Hyperspektraalinen kuvantamisanturiteknologia on kasvattanut merkitystään esimerkiksi maataloudessa, teollisuudessa, lääketieteessä ja turvallisuudessa, koska se pystyy näkemään näkyvän valon yli. Vaikka sen nimi saattaa kuulostaa monimutkaiselta, sen toiminta perustuu optisiin periaatteisiin, joiden avulla materiaalit ja aineet voidaan tunnistaa niiden spektraalisten ominaisuuksien perusteella.
Tässä artikkelissa perehdymme tarkemmin siihen, mitä hyperspektrinen kuvasensori tarkalleen ottaen on, miten se eroaa muuntyyppisistä sensoreista, kuten monispektrisista sensoreista, niiden teknisiin ominaisuuksiin ja tärkeimpiin sovelluksiin. Tutkimme myös tämän teknologian tarjoamia etuja ja sen nykyisiä haasteita.
Mikä on hyperspektrikuvasensori?
Un hyperspektrianturi Se on laite, joka pystyy jatkuvasti tallentamaan yksityiskohtaista tietoa sisältäviä kuvia sadoilta spektrikaistoilta, tyypillisesti sähkömagneettisen spektrin alueella, joka alkaa ultravioletti (350 nm) kunnes lähi- ja keski-infrapuna (jopa 2500 nm).
Tämän teknologian erottaa muista se, että Jokainen luodun kuvan pikseli sisältää täydellisen spektrin, jonka avulla materiaalit voidaan tunnistaa niiden ainutlaatuisen "spektraalisen tunnusmerkin" perusteella. Nämä spektraaliset tunnusmerkit heijastavat havaittavan kohteen fysikaalisia ja kemiallisia ominaisuuksia, mikä tekee hyperspektrianturista tarkan ja rikkomattoman työkalun materiaalien, kankaiden tai esineiden yksityiskohtaiseen tunnistamiseen ja seurantaan.
Miten hyperspektrikuvantaminen toimii?
La hyperspektrikuvantaminen Se sisältää tiedon keräämisen ja käsittelyn esineiden heijastamasta tai lähettämästä sähkömagneettisesta spektristä. Anturi jakaa tämän spektrin useisiin erittäin kapeisiin yhtenäisiin kaistoihin, jolloin syntyy kolmiulotteinen kuva, joka tunnetaan myös nimellä hyperspektraalinen kuutio, kahdella spatiaalisella ulottuvuudella ja yhdellä spektraalisella ulottuvuudella.
Tämä "kuutio" mahdollistaa valon intensiteetin analysoinnin eri aallonpituuksilla jokaiselle kuvan pikselille. Tämä johtaa ainutlaatuiseen spektriprofiiliin jokaiselle havaitulle pisteelle, mikä tarjoaa valtavan erottelukyvyn materiaalien välillä, jotka saattavat näyttää identtisiltä paljaalla silmällä.
Selkeä sovellus voisi olla hedelmän mädäntyneen osan havaitseminen ilman, että sitä tarvitsee leikata, koska terveen ja vaurioituneen kudoksen spektraaliset ominaisuudet ovat erilaiset, vaikka sitä ei visuaalisesti arvioida.
Miten se eroaa monispektrisistä sensoreista?
Monispektriset anturit tallentavat myös spektritietoja, mutta tekevät sen tyypillisesti rajoitetulla määrällä taajuusalueita 5 10, jotka eivät välttämättä ole vierekkäisiä. Näihin vyöhykkeisiin kuuluvat tyypillisesti näkyvät vyöhykkeet (punainen, vihreä ja sininen) ja joitakin lähi-infrapunavyöhykkeitä.
Hyperspektrianturit taas tallentavat satoja erittäin kapeita ja yhtenäisiä kaistoja, joka tarjoaa a paljon korkeampi spektrinen resoluutioTämän ansiosta hyperspektrianturit pystyvät tunnistamaan tarkemmin kemialliset koostumukset tai tunnistaa ominaisuuksiltaan hyvin samankaltaisia materiaaleja, mikä ei olisi mahdollista monispektrisillä antureilla.
Hyperspektriteknologian edut ja tekniset ominaisuudet
Hyperspektrijärjestelmät tarjoavat useita teknisiä etuja, jotka tekevät niistä ainutlaatuisia edistyneissä sovelluksissa:
- Kosketukseton mittaus: Koska nämä ovat kameroita, tietoa voidaan tallentaa koskematta kohteeseen.
- Rikkomaton menetelmä: esinettä ei muuteta tai vaurioidu analysoitaessa.
- Korkea spesifisyys: mahdollistaa jopa erottamisen minimaaliset erot hyvin samankaltaisten materiaalien välilläkorkean spektraalisen resoluutionsa ansiosta.
- Reaaliaikaisen mittauksen mahdollisuus: On olemassa ratkaisuja, joiden avulla voit ottaa kuvia ja analysoida niitä välittömästi, jopa teollisuusympäristöissä.
- Monipuolisuus valaistusolosuhteissa: Ne voidaan konfiguroida toimimaan erityyppisten valaistusten, kuten infrapunavalon tai ohjatun valon, kanssa.
suhteen käytetyt teknologiatVaihtoehtoja on useita. Joissakin kameroissa käytetään Fabry-Perot-tyyppisiä interferometrisiä suodattimia, jotka kiinnitetään suoraan antureihin, mikä mahdollistaa järjestelmän pienentämisen, alentaa kustannuksia ja tekee siitä kannettavamman. Toiset käyttävät skannaustekniikoita, kuten "työntöluuta", joka koostuu kohteen viivan tallentamisesta kullakin hetkellä ja anturin liikuttamisesta täydellisen kuvan muodostamiseksi.
Spektri- ja spatiaalinen resoluutio
Yksi hyperspektraalisantureiden tehokkaimmista ominaisuuksista on niiden korkea spektraalinen resoluutio, joka mahdollistaa aallonpituuksien erottamisen hyvin pienellä erotuksella, jopa 10–20 nmTämä tarkoittaa parempaa kykyä tunnistaa spektraalisia allekirjoituksia.
Tähän etuun liittyy kuitenkin usein myös alhaisempi spatiaalinen resoluutio, koska anturin taltioiman datan määrä kasvaa spektrikaistojen määrän kasvaessa. Sitä vastoin monispektrisissä sensoreissa on tyypillisesti vähemmän kaistoja, mutta ne taltioivat ne suuremmalla spatiaalisella resoluutiolla.
Koko, tiedonkäsittely ja monimutkaisuus
Hyperspektrikuvien tuottaman tiedon määrä on valtava. Kyseessä on kolmiulotteinen data, joka vaatii monimutkainen laskennallinen prosessointi ja erikoisohjelmistoja. Tämä analyysi sisältää usein tekniikoita, kemometriikka tai koneoppimisalgoritmeja spektraalisten allekirjoitusten kuvioiden tunnistamiseksi.
Siksi yksi tämän teknologian tämänhetkisistä haasteista on tehokasta datan tallennusta ja nopeaa analysointiaOnneksi on tulossa yhä enemmän ratkaisuja, jotka helpottavat näiden työkalujen käyttöä jopa teollisuus- tai kenttäympäristöissä.
Milloin käyttää hyperspektraalisentureita verrattuna monispektrisiin?
Näiden tekniikoiden välinen valinta riippuu lopullisesta tavoitteesta. monispektriset anturit ne ovat yleensä halvempi, nopeampi toteuttaa ja vähemmän monimutkainen, mikä tekee niistä ihanteellisia tehtäviin, joissa ei vaadita äärimmäistä spektristä yksityiskohtaa.
Jos analyysi kuitenkin vaatii korkea tarkkuus ja hieno erottelu materiaalien välillä, kuten biolääketieteessä, laadunvalvonnassa tai mineralogisessa tunnistuksessa, hyperspektrianturi on selvästi sopivampi.
Monissa tapauksissa molemmat teknologiat voidaan jopa yhdistää niiden etujen hyödyntämiseksi.
Hyperspektrikuvantamisen merkittävimmät sovellukset
Hyperspektraalisilla antureilla on kasvava luettelo sovelluksista, mukaan lukien:
- Maatalous ja viljelykasvit: kasvien terveyden arviointi, tautien tai vesistressin havaitseminen, ravitsemuksellinen analyysi ja lajien kartoitus.
- Ruokateollisuus: ei-invasiivinen laadunvalvonta, vierasesineiden havaitseminen, ravintosisältöanalyysi ja automatisoitu luokittelu.
- Lääketiede ja biotieteet: kudosanalyysi, ei-invasiivinen diagnoosi, haavojen tai solupoikkeavuuksien havaitseminen.
- Kaivostoiminta ja geologia: tarkka mineraalien tunnistus, esiintymien kartoitus ja maaperäanalyysi.
- Ympäristönvalvonta: epäpuhtauksien havaitseminen vedessä ja ilmassa, kosteikkojen tai tulipalojen seuranta.
- Turvallisuus ja puolustus: piilotettujen esineiden, kemiallisten aineiden tai edistyneen valvonnan havaitseminen.
- Arkeologia ja taide: pigmenttianalyysi, teosten konservointi ja väärennösten havaitseminen.
- Lääketeollisuus: prosessinohjaus ja tuotetodentaminen.
Markkinoilla esitellyt teknologiat
On olemassa useita teknologioita ja tuotemerkkejä, jotka ovat kehittäneet erityisiä ratkaisuja erilaisiin sovelluksiin. Esimerkiksi:
- Nireos HERA: Se käyttää Fourier-muunnosspektroskopiaa (FT), joka tarjoaa korkean spektritarkkuuden ja erinomaisen vakauden jopa tärisevissä teollisuusympäristöissä.
- HAIP-musta: Se perustuu "työntöharja"-teknologiaan, johon on sovellettu staattisia ympäristöjä ja kannettavia järjestelmiä, kuten kädessä pidettäviä kameroita tai drooneihin upotettuja järjestelmiä.
- SILIOS: Erikoistunut tilannekuvatyyppisiin monispektrikameroihin, jotka mahdollistavat useiden kaistojen samanaikaisen tallentamisen CMOS- tai InGaAs-kennojen pikselisuodattimien ansiosta.
Näiden edistysaskeleiden ansiosta tästä teknologiasta on tulossa yhä joustavampaa, mukautuvampaa ja useiden toimialojen saatavilla olevaa.
Hyperspektraalisantureiden käyttöönotto eri aloilla tarjoaa mahdollisuuden innovaatioille, jotka mahdollistavat tarkemman ja perusteellisemman tiedonkeruun, mikä helpottaa tietoon perustuvien ja optimoitujen päätösten tekemistä kullakin sektorilla.
