目錄:北京易科泰生態(tài)技術有限公司>>無人機遙感與光譜>>高光譜成像>> 、便攜式高光譜成像與紅外熱成像系統(tǒng)
成像方式 | 色散型 | 工作原理 | 推掃型 |
---|---|---|---|
價格區(qū)間 | 面議 | 使用狀態(tài) | 地面 |
應用領域 | 環(huán)保,農業(yè),地礦 |
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”—*的工業(yè)設計獎項、連續(xù)兩年獲得“inVISION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、農田測繪及普查等。
功能特點
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
光圈F/1.7
光譜分辨率7nm
光譜波段:204,可選Bin 2x和Bin 3x
內置GPS,每個高光譜數(shù)據(jù)立方均自帶地理標簽,便于定位、多源信息融合分析
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
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
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
測溫范圍:-25℃至+150℃或+40℃至+550℃,可選1500℃
溫度靈敏度≤0.03℃(30mK)@ 30℃;
數(shù)據(jù)傳輸:USB-3或GigE千兆以太網(wǎng)
光學鏡頭,可選配6.8mm、9mm、13mm、19mm鏡頭
具備14種調色板供任意選擇,可多樣化設置熱成像假彩色
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
支持CSV、非輻射JPEG、輻射JPEG、輻射視頻、AVI、MP4等格式輸出
防護等級:IP65,適用野外嚴苛條件下適用
參考文獻:
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-.
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.
Detection of Diseases on Wheat Crops by Hyperspectral Data
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.
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.
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.
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.
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.