Портативная гиперспектральная камера для съемки спектра в любое время и в любом месте

Гиперспектральная технология визуализации благодаря способности объединять изображение и спектр может захватывать непрерывные спектральные сигналы каждого пикселя на объекте, используя уникальный спектральный отпечаток материала для бесконтактного определения состава, анализа компонентов и обнаружения дефектов. Долгое время гиперспектральное оборудование было громоздким, тяжелым и энергозатратным, в основном ограничиваясь лабораториями и крупными проектами дистанционного зондирования, и его было сложно внедрить в автоматизированные линии, беспилотники и диагностическое оборудование.

Прорыв в переносимых гиперспектральных сенсорах ломает эти ограничения. За счет реконструкции оптической структуры, микро- и нанотехнологий MEMS, фильтров на чипе и методов быстрого снимка размер, вес и энергопотребление сенсоров значительно уменьшились, при этом сохранена ключевая способность спектрального детектирования. Всё больше инженеров по закупкам, исследователей и интеграторов систем начинают интересоваться: какие технические маршруты у переносимых гиперспектральных сенсоров? Какие показатели приходится жертвовать для портативности? Как выбирать сенсор для разных сценариев и как балансировать размер, спектральное разрешение и стоимость?

В этой статье мы разберём технические пути переносимых гиперспектральных сенсоров, компромиссы производительности при портативности, основные сценарии применения и ключевые показатели при выборе.

I. Переносные гиперспектральные сенсоры: основные технические маршруты

Традиционные гиперспектральные устройства используют решётки и призмы для построения длинного оптического пути, требуя большого внутреннего пространства для разделения разных длин волн, что делает оборудование громоздким. На сегодняшний день есть три основных зрелых технологических пути к портативности.

1. MEMS Фабри-Перо интерферометр (FPI) использует подвижную оптическую плёнку, управляемую напряжением, для сканирования длины волны. Преимущество — маленький размер модуля и низкое энергопотребление; недостаток — необходимость последовательного сканирования, что ограничивает динамическую съёмку, подходит для статичных образцов и портативного полевого сбора.

2. Фильтровые матрицы на чипе (Snapshot) Прямое осаждение многослойных фильтров на кремниевую матрицу детектора CMOS, где каждый пиксель соответствует определённой полосе, позволяет за одно экспонирование собрать трёхмерные гиперспектральные данные без механического сканирования. Это самая популярная схема для встроенной и быстрой проверки на производственных линиях, подходит для динамического контроля материалов.

3. Сложенный оптический путь с портативной решёткой Оптимизация оптической схемы и сворачивание пути, сохраняя высокое спектральное разрешение решётчатной спектроскопии. Это облегчённая версия традиционной линейной гиперспектральной съемки и наиболее зрелый путь применения в промышленности.

Портативность — это не просто уменьшение корпуса. Оптика, детекторы и алгоритмы необходимо оптимизировать вместе, балансируя размер, спектральное разрешение, отношение сигнал/шум и частоту кадров. Многие небольшие датчики компактны по размеру, что уменьшает количество полос и снижает отношение сигнал/шум, поэтому выбор не должен основываться только на внешнем виде.

II. Компромиссы по производительности, связанные с портативностью: ключевые индикаторы при выборе модели

1. Спектральное покрытие: Видимый VNIR (400–1000 нм) подходит для цвета, дефектов фруктов и овощей, а также поверхностных дефектов; Ближний инфракрасный NIR (900–1700 нм) используется для сортировки влаги, органического вещества и пластиковых материалов; Коротковолновый инфракрасный SWIR подходит для идентификации минералов и полимерных материалов. Чем шире длина волны, тем выше сложность оптического проектирования, и состав портативных модулей значительно увеличивается.

2. Спектральное разрешение: означает способность различать соседние длины волн. Точная идентификация материалов требует 2,5~6 нм; Достаточно простого классификационного и мониторинга роста выше 10 нм. Портативным датчикам сложно одновременно достичь ультрашироких полос + ультравысокого спектрального разрешения при крайне малых размерах.

3. SNR: Портативные оптические структуры имеют снижение прохода света, что повышает вероятность шума. Низкий SNR напрямую вызывает нестабильные спектральные данные. Для промышленных онлайн-тестирований и сценариев с низкоосвещённым полем SNR является красной линией ядра.

4. Режимы изображения: тип снимков подходит для движущихся объектов на высокой скорости; Тип линейного сканирования-пуша обеспечивает более высокую статическую точность изображения, подходит для лабораторных и стационарных рабочих мест.

5. Энергопотребление и интерфейсы: Встроенные интеграционные сценарии с низким энергопотреблением и стандартизированными USB/сетевыми интерфейсами облегчают интеграцию в системы машинного зрения.

III. Основные сценарии применения портативных гиперспектральных датчиков

3.1 Промышленная онлайн-сортировка и машинное зрение

Это самый быстрорастущий путь для портативного гиперспектра. Небольшие датчики могут быть непосредственно встроены в инспекционные станции на конвейере для выполнения сортировки материалов в реальном времени, удаления посторонних предметов и обнаружения компонентов пластиковых частиц, пищевых ингредиентов, текстиля и упаковочных материалов. По сравнению с RGB-камерами, они могут обнаруживать различия материалов, неразличимые невооружённым глазом, что позволяет проводить неразрушительный онлайн-осмотр.

3.2 Точное сельское хозяйство и беспилотное дистанционное зондирование

Лёгкие датчики снижают нагрузку на дронов, позволяя устанавливать и поднимать небольшие дроны в воздух, собирать спектральные данные полевой растительности, выявлять нехватку воды в сельскохозяйственных культурах, ранних вредителей и болезней, распределение питательных веществ в почве, а также обеспечивать переменное прогнозирование удобрений и урожайности.

3.3 Экологический мониторинг

Портативные устройства используются для идентификации загрязнителей воды, обследования поверхностной растительности и быстрой классификации твердых отходов. Персонал может провести спектральный сбор на месте, не возвращая их в лабораторию для тестирования.

3.4 Лабораторные исследования и анализ материалов

Портативные датчики заменяют громоздкое настольное оборудование для фенотипирования материалов, тонких пленок и быстрого скрининга биологических образцов, снижая порог закупки оборудования для исследовательских проектов.

IV. Реализация проекта: решение для интеграции портативной гиперспектральной сенсорной системы

Простая покупка сенсорных модулей не означает полноценную систему инспекции. Набор доступных решений для гиперспектрального обнаружения включает оптические датчики, поддерживающие источники света, доски калибровки, программное обеспечение для получения изображений и алгоритмы интерпретации спектров. Многие проекты терпят неудачу, потому что сосредоточены только на аппаратном обеспечении сенсоров, игнорируя поддерживающую оптику и алгоритмы.

Гиперспектральные системы серии FigSpec охватывают лёгкие линейные сканирования, портативные снимки и портативные модели, предоставляя комплексные решения для промышленной сортировки, фенотипирования растений, тестирования качества воды и сценариев анализа материалов. В проектировании портативных продуктов оптический поток и объём контроля сбалансированы, поддерживаются профессиональным программным обеспечением для спектрального сбора и анализа, поддерживая разработку вторичных SDK, что облегчает системным интеграторам внедрение гиперспектральных модулей в автоматизированные производственные линии, платформы дронов и лабораторное оборудование. Некоторые лёгкие модели могут достигать спектрального разрешения до 2,5 нм и высокой частоты получения кадров, уменьшая общий размер устройства и обеспечивая стабильность и повторяемость спектральных данных, что подходит для проектов, требующих портативной модернизации.

На ранней стадии оценки приоритизировать тестирование образцов на основе спектральных характеристик образца, чтобы подтвердить, совпадают ли диапазоны датчиков и отношение сигнал/шум с используемым материалом, чтобы избежать недостатков данных после аппаратного отбора.

V. Рыночные тенденции и подводные камни при выборе портативных гиперспектральных датчиков

Тенденции отрасли

1. Снимок продолжает совершенствоваться, затраты постепенно снижаются, что стимулирует гиперспектроскопию от специализированного научно-исследовательского оборудования к крупномасштабным промышленным встроенным приложениям.

2. Популяризация стандартизированного модульного дизайна, сокращение циклов интеграции систем; клиенты могут выбирать диапазоны и интерфейсы по мере необходимости без настройки полной оптической системы.

3. Интеграция алгоритмов спектральной интерпретации ИИ на устройстве с локальным сенсорным выводом результатов классификации, что снижает вычислительное давление на бэкенде.

Ключевые подводные камни, которых следует избегать при выборе модели

· Не сравнивайте только вес и размер: некоторые ультракомпактные датчики имеют низкое соотношение сигнал/шум, что делает их пригодными для использования при сильном освещении, но искажающими данные в условиях низкой освещённости.

· Подтверждение поддерживающего программного обеспечения: некоторые модули выводят только исходные изображения и не имеют инструментов для спектральной коррекции и анализа данных, что требует значительных дополнительных затрат на разработку.

· Различие между «мультиспектральным» и «гиперспектральным»: Мультиспектральный спектр имеет лишь несколько отдельных полос, тогда как гиперспектры имеют непрерывные, плотные спектральные каналы. Различие в возможностях обнаружения между ними существенно, что легко запутывает выбор.

VI. Краткое содержание

В основе портативные гиперспектральные сенсоры основаны на совместной трансформации оптики и технологии чипов. Они решают проблемы, связанные с тем, что традиционное гиперспектральное оборудование — громоздкое и сложное в интеграции, позволяя возможности спектрального обнаружения на производственных линиях, дронах, портативной инспекции и многих других новых сценариях. Однако портативные датчики имеют присущие компромиссы по производительности; выбор требует комплексной оценки спектрального диапазона, разрешения и отношения сигнал/шум на основе тестируемого образца, условий освещения и скорости изображения, а не просто стремления к меньшим размерам.

Полноценный проект гиперспектрального тестирования требует сотрудничества аппаратного обеспечения, оптики и алгоритмического программного обеспечения. Выбор зрелого полного решения и предварительное предварительное тестирование образцов — самый эффективный способ снизить риски проекта.