ImSpector系列成像光谱仪,是全球高光谱成像技术领导者Specim公司推出的高性能光谱仪,专为VIS(380-800nm)、VNIR(400-1000nm)和NIR(900-1700nm)波段设计。ImSpector成像光谱仪为世界各地的集成商和机器制造商提供了一种简单的、高性能的、高性价比的集成方法,当它与科学灰度CCD/CMOS相机或InGaAs传感器相结合时,即组成了一个线扫描光谱成像设备,应用于日常使用的各种检查、分类和其他机器视觉解决方案。ImSpector成像光谱仪优化了每个模组的光谱分辨率、探测器尺寸、空间分辨率和成像速度,可提供市场上最高光学性能的无失真图像,以满足最苛刻的应用要求。 可选前置光学镜头:标准系列:OL8、OL12、OL17、OL23、OL35用于2/3英寸或更小探测器增强系列:OLE9、OLE18.5、OLE23、OLE140用于2/3英寸或更大探测器其他系列:OLES15、OLES22.5、OLES30、OLES56用于N17E可选配件:机械快门(增强系列)收集光纤带阻滤波器,OBF 570(矩形14×12mm或圆形20mm ?和17mm ?),用于V10和V10E用于光源监测的光纤漫射辐照度传感器FODIS(增强系列)技术参数:ImSpectorV8V10EV10HN17E光学性能光谱范围380-800nm *1400-1000nm *1400-1000nm *2900-1700nm *2色散66nm/mm97.5nm/mm139nm/mm110nm/mm光谱分辨率6nm(80μm狭缝) *22.8nm(30μm狭缝) *211.2nm(80μm狭缝)5nm(30μm狭缝)成像尺寸6.6(光谱)×8.8(空间)mm,对应标准?”图像传感器最大6.15(光谱)×14.2(空间)mm4.3(光谱)×6.6(空间)mm,对应标准?”图像传感器最大7.6(光谱)×14.2(空间)mm空间分辨率光斑半径<30μm光斑半径<9μm光斑半径<40μm光斑半径<15μm像差轻微像散无像散轻微像散无像散光谱线在空间轴上的弯曲Smile<45μmSmile<1.5μmSmile<30μmSmile<5μm空间线在光谱轴上的弯曲Keystone<40μmKeystone<1μmKeystone<20μmKeystone<5μm数值孔径F/2.8F/2.4F/2.8F/2.0默认狭缝宽度50μm(30,80,150可选)30μm(18,50,80,150μm可选)50μm(30,80,150μm可选)30μm(30,80,150μm可选)狭缝长度9.6mm14.2mm9.8mm14.2mm光输入N/A远心镜头N/A远心镜头效率>50%,不受偏振影响杂散光<0.5%(卤素灯,590nm长通滤波)<0.5%(卤素灯,633nm陷波滤波)<0.5%(卤素灯,1400nm长通滤波)机械性能尺寸D 35×139mmW 60×H 60×L 175mmD 35×L 139mmW 60×H 60×L 220mm重量300g1100g300g1500g机身阳极氧化铝管相机接口标准C-mount适配器用户调节成像轴相对于探测器行,可调后焦距+/- 1mm环境性能存储温度-20…+85℃运行温度+5…+40℃,无凝水注:1 可在探测器窗口前安装带阻滤波器2 系统光谱和空间分辨率还取决于探测器的离散成像特性和透镜质量应用案例一:黄曲霉毒素B1自然污染的花生分类南京财经大学食品科学与工程学院Xueming He等研究人员,使用ImSpector V10e光谱仪+EMCCD相机组成400-1000nm高光谱成像系统,提取并整合光谱、颜色和纹理特征,并采用酶联免疫吸附试验(ELISA)方法测定参考AFB1水平,用以实现一种基于非破坏性高光谱成像方法来区分正常和自然黄曲霉毒素B1(AFB1)污染的花生。 对全光谱进行了不同的预处理,线性判别分析(LDA)结果表明,先进行Savitzky-Golay平滑(SGS),然后进行标准正态变换(SNV)可以实现最佳判别,对校准集和验证集的准确率分别为90%和92%。最后,将偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)的性能与LDA进行了比较,带有RBF核的支持向量机对校准集和验证集的准确率分别为93%和94%,结果最好。 本研究展示了高光谱成像在花生AFB1污染直接分类中的应用潜力,并证明纹理和光谱特征的结合可以改善建模结果。应用案例二:葡萄籽无损快速品种识别和可视化表达浙江大学生物系统工程与食品科学学院Yong He等研究人员,使用ImSpector N17E光谱仪+ Xeva 992相机组成HSI系统,分别采集了三个葡萄品种的14015、14300和15042颗葡萄种子在874-1734nm光谱范围内的高光谱图像。通过小波变换对像素级光谱进行预处理,然后提取每个葡萄籽的光谱。对高光谱图像进行主成分分析(PCA),使用前六个PCs的分数用于定性识别不同品种之间的模式,前六个PCs的载荷用于识别有效波长(EWs)。 使用支持向量机(SVM)建立基于EWs的光谱判别模型。结果表明,该方法能够准确地识别出每种葡萄籽的品种,验证精度为94.3%,预测精度为88.7%。使用每个品种的外部验证图像来评估所提出的模型,并形成分类图,其中每个单个葡萄籽被正确识别为属于不同的品种。 总体结果表明,高光谱成像(HSI)技术结合多元分析可以作为一种有效的工具,用于葡萄籽的无损快速品种识别和可视化表达,该方法在开发多光谱成像系统以供实际应用方面具有很大潜力。参考文献:[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-.
留言咨询