清晰光谱空间:全自动可调波长系统的高光谱成像优势

高光谱成像技术

高光谱成像技术 是一种捕获和分析宽波长信息的技术,能够对材料和特征进行详细的光谱分析和识别。高光谱成像技术的实现通过高光谱相机,其工作原理是使用多个光学传感器或光学滤波器分离不同波长的光,并捕获每个波段的图像,能够在一时间获得目标在不同谱段处的空间图像信息,即空间光谱分布

图1 空间光谱分布图和常见获取方式

如图1所示,高光谱成像技术通过两种较为常见的方式获取空间内光谱分布信息。第一种是空间扫描Spatial scan ,收集扫描不同位置下的光谱图,建立完整的空间光谱分布图。这种方式的缺点是扫描速度往往较慢,不适用于快速或迅速检测。另一种方法是快照式 Snapshot,一次只获得一个立体的高光谱图像,成像快,但是光谱分辨率低。

高光谱相机生成的图片包含了被测物体大量的有效信息,图片清晰度越高、对比度越明显,越有利于人们对被测物体的分析和研究。但如上介绍,获取高光谱的常见方式存在一定的弊端,内部波长分光机制不可调节,会影响成像图片的清晰度和质量,并进一步影响着对被测物体的分析。终端用户日益增长的需求,对高光谱成像技术提出了更高的技术考验。

友思特全自动可调波长系统

友思特波长选择器 提供快速、精确和高分辨率的波长调谐功能 ,该模块允许用户以定制的方式自由连接相机和镜头,如下表所示。对于想要高光谱成像应用的客户,我们将根据实际的应用场景,以友思特全自动调谐波长选择器FWS-Poly 为核心设备,定制一个具有更精准和更高分辨率全新的高光谱成像系统

系统组成

CMOS相机

友思特工业相机 GV-51F0FA Rev.1.2 ,配备对光线敏感的 5.10 MPix Sony 全局快门传感器 IMX547,能提供出色的图像质量。GigE 相机 (1/1.8英寸, 2472 x 2064 px) 速度可达 24.0 fps,且符合 IP65/67 标准,非常适合自动化检测、快速检测等要求苛刻的相机应用。

波长调谐模块

友斯特全自动波长调谐选择器 核心包含宽带角度带通滤光片和一个补偿板。带通滤光片能独立旋转,将准直的宽带光源转换为任意中心波长和带宽的光波组合;补偿板用于抵消经过两个旋转滤光片后的轻微错位的光斑。该技术能实现带宽从3-15nm 范围内调节,波长从UV到NIR(255-1650nm) 范围内调节,并且全程调节可以通过软件实现,具有非常尖锐的单波输出。

友思特高光谱成像系统的优势

01. 远近视场切换

用户可选择可自由调节的镜头 ,满足远场和近场视野。

2. 准确和可调的带宽

常见的高光谱相机,其带宽往往是固定或不规律的,以及不同带宽之前的扫描间隔也不规律。友思特高光谱成像模块基于全自动波长选择器实现,可以准确选择中心波长和恒定的扫描间隔 ,用户可以自定义选择带宽下的扫描间隔,根据实际测量需求选择不同的波长带宽,具有更高的灵活性

3. 优质的图像分辨率

友思特高光谱成像模块可以产生相同的图像质量输出 **,最大化呈现被测物体的图像和光谱信息,**而其他高光谱相机模块无法复制与原始图像相同的分辨率,或者具有较低的图像分辨率。

4. 设备集成灵活性

和商业化一体式高光谱相机相比,友思特高光谱成像模块可以根据用户的需求、工作距离和工作环境等条件作为单独的部件 分开工作,也可以集成为一个系统,作为独立整机设备使用。

友思特高光谱成像系统应用领域

高光谱成像技术能够提供比普通RGB相机更为丰富的信息,适用于农业、环境检测、地质勘探、遥感、医学成像 等领域。以下是友思特高光谱成像系统的检测示例:

1. 硅片

2. 桃子

3. 商标

了解更多产品信息,欢迎访问友思特官网:

友思特 - 领先的机器视觉与光电检测解决方案提供商 (viewsitec.com)

相关推荐
程序员Linc2 天前
计算机视觉 vs 机器视觉 | 机器学习 vs 深度学习:核心差异与行业启示
深度学习·机器学习·计算机视觉·机器视觉
weixin_468466853 天前
C++、C#、python调用OpenCV进行图像处理耗时对比
c++·图像处理·python·opencv·c#·机器视觉·opencvsharp
51camera16 天前
超低失真、超高清晰度的远心工业镜头
机器视觉·远心工业镜头
pchmi25 天前
C# OpenCV机器视觉:模仿Halcon各向异性扩散滤波
人工智能·opencv·计算机视觉·c#·机器视觉·opencvsharp
pchmi25 天前
C# OpenCV机器视觉:智能水果采摘
人工智能·opencv·c#·机器视觉
pchmi25 天前
C# OpenCV机器视觉:对位贴合
人工智能·opencv·c#·机器视觉·opencvsharp
pchmi25 天前
C# OpenCV机器视觉:SoftNMS非极大值抑制
人工智能·opencv·c#·机器视觉·opencvsharp
pchmi1 个月前
C# OpenCV机器视觉:OSTU算法实现背景差分的自适应分割
人工智能·opencv·算法·c#·机器视觉·opencvsharp
pchmi1 个月前
C# OpenCV机器视觉:多尺度细节提升
人工智能·opencv·c#·机器视觉·opencvsharp
光谷码农1 个月前
Qt+海康虚拟相机的调试
机器视觉·海康工业相机