 nmbande spectrale: 1200       3Contenu expérimental La courbe de réflectance a été obtenue par détection externe de la caméra hyperspectrale de 400-1000 nmLe processus de mesure expérimentale est illustré sur la figure ci-dessous: 4Conclusion La caméra hyperspectrale FS-13 a été utilisée pour prendre les échantillons du client, et la valeur de laboratoire de chaque échantillon a été obtenue à partir de l'analyse d'image hyperspectrale,qui pourrait être utilisé pour remplacer le compteur de différence de couleur, et la stabilité de l'essai était bonne, la position d'échantillonnage de l'échantillon d'essai était flexible, et une mesure en plusieurs points pouvait être effectuée pour réaliser la détection automatique.

Dans le domaine de la science du bâtiment, la qualité et la sécurité des bâtiments sont toujours au centre et au cœur de la recherche.Avec le développement continu de l'industrie de la construction et les exigences croissantes des gens sur l'environnement de vie, la détection et l'évaluation précises des défauts de surface de la maison sont devenues très importantes.comme l'observation artificielle à l'œil nu et les outils de mesure simples, ont souvent de nombreuses limitations, telles qu'une forte subjectivité, une faible efficacité de détection et des difficultés à trouver des défauts mineurs potentiels.L'émergence de la technologie des caméras hyperspectrales a permis de mesurer les défauts de surface des bâtiments.Les caméras hyperspectrales sont capables d'acquérir des informations sur les objets dans plusieurs bandes spectrales étroites et continues, qui peuvent non seulement fournir des images spatiales de la surface de la maison,mais aussi révéler les différences dans les caractéristiques spectrales de différents matériauxCet avantage technique unique lui confère un grand potentiel d'application dans la détection, l'identification et l'analyse des défauts de surface du boîtier.L'objectif de cette étude est d'explorer en profondeur le principe de l'application, méthode et effet pratique de la caméra hyperspectrale dans la mesure des défauts de surface des bâtiments,afin de fournir de nouvelles idées et un soutien technique pour l'inspection et l'évaluation de la qualité dans le secteur de la construction.   Prenons par exemple le spectromètre à haute fréquence d'imagerie FS-23 avec balayage push intégré dans le spectre de couleurs Principe d'applicationLes caméras hyperspectrales fonctionnent en capturant la lumière réfléchie ou dispersée par un objet cible et en la décomposant en données spectrales de différentes longueurs d'onde.Ces données spectrales reflètent la composition du matériauDans la mesure des défauts de surface des bâtiments, la caméra hyperspectrale peut capturer les changements spectraux causés par le vieillissement, les dommages, lespollution, etc., afin d'identifier avec précision les défauts. Avantages liés à l'application1Identification de haute précision: les caméras hyperspectrales peuvent capturer de subtiles différences spectrales, ce qui leur permet d'identifier avec une grande précision divers défauts sur la surface de la maison, tels que des fissures, des fissures, des fissures, etc.écoulement, la corrosion, etc. 2Mesure sans contact: la caméra hyperspectrale adopte une méthode de mesure sans contact, qui ne causera pas de dommages secondaires à la surface du boîtier.éviter tout contact direct avec l'environnement potentiellement dangereux. 3Rapide et efficace: la caméra hyperspectrale peut compléter en peu de temps la numérisation et l'analyse des données de la surface d'une grande partie de la maison.qui améliore considérablement l'efficacité de la mesure. 4Analyse complète: combinée à des informations spectrales et spatiales, la caméra hyperspectrale peut effectuer une analyse complète des défauts sur la surface de la maison.y compris le type, l'emplacement et la gravité des défauts, fournissant un soutien solide pour les travaux de réparation ultérieurs. Exemple d'applicationDans le domaine de la détection des logements, les caméras hyperspectrales peuvent être combinées à d'autres méthodes de détection modernes, telles que la détection acoustique, la détection infrarouge, etc.,pour former un système de détection complet. 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. Par exemple, lors de la détection du vieillissement de la peinture extérieure de la maison, la caméra hyperspectrale peut capturer les changements spectraux causés par le vieillissement de la surface de peinture,en combinaison avec la méthode de détection infrarouge pour mesurer la répartition de la température de la surface de peinture, qui permet d'évaluer de manière exhaustive le degré de vieillissement de la peinture et les risques potentiels pour la sécurité.   Comme indiqué ci-dessous En résumé, les caméras hyperspectrales présentent des avantages d'application importants et des perspectives d'application larges dans la mesure des défauts de surface des bâtiments.Avec le progrès continu de la technologie et la réduction des coûts, la caméra hyperspectrale devrait être plus largement utilisée et promue dans le domaine de l'inspection des maisons.

Dans la recherche et l'application des silicates de minerai, nous sommes toujours confrontés à de nombreux défis.Comment comprendre les changements de structure et de composition des silicates de minerai? Comment explorer et exploiter efficacement les ressources minérales? Ces questions ont longtemps intrigué les géologues et les développeurs de ressources minérales.Ces problèmes semblent ouvrir la voie à de nouvelles solutions.La technologie hyperspectrale peut capturer les caractéristiques spectrales uniques des silicates de minerai, et par l'analyse de ces caractéristiques,nous pouvons réaliser l'identification précise des silicates de minerai, l'analyse structurelle et l'exploration rapide des ressources minérales.Il est d'une grande importance pratique d'explorer l'application de l'hyperspéctrum dans les silicates de minerai pour résoudre ces problèmes de longue date.. 一、 Scénarios d'application 1- Identification et classification des silicates de minerai:Identification du type de minerai: les différents minéraux en silicate de minerai ont des caractéristiques spectrales uniques,La technologie hyperspectrale permet d'identifier avec précision les types de minéraux silicatés contenus dans le minerai grâce à l'analyse de ces caractéristiques.Par exemple, en détectant des informations telles que l'emplacement, l'intensité et la forme des pics d'absorption ou de réflexion dans une plage de longueurs d'onde spécifique,il est possible de distinguer différents types de minéraux phyllosilicates tels que la kaolinite, montmorillonite et illite. Évaluation de la qualité du minerai: pour les minerais contenant plusieurs composants minéraux,l'hyperspectroscopie peut évaluer la qualité globale du minerai en fonction des caractéristiques spectrales de différents minéraux et de leur teneur relativeCela permet de déterminer rapidement la valeur et la direction d'utilisation du minerai lors de l'extraction et de la transformation du minerai. 2, analyse de la structure et de la cristallinité du silicate de minerai:Étude structurelle: l'hyperspectroscopie permet de détecter l'information structurelle des minéraux de silicate de minerai.en analysant les caractéristiques spectrales générées par la vibration des ions métalliques et des groupes hydroxyle (-OH) dans les minéraux, il est possible de comprendre la structure cristalline des minéraux, la nature des liaisons chimiques et la coordination des cations.Il est très important de mieux comprendre les propriétés physiques et chimiques et le mécanisme de formation des silicates de minerai.. Détermination de la cristallinité: la cristallinité est un facteur important affectant les propriétés des minéraux silicatés.La technologie hyperspectrale permet de juger de la cristallinité des minéraux en fonction des changements de leurs caractéristiques spectrales.Par exemple, avec l'augmentation de la cristallinité, l'intensité,la largeur et la forme du pic d'absorption spectrale ou du pic de réflexion de certains minéraux dans une plage de longueurs d'onde spécifique changent régulièrementEn surveillant et en analysant ces changements, la cristallinité des silicates de minerai peut être évaluée avec précision. 3, cartographie géologique des zones minières et exploration des ressources minérales:Cartographie géologique: Hyperspectrum peut effectuer une exploration et une analyse détaillées des conditions géologiques des zones minières et réaliser une cartographie géologique de haute précision.En identifiant les caractéristiques spectrales de différentes roches et minéraux, il peut diviser avec précision les unités géologiques, déterminer les limites stratigraphiques, identifier les structures géologiques, etc.,et fournir des données de base pour la recherche géologique et l'exploration des ressources minérales dans les zones minières. Exploration des ressources minérales: dans l'exploration des ressources minérales, la technologie hyperspectrale peut rapidement scanner une grande zone de zones minières pour détecter des ressources minérales potentielles.En analysant les caractéristiques spectrales des minéraux de silicate, nous pouvons trouver les informations de minéralisation cachées, déterminer la gamme de distribution et le degré d'enrichissement des minéraux,et fournir un soutien fort à l'exploration et au développement des ressources minérales.   二、Application pratique Instrument utilisé: caméra hyperspectrale FS-23 à spectre de couleur Effets de l'essai ConclusionLa réflectance de la courbe spectrale est évidente. Dans le cas de la lumière halogène, la partie contenant du silicate sera évidemment brillante,et la courbe spectrale aura des pics caractéristiques évidents (le réglage du temps d'exposition et l'étalonnage du blanc sont essentiels). 三、Prospectives de développement À l'avenir, la résolution spectrale, la résolution spatiale et le rapport signal/bruit des instruments hyperspectraux continueront de s'améliorer.La résolution spectrale plus élevée permet une capture plus précise des caractéristiques spectrales fines des minéraux de silicate de minerai, permettant d'identifier plus précisément les espèces minérales et d'analyser leurs structures.pour certains minéraux silicatés ayant des structures cristallines similaires et de légères différences de caractéristiques spectrales, les instruments spectraux à haute résolution peuvent mieux les distinguer.L'amélioration de la résolution spatiale permettra à la technologie hyperspectrale d'analyser de plus petites particules de minerai ou de structures minérales et de fournir des informations plus détaillées sur la répartition des minéraux., qui revêt une grande importance pour l'étude de la microstructure des minerais et de la relation entre les minéraux.Les instruments hyperspectraux se développeront progressivement dans le sens de la miniaturisation et de la portabilitéCela facilitera l'application de la technologie hyperspectrale dans l'exploration géologique sur le terrain, la surveillance des sites miniers et d'autres domaines.Les géologues peuvent détecter et analyser directement le minerai dans le champ., obtenir la composition minérale, la structure et d'autres informations du minerai dans le temps, et fournir un soutien plus rapide et précis des données pour l'exploration et le développement des ressources minérales.

Dans le domaine de l'ingénierie électrique, la surveillance de l'état des joints de lignes haute tension est toujours un maillon important pour assurer le fonctionnement sûr et stable du système électrique.Le phénomène de dépassement est un risque potentiel dans le fonctionnement des joints de lignes haute tension, ce qui peut entraîner une augmentation de la température, de la résistance et même du feu.La détection précise et rapide du phénomène de perte de puissance est d'une grande importance pour prévenir la survenance d'accidents électriques.Cette étude se concentrera sur le principe technique, 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、les caractéristiques des caméras hyperspectrales Haute résolution: les caméras hyperspectrales sont capables de capturer des images haute résolution, ce qui permet d'identifier avec précision les caractéristiques détaillées des joints de lignes haute tension dans des environnements complexes. Capacité d'analyse spectrale: la caméra hyperspectrale peut obtenir les informations spectrales de l'objet cible,qui revêt une grande importance pour l'analyse de la composition du matériau et de la répartition de la température du joint de fil haute tension. 二、 le principe de perte de détection La détection du décalage implique généralement la surveillance de la température, de la résistance et d'autres paramètres de l'articulation de la ligne haute tension.perte d'état supraconducteur)En analysant l'information spectrale de l'articulation, on peut déterminer si le système est fonctionnel.la caméra hyperspectrale peut déduire indirectement le changement de sa température et de sa résistance, afin de réaliser la détection du lapsus. 三、 l'application de la caméra hyperspectrale dans la détection de lapsus Acquisition d'images: la caméra hyperspectrale est utilisée pour photographier le joint de fil haute tension et obtenir l'image spectrale du joint.Traitement des données: les images spectrales collectées sont traitées et analysées, et des paramètres clés tels que la température et la résistance du joint sont extraits. Jugement de défaillance: selon les paramètres extraits, combinés à la valeur ou au modèle de seuil prédéfini, on juge si le joint présente un phénomène de défaillance. 四、 Précautions et limitations Facteurs environnementaux: des facteurs environnementaux tels que la lumière, la température, etc., peuvent affecter l'effet de prise de vue des caméras hyperspectrales.il est nécessaire de prêter attention au contrôle et à la correction des facteurs environnementaux dans le processus de prise de vueCapacité de traitement des données: la quantité de données capturées par les caméras hyperspectrales est importante et une forte capacité de traitement des données est requise.il est nécessaire de configurer l'équipement et l'algorithme de traitement des données correspondants dans le processus de demande. 五、 Exemples d'application et effets Dans les applications pratiques, des caméras hyperspectrales ont été utilisées pour surveiller l'état des joints des lignes de transmission haute tension.En prenant l'image spectrale de l'articulation régulièrement et en analysant et en traitant, la situation anormale de l'articulation peut être détectée à temps, telle qu'une augmentation anormale de la température, une augmentation de la résistance, etc., afin d'éviter l'apparition d'un défaut.La caméra hyperspectrale peut également fournir des informations telles que la composition du matériau et le degré de vieillissement de l'articulation, qui fournit une base scientifique pour l'entretien et le remplacement du joint.Instrument: spectre de couleur intégré à la balayeuse FS-23 spectromètre haut pratique. Équipement auxiliaire: source lumineuse spectrale constante - dispositif de transmission Source lumineuse: source lumineuse halogène linéaire En résumé, la caméra hyperspectrale présente un certain potentiel d'application et des avantages dans la détection des joints de lignes haute tension.Il est également nécessaire d'être attentif aux limites et aux défis en termes de facteurs environnementaux., les capacités de traitement des données et les problèmes de coût.les perspectives d'application de la caméra hyperspectrale dans le domaine de l'inspection et de la surveillance de la puissance seront plus larges.