ImSpector系列成像光譜儀，是高光譜成像技術(shù)Specim公司推出的高性能光譜儀，專(zhuān)為VIS（380-800nm）、VNIR（400-1000nm）和NIR（900-1700nm）波段設(shè)計(jì)。ImSpector成像光譜儀為世界各地的集成商和機(jī)器制造商提供了一種簡(jiǎn)單的、高性能的、高性?xún)r(jià)比的集成方法，當(dāng)它與科學(xué)灰度CCD/CMOS相機(jī)或InGaAs傳感器相結(jié)合時(shí)，即組成了一個(gè)線掃描光譜成像設(shè)備，應(yīng)用于日常使用的各種檢查、分類(lèi)和其他機(jī)器視覺(jué)解決方案。
ImSpector成像光譜儀優(yōu)化了每個(gè)模組的光譜分辨率、探測(cè)器尺寸、空間分辨率和成像速度，可提供市場(chǎng)上光學(xué)性能的無(wú)失真圖像，以滿(mǎn)足的應(yīng)用要求。
可選前置光學(xué)鏡頭：
ü 標(biāo)準(zhǔn)系列：OL8、OL12、OL17、OL23、OL35用于2/3英寸或更小探測(cè)器
ü 增強(qiáng)系列：OLE9、OLE18.5、OLE23、OLE140用于2/3英寸或更大探測(cè)器
ü 其他系列：OLES15、OLES22.5、OLES30、OLES56用于N17E
可選配件：
ü 機(jī)械快門(mén)（增強(qiáng)系列）
ü 收集光纖
ü 帶阻濾波器，OBF 570(矩形14×12mm或圓形20mm ?和17mm ?)，用于V10和V10E
ü 用于光源監(jiān)測(cè)的光纖漫射輻照度傳感器FODIS(增強(qiáng)系列)
技術(shù)參數(shù)：
ImSpector | V8 | V10E | V10H | N17E |
光學(xué)性能 | ||||
光譜范圍 | 380-800nm *1 | 400-1000nm *1 | 400-1000nm *2 | 900-1700nm *2 |
色散 | 66nm/mm | 97.5nm/mm | 139nm/mm | 110nm/mm |
光譜分辨率 | 6nm （80μm狹縫） *2 | 2.8nm （30μm狹縫） *2 | 11.2nm （80μm狹縫） | 5nm （30μm狹縫） |
成像尺寸 | 6.6(光譜)×8.8(空間)mm，對(duì)應(yīng)標(biāo)準(zhǔn)?”圖像傳感器 | 6.15（光譜）×14.2（空間）mm | 4.3（光譜）×6.6（空間）mm，對(duì)應(yīng)標(biāo)準(zhǔn)?”圖像傳感器 | 7.6（光譜）×14.2（空間）mm |
空間分辨率 | 光斑半徑＜30μm | 光斑半徑＜9μm | 光斑半徑＜40μm | 光斑半徑＜15μm |
像差 | 輕微像散 | 無(wú)像散 | 輕微像散 | 無(wú)像散 |
光譜線在空間軸上的彎曲 | Smile＜45μm | Smile＜1.5μm | Smile＜30μm | Smile＜5μm |
空間線在光譜軸上的彎曲 | Keystone＜40μm | Keystone＜1μm | Keystone＜20μm | Keystone＜5μm |
數(shù)值孔徑 | F/2.8 | F/2.4 | F/2.8 | F/2.0 |
默認(rèn)狹縫寬度 | 50μm（30，80，150可選） | 30μm（18，50，80，150μm可選） | 50μm（30，80，150μm可選） | 30μm（30，80，150μm可選） |
狹縫長(zhǎng)度 | 9.6mm | 14.2mm | 9.8mm | 14.2mm |
光輸入 | N/A | 遠(yuǎn)心鏡頭 | N/A | 遠(yuǎn)心鏡頭 |
效率 | ＞50%，不受偏振影響 | |||
雜散光 | ＜0.5%（鹵素?zé)簦?90nm長(zhǎng)通濾波） | ＜0.5%（鹵素?zé)簦?33nm陷波濾波） | ＜0.5%（鹵素?zé)簦?400nm長(zhǎng)通濾波） | |
機(jī)械性能 | ||||
尺寸 | D 35×139mm | W 60×H 60×L 175mm | D 35×L 139mm | W 60×H 60×L 220mm |
重量 | 300g | 1100g | 300g | 1500g |
機(jī)身 | 陽(yáng)極氧化鋁管 | |||
相機(jī)接口 | 標(biāo)準(zhǔn)C-mount適配器 | |||
用戶(hù)調(diào)節(jié) | 成像軸相對(duì)于探測(cè)器行，可調(diào)后焦距+/- 1mm | |||
環(huán)境性能 | ||||
存儲(chǔ)溫度 | -20…＋85℃ | |||
運(yùn)行溫度 | ＋5…＋40℃，無(wú)凝水 | |||
注：
*1 可在探測(cè)器窗口前安裝帶阻濾波器
*2 系統(tǒng)光譜和空間分辨率還取決于探測(cè)器的離散成像特性和透鏡質(zhì)量
應(yīng)用案例一：B1自然污染的花生分類(lèi)
南京財(cái)經(jīng)大學(xué)食品科學(xué)與工程學(xué)院Xueming He等研究人員，使用ImSpector V10e光譜儀+EMCCD相機(jī)組成400-1000nm高光譜成像系統(tǒng)，提取并整合光譜、顏色和紋理特征，并采用酶聯(lián)免疫吸附試驗(yàn)（ELISA）方法測(cè)定參考AFB1水平，用以實(shí)現(xiàn)一種基于非破壞性高光譜成像方法來(lái)區(qū)分正常和自然B1（AFB1）污染的花生。
圖1-1：高光譜成像系統(tǒng)示意圖（左）；花生樣品RGB及分割處理圖像（右）：(a1)- (a4)依次為AFB1含量最?。?.1 ppb）的花生分割前RGB圖像、ROI二值圖像、分割后RGB圖像和分割后灰度圖像；(b1)-(b4)為AFB1含量（599.21 ppb）的花生對(duì)應(yīng)圖像
對(duì)全光譜進(jìn)行了不同的預(yù)處理，線性判別分析（LDA）結(jié)果表明，*行Savitzky-Golay平滑（SGS），然后進(jìn)行標(biāo)準(zhǔn)正態(tài)變換（SNV）可以實(shí)現(xiàn)判別，對(duì)校準(zhǔn)集和驗(yàn)證集的準(zhǔn)確率分別為90%和92%。最后，將偏最小二乘判別分析（PLS-DA）和支持向量機(jī)（SVM）的性能與LDA進(jìn)行了比較，帶有RBF核的支持向量機(jī)對(duì)校準(zhǔn)集和驗(yàn)證集的準(zhǔn)確率分別為93%和94%，結(jié)果。
圖1-2：（a） 所有150個(gè)花生樣品的原始光譜和（b）SGS+SNV光譜
本研究展示了高光譜成像在花生AFB1污染直接分類(lèi)中的應(yīng)用潛力，并證明紋理和光譜特征的結(jié)合可以改善建模結(jié)果。
應(yīng)用案例二：葡萄籽無(wú)損快速品種識(shí)別和可視化表達(dá)
浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院Yong He等研究人員，使用ImSpector N17E光譜儀+ Xeva 992相機(jī)組成HSI系統(tǒng)，分別采集了三個(gè)葡萄品種的14015、14300和15042顆葡萄種子在874-1734nm光譜范圍內(nèi)的高光譜圖像。通過(guò)小波變換對(duì)像素級(jí)光譜進(jìn)行預(yù)處理，然后提取每個(gè)葡萄籽的光譜。對(duì)高光譜圖像進(jìn)行主成分分析（PCA），使用前六個(gè)PCs的分?jǐn)?shù)用于定性識(shí)別不同品種之間的模式，前六個(gè)PCs的載荷用于識(shí)別有效波長(zhǎng)（EWs）。
圖2-1：左：對(duì)前六個(gè)主成分（PCs）的圖像進(jìn)行評(píng)分：（a）PC1；（b） PC2；（c） PC3；（d） PC4；（e） PC5；和（f）PC6。右：前六個(gè)主成分的載荷：（a）PC1；（b） PC2；（c） PC3；（d） PC4；（e） PC5；和（f）PC6
使用支持向量機(jī)（SVM）建立基于EWs的光譜判別模型。結(jié)果表明，該方法能夠準(zhǔn)確地識(shí)別出每種葡萄籽的品種，驗(yàn)證精度為94.3%，預(yù)測(cè)精度為88.7%。使用每個(gè)品種的外部驗(yàn)證圖像來(lái)評(píng)估所提出的模型，并形成分類(lèi)圖，其中每個(gè)單個(gè)葡萄籽被正確識(shí)別為屬于不同的品種。
圖2-2：（a）-（f）以此為品種I-Ⅲ的原始灰度圖像和相應(yīng)分類(lèi)圖
總體結(jié)果表明，高光譜成像（HSI）技術(shù)結(jié)合多元分析可以作為一種有效的工具，用于葡萄籽的無(wú)損快速品種識(shí)別和可視化表達(dá)，該方法在開(kāi)發(fā)多光譜成像系統(tǒng)以供實(shí)際應(yīng)用方面具有很大潛力。
參考文獻(xiàn)：
[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 M*riate Analysis[J]. Molecules, 2018, 23(6):1352-.
