時(shí)間:2022-07-11
作者:易科泰
點(diǎn)擊量:
簡(jiǎn)介:
ImSpector系列成像光譜儀,,是全球高光譜成像技術(shù)領(lǐng)導(dǎo)者Specim公司推出的高性能光譜儀,,專為VIS(380-800nm),、VNIR(400-1000nm)和NIR(900-1700nm)波段設(shè)計(jì)。ImSpector成像光譜儀為世界各地的集成商和機(jī)器制造商提供了一種簡(jiǎn)單的,、高性能的、高性價(jià)比的集成方法,當(dāng)它與科學(xué)灰度CCD/CMOS相機(jī)或InGaAs傳感器相結(jié)合時(shí),,即組成了一個(gè)線掃描光譜成像設(shè)備,應(yīng)用于日常使用的各種檢查,、分類和其他機(jī)器視覺解決方案,。
ImSpector成像光譜儀優(yōu)化了每個(gè)模組的光譜分辨率、探測(cè)器尺寸,、空間分辨率和成像速度,,可提供市場(chǎng)上最高光學(xué)性能的無(wú)失真圖像,以滿足最苛刻的應(yīng)用要求,。
可選前置光學(xué)鏡頭:
ü 標(biāo)準(zhǔn)系列:OL8,、OL12、OL17,、OL23,、OL35用于2/3英寸或更小探測(cè)器
ü 增強(qiáng)系列:OLE9、OLE18.5,、OLE23,、OLE140用于2/3英寸或更大探測(cè)器
ü 其他系列:OLES15、OLES22.5,、OLES30,、OLES56用于N17E
可選配件:
ü 機(jī)械快門(增強(qiáng)系列)
ü 收集光纖
ü 帶阻濾波器,OBF 570(矩形14×12mm或圓形20mm ?和17mm ?),,用于V10和V10E
ü 用于光源監(jiān)測(cè)的光纖漫射輻照度傳感器FODIS(增強(qiáng)系列)
技術(shù)參數(shù):
ImSpector |
V8 |
V10E |
V10H |
N17E |
光學(xué)性能 |
||||
光譜范圍 |
380-800nm *1 |
400-1000nm *1 |
400-1000nm *2 |
900-1700nm *2 |
色散 |
66nm/mm |
97.5nm/mm |
139nm/mm |
110nm/mm |
光譜分辨率 |
6nm (80μm狹縫) *2 |
2.8nm (30μm狹縫) *2 |
11.2nm (80μm狹縫) |
5nm (30μm狹縫) |
成像尺寸 |
6.6(光譜)×8.8(空間)mm,,對(duì)應(yīng)標(biāo)準(zhǔn)?”圖像傳感器 |
最大6.15(光譜)×14.2(空間)mm |
4.3(光譜)×6.6(空間)mm,對(duì)應(yīng)標(biāo)準(zhǔn)?”圖像傳感器 |
最大7.6(光譜)×14.2(空間)mm |
空間分辨率 |
光斑半徑<30μm |
光斑半徑<9μm |
光斑半徑<40μm |
光斑半徑<15μm |
像差 |
輕微像散 |
無(wú)像散 |
輕微像散 |
無(wú)像散 |
光譜線在空間軸上的彎曲 |
Smile<45μm |
Smile<1.5μm |
Smile<30μm |
Smile<5μm |
空間線在光譜軸上的彎曲 |
Keystone<40μm |
Keystone<1μm |
Keystone<20μm |
Keystone<5μm |
數(shù)值孔徑 |
F/2.8 |
F/2.4 |
F/2.8 |
F/2.0 |
默認(rèn)狹縫寬度 |
50μm(30,,80,,150可選) |
30μm(18,50,,80,,150μm可選) |
30μm(30,,80,150μm可選) |
|
狹縫長(zhǎng)度 |
9.6mm |
14.2mm |
9.8mm |
14.2mm |
光輸入 |
N/A |
遠(yuǎn)心鏡頭 |
N/A |
遠(yuǎn)心鏡頭 |
效率 |
>50%,,不受偏振影響 |
|||
雜散光 |
<0.5%(鹵素?zé)簦?90nm長(zhǎng)通濾波) |
<0.5%(鹵素?zé)簦?33nm陷波濾波) |
<0.5%(鹵素?zé)簦?400nm長(zhǎng)通濾波) |
|
機(jī)械性能 |
||||
尺寸 |
D 35×139mm |
W 60×H 60×L 175mm |
D 35×L 139mm |
W 60×H 60×L 220mm |
重量 |
300g |
1100g |
300g |
1500g |
機(jī)身 |
陽(yáng)極氧化鋁管 |
|||
相機(jī)接口 |
標(biāo)準(zhǔn)C-mount適配器 |
|||
用戶調(diào)節(jié) |
成像軸相對(duì)于探測(cè)器行,,可調(diào)后焦距+/- 1mm |
|||
環(huán)境性能 |
||||
存儲(chǔ)溫度 |
-20…+85℃ |
|||
運(yùn)行溫度 |
+5…+40℃,,無(wú)凝水 |
注:
*1 可在探測(cè)器窗口前安裝帶阻濾波器
*2 系統(tǒng)光譜和空間分辨率還取決于探測(cè)器的離散成像特性和透鏡質(zhì)量
南京財(cái)經(jīng)大學(xué)食品科學(xué)與工程學(xué)院Xueming He等研究人員,使用ImSpector V10e光譜儀+EMCCD相機(jī)組成400-1000nm高光譜成像系統(tǒng),,提取并整合光譜,、顏色和紋理特征,并采用酶聯(lián)免疫吸附試驗(yàn)(ELISA)方法測(cè)定參考AFB1水平,,用以實(shí)現(xiàn)一種基于非破壞性高光譜成像方法來(lái)區(qū)分正常和自然黃曲霉毒素B1(AFB1)污染的花生,。
圖1-1:高光譜成像系統(tǒng)示意圖(左);花生樣品RGB及分割處理圖像(右):(a1)- (a4)依次為AFB1含量最?。?.1 ppb)的花生分割前RGB圖像,、ROI二值圖像、分割后RGB圖像和分割后灰度圖像,;(b1)-(b4)為AFB1含量最高(599.21 ppb)的花生對(duì)應(yīng)圖像
對(duì)全光譜進(jìn)行了不同的預(yù)處理,,線性判別分析(LDA)結(jié)果表明,先進(jìn)行Savitzky-Golay平滑(SGS),,然后進(jìn)行標(biāo)準(zhǔn)正態(tài)變換(SNV)可以實(shí)現(xiàn)最佳判別,,對(duì)校準(zhǔn)集和驗(yàn)證集的準(zhǔn)確率分別為90%和92%。最后,,將偏最小二乘判別分析(PLS-DA)和支持向量機(jī)(SVM)的性能與LDA進(jìn)行了比較,帶有RBF核的支持向量機(jī)對(duì)校準(zhǔn)集和驗(yàn)證集的準(zhǔn)確率分別為93%和94%,,結(jié)果最好,。
圖1-2:(a) 所有150個(gè)花生樣品的原始光譜和(b)SGS+SNV光譜
本研究展示了高光譜成像在花生AFB1污染直接分類中的應(yīng)用潛力,并證明紋理和光譜特征的結(jié)合可以改善建模結(jié)果,。
應(yīng)用案例二:葡萄籽無(wú)損快速品種識(shí)別和可視化表達(dá)
浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院Yong He等研究人員,,使用ImSpector N17E光譜儀+ Xeva 992相機(jī)組成HSI系統(tǒng),分別采集了三個(gè)葡萄品種的14015,、14300和15042顆葡萄種子在874-1734nm光譜范圍內(nèi)的高光譜圖像,。通過(guò)小波變換對(duì)像素級(jí)光譜進(jìn)行預(yù)處理,然后提取每個(gè)葡萄籽的光譜,。對(duì)高光譜圖像進(jìn)行主成分分析(PCA),,使用前六個(gè)PCs的分?jǐn)?shù)用于定性識(shí)別不同品種之間的模式,前六個(gè)PCs的載荷用于識(shí)別有效波長(zhǎng)(EWs),。
圖2-1:左:對(duì)前六個(gè)主成分(PCs)的圖像進(jìn)行評(píng)分:(a)PC1,;(b) PC2;(c) PC3,;(d) PC4,;(e) PC5;和(f)PC6,。右:前六個(gè)主成分的載荷:(a)PC1,;(b) PC2,;(c) PC3;(d) PC4,;(e) PC5,;和(f)PC6
使用支持向量機(jī)(SVM)建立基于EWs的光譜判別模型。結(jié)果表明,,該方法能夠準(zhǔn)確地識(shí)別出每種葡萄籽的品種,,驗(yàn)證精度為94.3%,預(yù)測(cè)精度為88.7%,。使用每個(gè)品種的外部驗(yàn)證圖像來(lái)評(píng)估所提出的模型,,并形成分類圖,其中每個(gè)單個(gè)葡萄籽被正確識(shí)別為屬于不同的品種,。
圖2-2:(a)-(f)以此為品種I-Ⅲ的原始灰度圖像和相應(yīng)分類圖
總體結(jié)果表明,,高光譜成像(HSI)技術(shù)結(jié)合多元分析可以作為一種有效的工具,用于葡萄籽的無(wú)損快速品種識(shí)別和可視化表達(dá),,該方法在開發(fā)多光譜成像系統(tǒng)以供實(shí)際應(yīng)用方面具有很大潛力,。
參考文獻(xiàn):
[1] He X , Yan C , Jiang X , et al. Classification of aflatoxin B1 naturally contaminated peanut using visible and near-infrared hyperspectral imaging by integrating spectral and texture features[J]. Infrared Physics & Technology, 2021:103652.
[2] Yiying Z , Chu Z , Susu Z , et al. Non-Destructive and Rapid Variety Discrimination and Visualization of Single Grape Seed Using Near-Infrared Hyperspectral Imaging Technique and Multivariate Analysis[J]. Molecules, 2018, 23(6):1352-.