CHNSpec Technology （Zhejiang）Co.,Ltd Notizie della società

Il misuratore di differenza di colore è uno strumento di misura ottica di precisione che misura con precisione la differenza di colore attraverso il principio di conversione luce/elettricità.i dati sul colore dell'oggetto misurato sono raccolti da cinque angoli (15°), 45°, 110°) e i risultati delle misurazioni sono ottenuti analizzando e confrontando i dati di campionamento standard raccolti e i dati di campionamento.   Nel campo dell'ottica, il colore può essere misurato dallo scalare di colore di laboratorio, l'asse L è l'asse di luminosità, 0 è nero, 100 è bianco; L'asse A è l'asse rosso e verde, il valore positivo è rosso,il valore negativo è verde, 0 è un colore neutro; l'asse b è un asse giallo e blu, i valori positivi sono gialli, i valori negativi sono blu e 0 è un colore neutro.Queste scale possono essere utilizzate per rappresentare la differenza di colore tra il campione e il campione standard, di solito Δa, Δb, ΔL come identificatore, ΔE è definito come la differenza di colore totale del campione, ma non può rappresentare la direzione di deviazione della differenza di colore del campione,maggiore è il valore di ΔESecondo i principi Lab e Lch dello spazio cromatico CIE, la differenza di colore ΔE, Δa, Δb,I valori ΔL tra il campione e il campione standard possono essere misurati e visualizzati.   ΔE è generalmente calcolato con la seguente formula: Δ E * = [(Δ L *) + (Δ a *) + (Δ b *) ] 1/2   A volte alcune aziende richiedono una differenza di colore totale inferiore a 2, e alcune richiedono anche un valore di laboratorio.0, si raccomanda che Δa, Δb e ΔL siano tutti ≤ 1.5, ed è generalmente distinguibile visivamente quando ΔE è 1.5Dato che Δa, Δb e ΔL non sono generalmente fissi, nel caso di requisiti troppo severi,spesso sulla differenza di colore totale ΔE e differenza di colore Δc (senza considerare l'effetto luminosità) hanno requisiti, può essere calcolato secondo la seguente formula: ΔE*=[(ΔL*) + ((Δa*) + ((Δb*) ]1/2 Δc*=[(Δa*) + ((Δb*) ]1/2   Il misuratore della differenza di colore si basa sul principio Lab, Lch dello spazio cromatico CIE, la misurazione mostra il valore della differenza di colore △E e △Lab del campione e del campione da misurare.Il prodotto è ampiamente utilizzato nel rilevamento del colore delle vernici, inchiostro, tessile, abbigliamento, pelle, plastica, plastica, stampa, rivestimento, metallo, ecc., allora cosa rappresenta la lab sul color difference meter? L: nero e bianco, detto anche chiaro scuro, + significa bianco, - significa scuro; A: indica rosso verde, + indica rosso, - indica verde; B: indica il giallo e il blu, + indica il giallo, - indica il blu;   I valori di cui sopra sono relativi, semplice L, A, B è il valore assoluto, con questi tre valori può essere in una mappa tridimensionale, rappresenta con precisione un punto di colore,con il valore relativo può essere ottenuto e la differenza di punto di riferimento per correggere la differenza di colore totale ΔΕ= (Δa2+Δb2+Δl2) 1/2.   CIE (Commissione internazionale per l'illuminazione) Lab Color Space Breve introduzione: L: (luminosità) asse rappresenta nero e bianco, 0 è nero e 100 è 100 a: ((rosso verde) I valori positivi sono rossi, i valori negativi sono verdi e lo 0 è neutro. b; (giallo blu) gli assi positivi sono gialli, i valori negativi sono blu e lo zero è neutro.   Tutti i colori possono essere percepiti e misurati attraverso lo spazio colore del laboratorio, e questi dati possono anche essere utilizzati per rappresentare la differenza di colore tra il campione standard e il campione di prova,e sono generalmente espressi come △Eab (differenza totale di colore) △L △a △b.   Ad esempio, △L è positivo, indicando che il campione di prova è più chiaro del campione standard (bianco) △L è negativo, indicando che il campione di prova è più scuro del campione standard (nero).   Ad esempio: △a è positivo, indicando che il campione di prova è più rosso del campione standard (rosso) △a è negativo, indicando che il campione di prova è più verde del campione standard (verde)   Ad esempio: △b è positivo, indicando che il campione di prova è più giallo del campione standard (giallo) △b è negativo,indicando che il campione di prova è più blu del campione standard (blu)   △Eab ((o △E) è la differenza di colore totale, non indica la direzione dello spostamento della differenza di colore, maggiore è il valore indica maggiore è la differenza di colore.

Nel processo di produzione, spesso troviamo un problema, sotto questa fonte di luce per osservare il colore di campione standard A e campione standard B è lo stesso o la differenza di colore è molto piccolo,ma sotto un' altra fonte di luce per osservare il colore di A e B è molto diversoLo spettro eterocromatico è semplicemente lo stesso colore sotto una sorgente luminosa, ma la composizione dello spettro è diversa.L'industria della stampa e della tintura ha spesso detto che le luci saltanti e l'eterocroma sono un concetto.      Gli stessi due prodotti, sotto diverse fonti di luce, la visualizzazione del colore è diversa   La ragione fondamentale per i diversi colori delle diverse fonti di luce è che la riflettività spettrale dei due colori è diversa   Quindi nel processo di produzione reale come evitare l'insorgenza di fenomeni di spettro eterocromatico?   Prima di tutto, è necessario capire che ci sono tre elementi che determinano il colore della superficie di un oggetto: l'oggetto, la fonte di luce e l'osservatore.Solo quando questi tre elementi sono esattamente uguali, il colore della superficie dell'oggetto può essere completamente coerente. Gli osservatori sono spesso gli stessi, e dobbiamo controllare la coerenza degli elementi variabili di oggetti o fonti di luce per evitare il metacromatismo.   Il primo metodo consiste nell'unificare la sorgente luminosa.Possiamo utilizzare lo stesso ambiente come i luoghi comuni del cliente e le loro condizioni di illuminazione per svolgere il lavoro di abbinamento dei colori per ottenere condizioni e altri coloriQuesto metodo ha elevati requisiti ambientali, come la fonte luminosa, e non può effettivamente evitare il fenomeno del metacromatismo.   Il secondo metodo consiste nell'unificare la riflettività spettrale dell'oggetto.allora il colore dei due oggetti deve anche essere coerente in qualsiasi condizione di sorgente luminosa.   Il colore può essere visto intuitivamente, ma la riflettività spettrale non può essere osservata ad occhio nudo e deve essere identificata con l'aiuto di strumenti.I prodotti della serie di misurazione del colore spettrale sviluppati dalla tecnologia dello spettro cromatico non possono solo leggere visivamente il valore del colore, ma producono anche riflettività spettrale, che riduce notevolmente il carico di lavoro degli operatori di abbinamento dei colori e può aiutare gli operatori di abbinamento dei colori a migliorare l'accuratezza dell'abbinamento dei colori.

Il tipo spettrale più avanzato del misuratore di differenza di colore, cioè spesso diciamo che il misuratore di differenza di colore spettrale,questo strumento contiene un elemento ottico che può essere utilizzato per la dispersione spettrale.   Lo spettrophotometro utilizza generalmente prismi, griglie, filtri di interferenza, serie regolabili o discontinue di fonti luminose monocromatiche per ottenere la spettrophotometria,e poi analizza le informazioni di colore singolo secondo il principio di dispersione per ottenere numeri di coloreLo spettrophotometro può visualizzare le informazioni di crominanza in base allo spazio di crominanza inserito all'interno e alla formula di calcolo, e produrle in forma digitale.lo spettrophotometro può anche analizzare le informazioni sottostanti sui dati spettrali basate sui dati colorimetrici.   Sappiamo che la luce ultravioletta non è nello spettro visibile e non può essere catturata e osservata ad occhio nudo, ma può influenzare il cambiamento di colore.C'è uno spettrophotometro a risoluzione ultravioletta usato per misurare il cromo, che consente un'analisi del colore più accurata.   Tuttavia, ora più produttori preferiscono utilizzare componenti di misurazione del colore per completare questa misurazione, il componente può aiutare a misurare più informazioni sul colore del prodotto,mentre la precisione può essere garantita, ma il componente è più facile da regolare la tecnologia interna del misuratore di differenza di colore della luce, ma riduce anche il costo di fabbricazione dello strumento,in modo che più produttori possano permettersi.   Lo spettrophotometro è progettato per il confronto e la simulazione di dati colorimetrici visivi ed è un importante strumento ausiliario per la corrispondenza dei colori del computer,che può aiutare i principali produttori a completare l'analisi, elaborazione e monitoraggio delle informazioni spettrali e colorimetriche.che è in realtà il range di tolleranza di solito diciamo, nella produzione di lotti industriali, vi è una tolleranza per controllare il prodotto e la situazione qualificata, sia veloce che ragionevole.   Per misurare la differenza di colore tra i prodotti e il controllo del normale misuratore di differenza di colore è lo stesso, dobbiamo prima misurare le informazioni del prodotto campione standard,e quindi misurare le informazioni di colore del campioneIn effetti, la misurazione del colore e la gestione del colore sono la stessa in generale, ma lo spettrophotometro è più preciso e più completo.

Il misuratore di differenze di colore ha una vasta gamma di applicazioni nell'industria dei colori di superficie come rivestimenti, materiali da costruzione, vernici, rivestimenti, stampa e tintura tessile, inchiostro, materie plastiche,produzione di pigmenti coloranti, ecc., noto anche come spazio colore uniforme CIELAB. Analizziamo i valori di laboratorio in base all'interfaccia di misurazione della differenza di colore:   ColorMeter Pro è uno strumento di colore diverso, potente configurazione delle prestazioni, rendere la misurazione del colore più professionale; Lo strumento può essere collegato wirelessly a dispositivi Android o IOS,che amplia notevolmente il campo di applicazione della misurazione del colore. Vi porterà nel nuovo mondo della gestione dei colori, può sostituire la stampa, la vernice, tessuti e altre schede di colore, per ottenere lettura dei colori, le funzioni di ricerca delle schede di colore.   Valore di laboratorio del misuratore di differenza di colore: L: L'asse (luminosità) rappresenta nero e bianco, 0 è nero, 100 è bianco. a: (rosso verde) i valori positivi sono rossi, i valori negativi sono verdi e lo zero è neutro. b: (giallo blu) I valori positivi sono gialli, i valori negativi sono blu e lo 0 è neutro.   Tutti i colori possono essere percepiti e misurati attraverso lo spazio colore del laboratorio, e questi dati possono anche essere utilizzati per rappresentare la differenza di colore tra il campione standard e il campione di prova,e sono generalmente espressi come dE*ab (differenza totale di colore) dL*, da*, db*.   Quando dE è compreso tra 0 e 1, la differenza di colore non è visibile ad occhio nudo Se la dE è compresa tra 1-2, l'occhio umano è leggermente consapevole, se la sensibilità cromatica non è elevata, non è ancora visibile. Se il dE è compreso tra 2-3, la differenza di colore tra le sostanze può essere identificata leggermente chiaramente, ma non è relativamente evidente. Una volta che il dE raggiunge tra 3,5 e 5, la differenza di colore è molto evidente. Quindi dE sopra 5 sembra due colori.   Come i dati del tesoro delle differenze di colore: dL* è positivo 22,6, il che indica che il campione di prova è più chiaro (più bianco) del campione standard, e l'interfaccia visualizzerà direttamente quanto sia bianco e meno nero; se dL* è negativo,il campione di prova è più scuro (più scuro) del campione standard. da* è 47,7 positivo, indicando che il campione di prova è più rosso del campione standard (rossiccio), e l'interfaccia mostrerà direttamente più rosso e meno verde; viceversa, se da* è negativo,il campione di prova è più verde del campione standard (verdeggiante). Db* è 43,4 positivo, indicando che il campione di prova è più giallo del campione standard (giallastro), l'interfaccia visualizzerà direttamente più giallo e meno blu;se db* è negativo, il campione di prova è più blu del campione standard (più blu). dE*ab ((o dE) è la differenza di colore totale, non indica la direzione del spostamento della differenza di colore, maggiore è il valore indica maggiore è la differenza di colore.   Formula di differenza di colore: dE=[(dL) 2+(da) 2+(db) 2) 1/2. dL=L Prodotto sottoposto a prova -L campione standard (luminosità/differenza tra bianco e nero) da=a Prodotto sottoposto a prova - campione standard (differenza rosso/verde) db=b Prodotto sottoposto a prova - b campione standard (differenza giallo/blu) △L+ significa bianco, △L- significa nero △a+ è rosso, △a- è verde △b+ indica giallo, △b- indica blu   Nel complesso, il contatore di differenza di colore è un'operazione conveniente, intuitivo rilevamento dei dati di apparecchiature di differenza di colore, attualmente nella produzione quotidiana e nel processo di vita è molto ampiamente utilizzato,così la necessità di amici di gestione del colore può studiare attentamente il significato del valore di laboratorio sopra.

SCI si riferisce all'inclusione della modalità di luce riflessa speculare,generalmente utilizzato per coloro che studiano le proprietà del colore stesso senza preoccuparsi del colore attaccato alla lucentezza superficiale dei produttori di campioniSCE si riferisce al metodo che non contiene luce riflessa speculare,che è generalmente adatto per i campioni che sono direttamente osservati e richiedono che i risultati delle misurazioni siano molto vicini alla vista visiva, come ad esempio gli alloggiamenti degli elettrodomestici.   Nella modalità di misurazione SCE, la luce riflessa speculare è esclusa e viene misurata solo la luce diffusa.Quando viene utilizzata la modalità SCI, la luce riflessa speculare è inclusa nella misurazione insieme alla luce diffusa. Il valore misurato in questo modo è il colore oggettivo complessivo dell'oggetto,e non ha nulla a che fare con le condizioni superficiali dell'oggettoQuesti criteri devono essere presi in considerazione quando si sceglie uno strumento.Alcuni strumenti possono anche misurare i valori in modalità SCE e SCI.   Le opzioni SCI e SCE appaiono generalmente solo nelle impostazioni degli strumenti di misurazione del colore della struttura d/8.                                     Anche se l'oggetto è fatto dello stesso materiale, il colore sembrerà diverso a causa della differenza di lucentezza superficiale.   Poiché la luce di una sorgente luminosa produce luce che viene riflessa indietro dallo stesso angolo in direzioni diverse, la chiamiamo luce riflessa speculare,perché la luce è come se fosse riflessa da uno specchioLa luce che non è riflessa dalla riflessione speculare ma dispersa in tutte le direzioni è chiamata luce diffusa.   Su superfici lisce e luminose, la luce speculare è più forte e la luce diffusa è più debole.ignorano la luce riflessa speculareQuando si misurano tali campioni, per rendere i dati uguali all'oggetto, si deve escludere la luce riflessa speculare e misurare solo la luce diffusa.Il colore di un oggetto è diverso a causa della quantità di luce riflessa dallo specchio che osserviamo.

In questo studio è possibile utilizzare una telecamera iperspettrale da 400 a 1000 nm, e i prodotti della Hangzhou Color Spectrum Technology Co., LTD FS13 conduce ricerche correlate. La gamma spettrale è di 400-1000 nm, e la risoluzione della lunghezza d'onda è migliore di 2,5 nm, fino a 1200 nm. Velocità di acquisizione fino a 128FPS in tutto lo spettro, fino a 3300Hz dopo la selezione della banda (supporto multi-zona) Selezione della banda di dominio). La clorofilla svolge un ruolo importante nella fotosintesi delle piante e il suo contenuto è un importante indicatore dello stress nutrizionale delle piante, della capacità fotosintetica e dello stato di crescita.La rilevazione del contenuto di clorofilla vegetale può essere utilizzata per monitorare la crescita e lo sviluppo delle piante, al fine di orientare scientificamente la gestione della coltivazione e della concimazione, garantire una buona crescita delle colture, migliorare la qualità e la resa delle colture,che è di grande importanza per la pratica dell'agricoltura e della silvicoltura di precisioneIl metodo tradizionale di rilevazione del contenuto di clorofilla è il metodo della chimica analitica, cioè le foglie vengono raccolte in laboratorio, estratte con solvente chimico,e quindi l'assorbimento del liquido estratto a due lunghezze d'onda specifiche viene determinato sul spettrophotometro, e il contenuto di clorofilla è calcolato secondo la formula.e non può soddisfare i requisiti di test rapidi non distruttivi sul campo.   La spettroscopia visuale in infrarosso vicino è un metodo di analisi e rilevazione rapidamente sviluppato negli ultimi anni.che possono sfruttare appieno i dati spettrali a spettro completo o a lunghezza d'onda multipla per analisi qualitative o quantitativeRispetto al metodo tradizionale di chimica analitica, la spettroscopia vicino infrarosso visibile ha le caratteristiche di analisi rapida, elevata efficienza, basso costo, nessun danno, nessun inquinamento, ecc.ed è stato ampiamente utilizzato in molti campiIn questo documento, i segnali spettrali visivi vicino infrarossi delle foglie delle piante sono stati ottenuti mediante campionamento a trasriflettanza e i dati spettrali sono stati pre-elaborati mediante lisciatura,differenziazione di primo ordine e trasformazione waveletPer determinare il tenore di clorofilla e gli spettri di assorbimento delle foglie delle piante è stato utilizzato il metodo del minimo quadrato parziale (PLS). In questo documento è stato proposto un nuovo metodo per la determinazione del contenuto di clorofilla nelle piante mediante spettroscopia in infrarosso vicino visibile.Il metodo di campionamento della riflettività viene utilizzato per raccogliere lo spettro della lama, e i metodi di levigamento, di differenziale e di trasformazione a onde vengono utilizzati per preelaborare i dati spettrali, riducendo l'influenza di fattori non bersaglio e migliorando il rapporto segnale/rumore.Allora..., è stato stabilito un modello di analisi quantitativa del contenuto di clorofilla nelle foglie e dello spettro di assorbimento delle foglie utilizzando il metodo parziale meno quadrato.La precisione di previsione del modello soddisfa i requisiti delle applicazioni pratiche di misuraI risultati di questo studio hanno dimostrato che l'applicazione della spettroscopia visiva vicino infrarosso per rilevare il contenuto di clorofilla delle foglie era fattibile.che ha fornito una base per la rilevazione rapida del contenuto di clorofilla nelle foglie, e ha posto le basi per lo sviluppo di strumenti di prova non distruttivi corrispondenti in futuro.

In questo studio, è stata applicata una telecamera iperspettrale da 900-1700 nm e FS-15, prodotto della Hangzhou Color Spectrum Technology Co., LTD., potrebbe essere utilizzata per ricerche correlate.Telecamera iperspettrale ad onde corte nell'infrarosso vicino, la velocità di acquisizione dell'intero spettro fino a 200 FPS, è ampiamente utilizzata per l'identificazione della composizione, l'identificazione delle sostanze, la visione artificiale, la qualità dei prodotti agricoli,rilevamento dello schermo e altri campi.   Le antocianine sono una importante classe di composti fenolici presenti nell'uva e nel vino, che si trovano principalmente nei vacuoli delle cellule nei 3-4 strati sotto l'epidermide delle bacche d'uva.È un fattore importante per determinare la qualità sensoriale del vinoIl metodo tradizionale di rilevazione chimica distruggerà l'oggetto di rilevazione,e è difficile ottenere un rilevamento rapido e di grandi dimensioni del campioneTuttavia, ci sono pochi studi sul rapido rilevamento delle antocianine nei frutti di uva da vino in patria e all'estero.La tecnologia di imaging iperspettrale come metodo di prova non distruttivo ha attirato ampia attenzione, rispetto alla tradizionale tecnologia di spettroscopia vicino all'infrarosso, la tecnologia di imaging iperspettrale presenta vantaggi unici.ogni volta può essere ottenuta una o più informazioni spettraliLa tecnologia dell'immagine iperspettrale permette di ottenere l'immagine dell'analito,che non solo fornisce informazioni più abbondanti, ma fornisce anche un metodo di analisi più ragionevole ed efficace nell'elaborazione dei dati spettrali.Nel processo di modellazione utilizzando la tecnologia di imaging iperspettrale combinata con il metodo dei minimi quadrati parziali, con l'approfondimento della ricerca sul metodo PLS,si constata che è possibile ottenere modelli di correzione quantitativa migliori selezionando le lunghezze d'onda o gli intervalli di lunghezza d'onda caratteristici con metodi specifici.   In questo esperimento, l'immagine iperspettrale delle bacche d'uva è stata ottenuta sulla base del sistema di imaging iperspettrale a infrarosso vicino di 931 ~ 1700 nm.L'algoritmo di proiezione continua SPA è stato utilizzato per selezionare le variabili di lunghezza d'onda, e infine 20 variabili spettrali sono state selezionate da 236 punti di lunghezza d'onda.I risultati mostrano che: (1) L'algoritmo di proiezione continua SPA può non solo selezionare efficacemente le variabili spettrali caratteristiche, semplificare il modello di correzione e ridurre il tempo di correzione,ma anche migliorare la precisione di previsione del modello, che è un metodo efficace e pratico per la selezione delle variabili spettrali. (2) Tra i quattro modelli di previsione, PLS, SPA-MLR, SPA-BPNN e SPA-PLS, il modello SPA-PLS ha il miglior effetto di previsione e il suo coefficiente di correlazione di previsione R..9000 e 0.5506Pertanto, la correlazione tra i dati spettrali delle bacche di uva e il contenuto di antocianine nelle bucce è elevata.La tecnologia dell'imaging iperspettrale a infrarossi vicini può rilevare efficacemente il contenuto di antocianine nelle bucce d'uva.

In questo studio, è stata applicata una telecamera iperspettrale da 400-1000 nm, e FS13, un prodotto della Hangzhou Color Spectrum Technology Co., LTD., potrebbe essere utilizzato per ricerche correlate.,la risoluzione della lunghezza d'onda è migliore di 2,5 nm e possono essere raggiunti fino a 1200 canali spettrali; la velocità di acquisizione può raggiungere i 128 FPS in tutto lo spettro,e il massimo dopo la selezione della banda è 3300Hz (supporto alla selezione della banda multi-regione). La produzione cinese di riso rappresenta oltre il 30% della produzione mondiale di riso e il "riso Meihe" nella provincia di Jilin è un prodotto di indicazione geografica del riso japonica cinese,e la sua zona di produzione si trova nella fascia di produzione mondiale di cereali dorati (45° di latitudine nord)Nella vita pratica, ci sono molti tipi di riso Meihe,e metodi chimici quali la determinazione dell'azoto Kjellod e la spettrophotometria sono solitamente utilizzati per determinare il contenuto proteico delle diverse varietà di riso, ma questi metodi chimici tradizionali non sono solo distruttivi per il campione stesso, ma anche complessi e troppo lunghi.la spettroscopia a infrarossi è stata ampiamente utilizzata per rilevare i principali componenti del riso (proteine ≥, grassi β, amido III, acqua), ma può ottenere solo il contenuto dei componenti in base alle informazioni spettrali e non può ottenere un'espressione più intuitiva, cioèla visualizzazione del contenutoL'iperspetro è un cubo tridimensionale di dati che include informazioni di immagine e informazioni spettrali.L'immagine iperspettrale ottenuta contiene sia informazioni interne del riso (struttura fisica interna e informazioni sulla composizione chimica) sia informazioni esterne del riso (tipo di grano), difetti, ecc.), che possono compensare la mancanza di immagine che il NIR non può identificare rapidamente la distribuzione spaziale di una determinata sostanza.Akita Omachi e Jijing 60) da 4 zone produttive della città di MeiheLa tecnologia di imaging iperspettrale è stata utilizzata per rilevare il riso raccolto e ottenere lo spettro medio della regione di interesse del riso.Per ridurre il rapporto segnale/rumore dello spettro e ottenere un modello relativamente robusto, tre tipi di modelli di previsione del contenuto di proteine del riso, tra cui la regressione parziale del minimo quadrato, la regressione dei componenti principali e la rete neurale di retropropagazione degli errori,sono stati stabiliti mediante levigamento convoluzionaleSPA è stato utilizzato per selezionare la lunghezza d'onda caratteristica, stabilire il modello di lunghezza d'onda caratteristica,e trasformare l'immagine iperspettrale del riso nella mappa di distribuzione del contenuto proteico per realizzare la visualizzazione del contenuto proteico del riso di diverse varietà. La fattibilità della visualizzazione della distribuzione del contenuto proteico nel riso è stata studiata utilizzando la tecnologia di imaging iperspettrale.Un modello di previsione del contenuto di proteine PLSR semplificato ed efficiente è stato ottenuto con il metodo di pretrattamento spettrale MC e la selezione delle bande caratteristiche SPA.Sulla base del modello quantitativo, è stata visualizzata la distribuzione del contenuto proteico nel riso di diverse varietà e origini diverse.è difficile distinguere il riso dalle immagini RGB ordinarieL'imaging della distribuzione del contenuto proteico può fornire idee per identificare l'origine del riso,e confrontare le mappe di distribuzione del contenuto proteico del riso tra le diverse varietà può fornire prove per la successiva riproduzione di varietà di riso.

In questo studio, una macchina fotografica hyperspectral 400-1000nm si è applicata e FS13, un prodotto della tecnologia il Co., srl dello spettro di colori di Hangzhou, potrebbe essere usato per la ricerca relativa. L'ampiezza dello spettro è 400-1000nm, la risoluzione di lunghezza d'onda è migliore di 2.5nm e fino a 1200 canali spettrali possono essere raggiunti. La velocità di acquisizione può raggiungere 128FPS nello spettro completo ed il massimo dopo che la selezione della banda è 3300Hz (selezione multiregionale della banda di sostegno).   La lattuga è ricca in proteina, carboidrati, vitamine ed altre sostanze nutrienti e l'area di piantatura è ampia. L'azoto è uno della maggior parte dei elementi importanti che colpiscono la crescita di lattuga. Per stabilire un rapido, il metodo efficiente e non distruttivo per rilevazione contenta dell'azoto di lattuga è conveniente da guidare la fecondazione ragionevole di lattuga. Attualmente, ci sono pochi rapporti sull'uso della tecnologia hyperspectral di immagine individuare il contenuto dell'azoto in foglie della lattuga. In questo studio, la tecnologia hyperspectral di immagine si è applicata a rilevazione non distruttiva del contenuto dell'azoto in foglie della lattuga. Studiando gli effetti di vari metodi spettrali di pretrattamento su PLSB che modella, i metodi spettrali appropriati di pretrattamento sono stati selezionati per le foglie della lattuga e le lunghezze d'onda sensibili adatte a contenuto di predizione dell'azoto in foglie della lattuga sono state ottimizzate. Un tentativo è stato fatto di stabilire il modello di previsione più semplice ed ottimale del contenuto dell'azoto in foglie della lattuga. Questo insieme dei metodi non è stato riferito ed inoltre fornisce una base per lo sviluppo del rivelatore di verdure portatile dell'elemento nutriente, che ha forte valore pratico.   Le immagini hyperspectral di 60 foglie della lattuga sono state raccolte dalla tecnologia hyperspectral di immagine ed il contenuto dell'azoto delle foglie corrispondenti della lattuga è stato determinato dall'analizzatore di portata continuo AutoAnalyzer3. I dati spettrali medii delle regioni 50×50 sulla superficie delle foglie crude della lattuga sono stati estratti dal software di ENVI. I dati spettrali medii estratti sono stati preelaborati (8 generi di metodi di pretrattamento). Per concludere, i dati spettrali originali e 8 generi di dati spettrali di pretrattamento sono stati usati come l'input di PLSR per stabilire 9 modelli di previsione per il contenuto nell'azoto di lattuga. Confrontando i risultati di questi 9 modelli di previsione, la previsione ottimale OSC+PLSR di modello è stata selezionata ed il diagramma di coefficiente di regressione del modello di OSC+PLSR è stato analizzato. 13 lunghezze d'onda sensibili sono state selezionate e poi 13 lunghezze d'onda sensibili sono state prese come input di PLSR. Per concludere, il modello di previsione del contenuto dell'azoto della lattuga di OSC+SW+PLSR è stato stabilito. Rispetto al modello di OSC+PLSR, l'efficienza di previsione notevolmente è stata migliorata, che può essere utilizzata come nuovo metodo efficiente, accurato e non distruttivo per la previsione del contenuto dell'azoto nelle foglie della lattuga e può fornire un riferimento per la diagnosi di nutrizione dell'azoto e la fecondazione economica e razionale di lattuga.

In questo studio è possibile utilizzare una fotocamera iperspettrale da 400-1000 nm e i prodotti di Hangzhou Color Spectrum Technology Co., LTD FS13 conduce ricerche correlate.La gamma spettrale è 400-1000 nm e la risoluzione della lunghezza d'onda è migliore di 2,5 nm, fino a 1200 Due canali spettrali.Velocità di acquisizione fino a 128FPS nell'intero spettro, fino a 3300Hz dopo la selezione della banda (supporto multizona Selezione della banda del dominio).   Con la promozione della strategia sui cereali di base delle patate in Cina, la catena industriale legata alle patate si è sviluppata rapidamente e la qualità delle patate è diventata una questione scottante.Tuttavia, difetti come la buccia verde e i danni meccanici incidono seriamente sulla quantità complessiva di patate, in particolare la forma complessa delle patate con la buccia verde; i difetti non sono facili da identificare e aumentano la difficoltà di rilevamento.Allo stesso tempo, se il contenuto di solanina nella patata verde supera lo standard commestibile, ciò causerà un'intossicazione alimentare e causerà problemi di sicurezza alimentare.Pertanto, è di grande importanza studiare un metodo di rilevamento rapido e non distruttivo per la lavorazione profonda delle patate e l'estensione della catena industriale delle patate.   La tecnologia di imaging iperspettrale presenta i vantaggi di un'ampia gamma di banda e può ottenere contemporaneamente l'immagine e le informazioni spettrali nell'intervallo di banda corrispondente del campione testato, quindi è stata ampiamente utilizzata nei test rapidi non distruttivi dei prodotti agricoli.Per risolvere il problema che la patata con la buccia verde chiaro non è facile da riconoscere in una posizione arbitraria, sono state utilizzate tecniche di imaging iperspettrale a semi-trasmissione e riflessione per confrontare e analizzare ed è stata determinata l'accuratezza del riconoscimento del modello con diversi metodi di imaging iperspettrale .Le immagini iperspettrali semi-trasmesse e iperspettrali riflesse di campioni di patate sono state raccolte in qualsiasi posizione e sono stati stabiliti modelli di rilevamento basati rispettivamente sulle informazioni dell'immagine e sulle informazioni spettrali e sono stati confrontati i tassi di riconoscimento di diversi modelli.Stabilire ulteriormente modelli di fusione di immagini e spettro o diversi modelli di fusione di immagini per migliorare le prestazioni del modello e infine determinare il modello ottimale. (1) Viene confrontata l'accuratezza dei modelli di riconoscimento delle informazioni sull'immagine con diversi metodi di imaging iperspettrale.Il tasso di riconoscimento della mappatura isometrica combinata con il modello di rete di credenze profonde basato su informazioni di immagini semi-trasmesse è solo del 78,67%.Il tasso di riconoscimento dell'espansione della varianza massima combinato con il modello di rete di credenze profonde basato sulle informazioni dell'immagine riflessa è solo del 77,33%.I risultati hanno mostrato che la precisione del rilevamento della patata verde chiaro mediante le informazioni della singola immagine non era elevata. (2) Viene confrontata l'accuratezza dei modelli di riconoscimento delle informazioni spettrali con diversi metodi di imaging iperspettrale.Il tasso di riconoscimento della disposizione dello spazio tangente locale combinato con il modello di rete di credenze profonde basato sulle informazioni dello spettro di semi-trasmissione è il più alto, pari al 93,33%.Il tasso di riconoscimento della disposizione spaziale della tangente locale combinato con il modello di rete di credenze profonde basato sulle informazioni spettrali di riflettanza arriva fino al 90,67%.I risultati mostrano che è possibile utilizzare singole informazioni spettrali per rilevare le patate verde chiaro, ma il tasso di riconoscimento deve essere ulteriormente migliorato. (3) Viene confrontata l'influenza di tre metodi di fusione di informazioni da più fonti sull'accuratezza del riconoscimento.L'accuratezza dei tre modelli di fusione dell'immagine semi-trasmessa e dello spettro semi-trasmesso, dell'immagine riflessa e dello spettro di riflessione, dello spettro semi-trasmesso e dello spettro di riflessione è superiore a quella dell'immagine singola o del modello spettrale e del modello di fusione della rete di credenze profonde di lo spettro semi-trasmesso e lo spettro di riflessione sono i migliori e il tasso di riconoscimento del set di correzione e del set di test è del 100%.I risultati mostrano che il modello di fusione dello spettro di semi-trasmissione e dello spettro di riflessione può realizzare test non distruttivi su patate dalla buccia verde chiaro.

In questo studio, le macchine fotografiche hyperspectral della banda 400-1000nm e 900-1700 nanometro si sono applicati ed i prodotti FS13 e FS15 della tecnologia il Co., srl dello spettro di colori di Hangzhou potrebbero essere usati per la ricerca relativa. L'ampiezza dello spettro è 400-1000nm, la risoluzione di lunghezza d'onda è migliore di 2.5nm e fino a 1200 canali spettrali possono essere raggiunti. La velocità di acquisizione può raggiungere 128FPS nello spettro completo ed il massimo dopo che la selezione della banda è 3300Hz (selezione multiregionale della banda di sostegno). La carne pricipalmente include il bestiame ed il pollame ed i prodotti acquatici, le proteine, gli acidi grassi, gli oligoelementi ed altre sostanze importanti di energia stati necessario dal corpo umano sono derivati da carne. Con il miglioramento continuo dei livelli di vita, la gente presta più attenzione alla qualità di alimento e di nutrizione equilibrata nella dieta, ma alcuni commerci illegali mescoleranno una certa carne di bassa qualità in carne di alta qualità, scadente, particolarmente nel 2013 «onda della carne di cavallo» di Europa, hanno avviato la preoccupazione estrema della gente circa adulterazione della carne. I metodi di rilevazione di adulterazione della carne comprendono l'esame organolettico, la tecnologia fluorescente di rilevazione di PCR, l'analisi dell'elettroforesi e la tecnologia enzima-collegata di dosagggio immunologico, ecc., ma la maggior parte di loro richiedono il pretrattamento del campione e l'operazione di prova è complicata e che richiede tempo e è difficili da raggiungere la tempestiva rilevazione in tempo reale di grande dimensione del campione nel campo.   La maggior parte dei rapporti attuali della letteratura hanno usato la tecnologia dell'immagine hyperspectral della unico banda per distinguere l'adulterazione della carne, ma pochi hanno usato due bande per l'analisi comparativa. In questo esperimento, il montone disgelato di alta qualità è stato selezionato come l'adulterante e la carne dell'anatra con il prezzo basso è stata verniciata relativamente. Le informazioni Hyperspectral dei campioni sono state raccolte nelle due bande di vicino all'infrarosso visibile (400 ~ 1 000 nanometro) ed onda corta vicina all'infrarosso (900 ~ 1700 nanometro) e un modello quantitativo sono stati stabiliti selezionando i metodi appropriati di pretrattamento. Il modello ottimale è stato selezionato per l'inversione di immagine e un metodo di visualizzazione per tempestiva rilevazione quantitativa di adulterazione del montone è stato proposto per fornire i dati ed il supporto tecnico per la rilevazione quantitativa di adulterazione del montone. (1) per la banda di 400 ~ 1000 nanometro, la interamente banda SODDISFANNO il modello stabilito dopo che il pretrattamento di normalizzazione ha il più alta accuratezza; Per la banda di 900-1700 nanometro, la interamente banda SODDISFA il modello stabilito dopo che il pretrattamento di SNV ha il più alta accuratezza. Selezionando la lunghezza d'onda delle due bande spettrali nell'ambito del metodo ottimale di pretrattamento, è trovato che il collinearity fra le lunghezze d'onda selezionate è minimo e rappresentativo in base ad eliminare la multicollinearità, che può più ulteriormente migliorare l'accuratezza e la semplicità del modello.   (2) là è più informazioni sui gruppi relativi alla composizione nella carne nella banda di 900-1700 nanometro, che può riflettere meglio le caratteristiche di carne e può essere più adatta ad identificazione di adulterazione della carne. Per ingrandire il comprensività e l'applicabilità del modello, l'esperimento dovrebbe essere esteso allo spettro di vicino infrarosso dell'onda lunga (1 700 ~ 2500 nanometro). Allo stesso tempo, il montone e la carne di alta qualità dell'anatra selezionati nell'esperimento sono stati imballati come prodotti finiti in supermercati locali. Se il modello successivo può applicarsi allo studio su adulterazione del montone in ambienti vari (temperatura, umidità, forma, ecc.), varietà differenti, qualità differenti, i metodi d'alimentazione differenti e la freschezza differente ha bisogno di ulteriori verifica e discussione.  

In questo studio è stata applicata una fotocamera iperspettrale da 900-1700 nm e FS-15, il prodotto di Hangzhou Color Spectrum Technology Co., LTD., potrebbe essere utilizzato per la ricerca correlata.La fotocamera iperspettrale nel vicino infrarosso a onde corte, la velocità di acquisizione dell'intero spettro fino a 200FPS, è ampiamente utilizzata nell'identificazione della composizione, identificazione della sostanza, visione artificiale, qualità dei prodotti agricoli, rilevamento dello schermo e altri campi.        Il pomodoro è un raccolto di bacche dal sapore unico e ricco di una varietà di sostanze nutritive, tra cui glutatione, vitamine, licopene, beta-carotene e altri ingredienti bioattivi, e ha un alto valore nutritivo.Con il rapido sviluppo dell'economia globale, la domanda di pomodori e prodotti per la trasformazione del pomodoro nel mercato dei consumatori è in aumento.Il pomodoro è diventato anche una delle colture orticole e frutticole più coltivate e consumate al mondo.Inoltre, con il miglioramento generale del tenore di vita delle persone, la qualità interna, la qualità dell'aspetto, la qualità di conservazione e trasporto e l'eccellente sapore e gusto dei pomodori sono diventati sempre più importanti per i consumatori e anche l'industria cinese del pomodoro sta affrontando nuove sfide e opportunità .Secondo l'indagine, la maturità e la qualità di conservazione dei pomodori sono molto importanti per l'industria del pomodoro, e la qualità interna dei pomodorini, così come l'eccellente sapore e gusto, sono più preoccupati dai consumatori.Sulla base dello sviluppo e dell'applicazione di big data, la semina automatica, la raccolta meccanizzata e la classificazione intelligente dei pomodori vengono realizzate per ottenere una maggiore produzione ed efficienza dei pomodori.Al momento, ci sono state alcune ricerche sul rilevamento della qualità del pomodoro basate sullo spettro in patria e all'estero, ma nei modelli di rilevamento della qualità del pomodoro esistenti, l'estrazione di informazioni spettrali efficaci è ancora una difficoltà di ricerca e il rilevamento della qualità interna del pomodoro attraverso un'appropriata resta da studiare metodi di controllo non distruttivi.     Nello studio del rilevamento non distruttivo del contenuto solido solubile dei pomodorini basato sulla tecnologia di imaging iperspettrale, sono stati selezionati 191 pomodorini come oggetti di ricerca, sono stati raccolti dati di immagini iperspettrali nell'intervallo 865,11 ~ 1711,71 nm e la regione di interesse di L'immagine iperspettrale dei pomodorini è stata segmentata dall'algoritmo K-means.Lo spettro medio di questa regione è stato estratto come dati spettrali originali del pomodoro ciliegino.MA e MSC sono stati utilizzati per preelaborare i dati spettrali originali e i campioni di pomodorini sono stati divisi in set di addestramento e set di test basati sull'algoritmo KS.Al fine di migliorare l'efficacia delle informazioni contenute nella banda caratteristica, l'algoritmo SPA e l'algoritmo PCA sono stati combinati per eseguire l'analisi delle componenti principali sui dati spettrali, e quindi confrontati con gli algoritmi PCA e miRF, un modello di rilevamento SSC basato su PLSR di cherry tomato è stato stabilito e il modello è stato verificato dai dati del set di test.I risultati mostrano che l'accuratezza del rilevamento del modello basato sulla componente principale estratta da SPA-PCA è ovviamente ottimizzata.Dai risultati di rilevamento dei modelli, tra i tre modelli, il modello SPA-PCA-PLSR ha il miglior effetto di rilevamento, R, 0,9039.L'effetto di rilevamento del modello miRF-PLSR è stato il secondo, RF era 0,8878.L'effetto di adattamento del modello PCA-PLSR è il peggiore.