時間:2021-03-04
作者:易科泰
點擊量:
簡介:
IQ-Thermo便攜式高光譜成像與紅外熱成像系統(tǒng)
本系統(tǒng)憑借便攜,、輕巧、智能化、即開即用,、在線測量,、實時分析的特點,,廣泛適用于實驗室或野外等多種場景,,通過對葉片或冠層水平光譜反射及溫度進行高分辨率成像,可應用于快速無損,、高通量原位生態(tài)遙感監(jiān)測,、植被生物及非生物脅迫監(jiān)測、植物蒸騰及氣孔導度研究,、生物多樣性監(jiān)測等,,尤其對葉片及冠層尺度植被生長監(jiān)測、物種多樣性調查,、環(huán)境及生態(tài)系統(tǒng)動態(tài)變化等具有重要意義,。
本系統(tǒng)主要由光譜成像傳感器及便攜臺架組成,成像傳感器包括內置推掃智能高光譜成像單元和LWIR紅外熱成像單元,。高光譜成像單元集采集,、分析處理、結果可視化等功能特點于一體(ALL-IN-ONE),,具備IP等級防護和全自動運行特點,,內置WiFi可遠程控制,實現(xiàn)無人機值守工作,。曾榮獲2018年德國設計協(xié)會“紅點設計獎”—國際公認的全球工業(yè)設計頂級獎項、連續(xù)兩年獲得“inVISION全球頂級創(chuàng)意獎”,。紅外熱成像單元具有高達640×512px的像素分辨率及0.03℃超高靈敏度,,其低能耗、輕量級,、堅固結構設計完美適用于野外復雜嚴苛條件下原位監(jiān)測場景,。
應用領域:
適用于光合作用研究和植被脅迫研究,農(nóng)業(yè),、林業(yè),、生態(tài)系統(tǒng)監(jiān)測等領域。研究內容涉及光合活性、脅迫響應,、病蟲害監(jiān)測,、農(nóng)田測繪及普查等
ü 野外原位生態(tài)遙感監(jiān)測
ü 病蟲害監(jiān)測與防治
ü 森林資源調查評估
ü 樣方高通量遙感監(jiān)測
ü 植物表型與形態(tài)學研究
ü 作物產(chǎn)量評估及農(nóng)情監(jiān)測
ü 作物干旱脅迫監(jiān)測及灌溉管理
ü 農(nóng)田測繪及農(nóng)業(yè)普查
ü 作物育種及抗性篩選
ü 生物多樣性及種質資源調查
作物冠層溫度分析
功能特點
§ 系統(tǒng)化一體式設計,輕量便攜,,適合野外原位生態(tài)調查使用
§ 智能化高光譜成像傳感器,,覆蓋400-1000nm波段,可計算數(shù)十種植被指數(shù)圖像
§ 高性能紅外熱成像測溫系統(tǒng),,溫度分辨率0.03℃,,配有溫度數(shù)據(jù)專業(yè)分析軟件,提取感興趣區(qū)域溫度動態(tài)變化曲線
§ 高光譜成像傳感器具備GPS模塊,,便于不同地理位置的數(shù)據(jù)融合分析
主要技術指標:
1,、 系統(tǒng)化支架設計:集全太陽光譜雙光源、成像單元,、云臺及三腳支架于一體,,重約5kg,便攜組裝,、易于操作
2,、 400-1000nm智能高光譜成像:集光譜數(shù)據(jù)采集、自動掃描成像,、自動分析處理,、可視化分析結果等功能于一體,可通過光譜特征曲線創(chuàng)建App導入相機直接應用,,進行性狀快速篩選,、檢測、識別等功能
a) 光圈F/1.7
b) 光譜分辨率7nm
c) 光譜波段:204,,可選Bin 2x和Bin 3x
d) 內置GPS,,每個高光譜數(shù)據(jù)立方均自帶地理標簽,便于精準定位,、多源信息融合分析
e) 內置SAM算法,,無需任何復雜處理,即可快速實時顯示分析結果
f) 自帶4.3英寸觸摸屏+13個物理按鍵,,可快速實時測量分析得出結果
g) 具備USB或WIFI遠程控制功能,,可通過USB線纜或無線WIFI在軟件中控制相機運行
3、7.5-13.5μm紅外熱成像成像,,非制冷紅外焦平面檢測器,,640×512像素,出廠黑體校準,,內置NUC校準,,含校準證書溫度分辨率0.03℃,9/30/60Hz可選
a) 測溫范圍:-25℃至+150℃或+40℃至+550℃,可選1500℃
b) 溫度靈敏度≤0.03℃(30mK)@ 30℃,;
c) 數(shù)據(jù)傳輸:USB-3或GigE千兆以太網(wǎng)
d) 光學鏡頭,,可選配6.8mm、9mm,、13mm,、19mm鏡頭
e) 具備14種調色板供任意選擇,可多樣化設置熱成像假彩色
f) 具備等溫模式,、溫度預警,、ROI分析、溫度剖面,、3D溫度顯示,、輸出報告等功能
g) 支持CSV、非輻射JPEG,、輻射JPEG,、輻射視頻、AVI,、MP4等格式輸出
h) 防護等級:IP65,,適用野外嚴苛條件下適用
野外使用照片
安裝培訓
熱成像軟件截圖(左)高光譜數(shù)據(jù)分析截圖(右)
高光譜用于擬南芥表型分析(案例)
參考文獻:
1) Jan B , Kelvin A , Dzhaner E , et al. Specim IQ: Evaluation of a New, Miniaturized Handheld Hyperspectral Camera and Its Application for Plant Phenotyping and Disease Detection[J]. Sensors, 2018, 18(2):441-.
2) Xiao Z , Wang J . Rapid Nondestructive Defect Detection of Scindapsus aureus Leaves Based on PCA Spectral Feature Optimization[J]. IOP Conference Series Earth and Environmental Science, 2020, 440:032018.
3) Detection of Diseases on Wheat Crops by Hyperspectral Data
4) Barreto, Abel & Paulus, Stefan & Varrelmann, Mark & Mahlein, Anne-Katrin. (2020). Hyperspectral imaging of symptoms induced by Rhizoctonia solani in sugar beet: comparison of input data and different machine learning algorithms. Journal of Plant Diseases and Protection. 10.1007/s41348-020-00344-8.
5) Sajad Kiani, Saskia M. van Ruth, Leo W.D. van Raamsdonk, Saeid Minaei. Hyperspectral imaging as a novel system for the authentication of spices: A nutmeg case study. LWT - Food Science and Technology. 104(2019)61-69.
6) Edelman, G.J. & Aalders, M.C.G. (2018). Photogrammetry using visible, infrared, hyperspectral and thermal imaging of crime scenes. Forensic Science International. 292. 10.1016/j.forsciint.2018.09.025.
7) Yuan, X.; Laakso, K.; Davis, C.D.; Guzmán Q., J.A.; Meng, Q.; Sanchez-Azofeifa, A. Monitoring the Water Stress of an Indoor Living Wall System Using the “Triangle Method”. Sensors 2020, 20, 3261.
8) Kruglikov, N. & Danilenko, I. & Muftakhetdinova, Razilia & Petrova, Evgeniya & Grokhovsky, V.. (2019). Spectral characteristics of the meteoritic material after the modeling of thermal and shock metamorphism. AIP Conference Proceedings. 2174. 020227. 10.1063/1.5134378.