高光搏检测仪

在气候变暖和人类活动双重作用的影响下，藻类水华频发且呈现全球加剧态势，严重威胁经济社会可持续发展和人类健康。由于藻类水华生消过程快，实时精准的监测是藻类水华预测、预警和有效管控的关键。 　　目前藻类水华监测主要包括现场观测、水下自动监测和卫星遥感反演等三种方式。现场观测费时费力，且无法在时间和空间上连续监测；水下自动监测探头易受到水中物质侵蚀，且维护费用高昂；卫星遥感的时间分辨率低且受大气影响较大。 　　对此，中国科学院南京地理与湖泊研究所研究员张运林团队等基于水色遥感原理，研发了一款陆基高光谱遥感监测仪及原位高频在线监测系统，实现了藻类水华连续、精准、实时监测，有效弥补了现有方法的不足。 　　该系统主要由高光谱测量仪器、数据处理平台和远程访问控制、显示和存储平台等三部分组成(图1)。高光谱测量仪测定的水体光谱反射率信号，通过嵌入AI芯片处理器(数据处理平台)的反演算法，转化为叶绿素a信息。光谱反射率和叶绿素a数据通过无线传输设备进行远程访问控制、显示和存储。研究人员通过系统评估近几十年来应用最广泛的三种叶绿素a遥感反演的经验算法、半分析算法以及机器学习算法等，遴选了建模和验证精度最高的反演模型作为陆基遥感系统叶绿素a提取的主要模型(图2)。 　　架设在太湖的陆基高光谱遥感监测系统清晰捕捉到2021年8月发生的两次藻类水华形成过程(图3)。除了藻类水华以外，陆基遥感系统亦可同步监测水体透明度、悬浮物、总氮、总磷、高锰酸盐指数、营养状态指数、藻密度等多个水生态环境参数，可为藻类水华发生机理研究提供精细化观测和科学证据。 　　该观测系统主要有以下优势：低成本、环保的方式实时、连续地提供藻类水华的高频数据；水体信号不受大气影响，不需要进行复杂的大气校正；适用于中小型河流、湖泊的藻类水华动态监测；嵌入的AI芯片支持算法快速替换和升级以及远程控制和数据访问。目前该系统已广泛应用于广东、四川、江苏、浙江、北京等数十个重要水体的水质监测。 　　相关研究成果发表在Journal of Hazardous Materials上。研究工作得到国家自然科学基金优秀青年基金、中科院科学仪器研发项目、南京地理所青年科学家小组等项目的联合资助。图1 陆基遥感系统的原理和结构示意图图2 陆基高光谱遥感监测系统机器学习算法检验与校正精度结果图3 陆基遥感系统捕捉到的两次浮游植物水华和对应的现场照片

一、水质监测需求 “地表水水质监测现状的分析与对策， 绿色科技，2019(10)”中提出我国拥有28124亿m3水资源，其中地表水占96.4%，另“中国生态环境状况公报2019”中指出1931个地表水水质断面中，劣V类水质比例为3.4%。对于中国水污染的困境，国家先后制定了《水十条》、《重点流域 水污染防治规划（2016-2020年）》。 以上表明，我国河流、湖泊众多，然而伴随经济的高速发展，人类活动的增强，河流、湖泊水质污染问题日益严重，已经成为制约城市可持续发展的关键因素，因此有必要利用高新技术手段展开河流、湖泊水质污染问题研究，及时、快速的提供河流、湖泊的水质状况，保障人们正常的生产生活。 常规水质监测的痛点问题： 非原位监测，需要进行取样； 实时性差，自动监测站约4小时一次数据，人工分析时间更长 ；监测区域有限， 无法实现大范围区域性监测。 高光谱遥感由于其高精度、全谱段、信息量大等特点被广泛应用于遥感水质监测，大大提高了水质参数的估测精度。同时，该技术具备非接触式原位监测，无需取样；准实时测量，数据更新快；实现大范围区域性监测等优势。伴随着遥感技术的不断进步，水质监测已由定性描述转向定量分析，可监测的水质参数逐渐增加，反演精度也不断提高，在水资源的保护、规划和可持续发展方面发挥了重大作用。 二、数据采集设备 数据采集的设备为杭州高谱成像技术有限公司自主研发的无人机载高光谱成像系统（HY-9010），设备实景图，如下图。系统参数，见下表。系统核心部件采用自研大靶面高光谱相机及高稳云台，集成高清相机、高精度POS模块、地面站模块及数据采集与控制系统，实现高光谱数据、高清可见光数据及GPS数据同步采集，小型地面站模块搭配远程智控系统，实现系统状态监测及远程控制，极大程度上提高作业效率和使用便利性。 系统主要指标序号指标参数1光谱相机光谱范围400-1000nm2光谱相机光谱分辨率优于2.8nm3光谱相机IFOV0.71mrad@f=35mm 4光谱相机空间通道数4805光谱相机光谱通道数3006光谱相机视场宽度15.6°@f=35mm7光谱相机镜头焦距35mm8可见光相机分辨率1500万像素9RTK定位精度10cm10POS采集模式硬件同步触发11地面站控制模式远程智控 三、飞行概况 四、数据分析未经处理的原始高光谱数据如下图所示，可以看出图像清晰，光谱信噪比符合数据处理要求。 根据水质参数模型反演得到的水质分布结果，下图截取部分河道反演快示 五、数据对比 现场组织专业水质取样检测公司对监测河道进行选点取样，经过一周的数据处理，得出“表一”所列数据； 通过对单点检测数据的分析，对监测河道进行建模反演得出“表二”所列数据，可以看出，数据反演与实测数据匹配精度多达80%，精度较高，能够满足检测需求。 测试利用无人机高光谱技术，根据采样点测定值，建立指数模型，在水面上空获取水体的高光谱影像，通过在线反演可实时观察水环境的水质参数总氮、总磷、叶绿素a、悬浮物、浊度的变化，为城市河流的水质监测提供了全新的数据来源和技术手段，同时也为湖泊、河流的水环境保护及治理提供了依据。表一、现场水样单点检测数据采样日期2021/6/5采样位置叶绿素a悬浮物总磷（以P计）总氮（N计）氨氮高锰酸盐指数点位155200.663.671.456点位231140.483.872.423.9点位326120.483.882.453.9 表二、无人机载高光谱建模反演数据点位编号叶绿素aChla（ug/L）总悬浮物Tss（mg/L）总磷TP(mg/L)总氮TN（mg/L）氨氮NH3-N(mg/L)高锰酸盐指数CODmn(mg/L) 1架次1100%99.75%100.00%100.00%100.00%98.33% 架次297.48%62.95%96.97%98.37%92.41%90.00%2架次1100%94.43%97.92%100.00%99.17%96.92% 架次257.58%98%87.50%89.41%90.91%95.90%3架次1100%60.8%97.92%99.74%99.18%98.72% 架次291.38%93.33%79.17%93.81%86.12%98.97%

研究背景在薄膜和涂层行业中，厚度是非常重要的质量参数，厚度和均匀性指标严重影响着薄膜的性能。目前，薄膜厚度检测常用的是X射线技术和光谱学技术，在线应用时，通常是将单点式光谱仪安装在横向扫描平台上，得到的是一个“之”字形的检测轨迹（如下图左），因此只能检测薄膜部分区域的厚度。SPECIM FX系列行扫描（推扫式成像）高光谱相机可以克服上述缺点。在每条线扫描数据中，光谱数据能覆盖薄膜的整个宽度（如上图右），并且有很高的空间分辨率。 实验过程 为了验证高光谱成像技术在膜厚度测量上的应用，芬兰Specim 公司使用高光谱相机SPECIM FX17（935nm-1700nm)）测量了4 种薄膜样品的厚度，薄膜样品的标称厚度为17 μm，20 μm，20 μm和23 μm. 使用镜面几何的方法，并仔细检查干涉图形，根据相长干涉之间的光谱位置及距离，可以推导出薄膜的厚度值。通过镜面反射的方式测量得到的光谱干涉图，可以转化为厚度图使用 Matlab 将光谱干涉图转换为厚度热图，通过SPECIM FX17相机采集的光谱数据，计算的平均厚度为18.4 μm、20.05 μm、21.7 μm 和 23.9 μm，标准偏差分别为0.12 μm、0.076 μm、0.34 μm和0.183 μm。当测量薄膜时，没有拉伸薄膜，因此测量值略高于标称值。此外，在过程中同时检测到了薄膜上的缺陷，如下图所示，两个缺陷可能是外部压力造成的压痕。结论SPECIM FX17高光谱相机每秒可采集多达数千条线图像，同时可以对薄膜进行100%全覆盖在线检测，显著提高了台式检测系统的检测速度，提高质量的一致性并减少浪费。与单点式光谱仪相比，高光谱成像将显著提高薄膜效率和涂层质量控制系统，同时也无X射线辐射风险。 理论上，SPECIM FX10可以测量1.5 μm到30 μm的厚度，而SPECIM FX17则适用于4 μm 到90 μm的厚度。如需了解更多详情，请参考：工业高光谱相机-SPECIM FX：https://www.instrument.com.cn/netshow/C265811.htm

随着中国经济的飞速增长和城市化、工业化的加速推进，环境污染问题日益凸显，国家对环境保护的关注和投入也在不断加大。监测是生态环境保护工作的眼睛和耳朵，我们生活的环境好不好、污染治理效果大不大，都离不开准确的监测数据作为支撑。在水污染的防治工作中，水环境监测技术是重中之重。随着我国水质监测工作的不断深入和细化，对水质监测仪器的需求也随之增长。而高光谱成像作为一种新型的光谱成像技术，具有光谱覆盖范围广、分辨率高和波段多、图谱合一等优点，在水质监测领域中充分展现了其自身的技术优势。通过高光谱成像技术，我们可以更快速、准确地识别和分析水体中的污染物，为水污染的防控和管理提供强有力的技术支持。仪器信息网已推出“高光谱：水质监测的‘科技助手’”专题，以展示最新的产品、技术、解决方案，增强仪器用户与仪器企业之间的信息交流。同期，仪器信息网特别发起“高光谱：水质监测的‘科技助手’”主题约稿，欢迎领域内广大仪器厂商积极投稿。一、约稿提纲1、您如何看待高光谱在水质监测领域的应用现状？相关标准建设情况如何？该技术的推广和应用将给水质监测领域带来哪些影响或者变化？2、请回顾贵公司高光谱技术的发展历程，当前贵公司主推的高光谱产品有哪些？相比同类产品有哪些独特的优势？3、针对不同的水质问题（如有机污染、重金属污染等），贵公司的高光谱技术如何发挥其作用？能否具体说明其如何帮助提升水质监测的准确性和效率？请举1-2个案例说明4、高光谱在实际水质监测的应用中需要考虑哪些因素？如何确保监测数据的准确性和可靠性？当前，技术和应用层面还存在那些难题？5、随着人工智能和大数据技术的发展，如何将高光谱数据与其他技术相结合，以实现更精确的水质监测？目前贵公司有哪些高光谱产品已经与人工智能技术相结合？6、未来，高光谱技术在水质监测领域的发展趋势如何？贵公司将如何应对市场需求，推动高光谱技术在水质监测领域的创新和发展？该方面有什么样的布局？二、回稿要求◆您可以根据上述问题进行稿件撰写，也可以由此展开相关话题。◆稿件字符数不少于800字，如有图片，图片像素应不低于300DPI。◆稿件无抄袭、署名排序无争议，文责自负，请勿一稿多投。◆投稿须为Word文档，本网编辑有权对文稿进行修改，如不同意请注明。◆回稿截止时间：2024年8月31日◆投稿邮箱：wangyh @instrument.com.cn 三、展示规则1、编辑会将企业回稿单独整理成文，通过仪器信息网全网渠道进行推送。2、最终稿件将收录至专题中，并在仪器信息网咨询中心显示推送。

近年来,食品安全问题备受关注,人们对果蔬品质与安全标准的要求也越来越高,已成为社会关注的热点。通常,果蔬品质包括了形状、颜色、大小和表面缺陷等外部品质与糖度、酸度、硬度、可溶性固形物含量、淀粉含量、水分和成熟度及其他营养元素的含量等内部品质，其品质好坏是其市场销量的重要因素。传统果蔬品质检测方法如化学法、高效液相色谱法、质谱分析法等通常对待测物具有破坏性，且速度慢。机器视觉和光谱技术具有快速、无损、可靠等优点，近年来广泛用于果蔬品质检测中。其中，机器视觉技术通过提取和分析果蔬形状、大小、颜色及表面缺陷等空间信息进行外部品质检测，而近红外光谱技术主要对果蔬内部品质进行检测。高光谱成像技术将图像与光谱技术相结合，可同时获取反映待测物内外部品质的光谱信息与空间信息，近几年国内外对其在果蔬品质的无损检测中进行了广泛的研究。本文将从高光谱成像技术的基本原理与其在果蔬品质无损检测中的研究与应用等方面，介绍其在该领域的最新研究进展。1、高光谱成像技术原理高光谱系统中的每个像元均可获取同一个光谱区间内几十到几百个连续的窄波段信息，并得到一条平滑而完整的光谱曲线，同时整个成像系统还可获取被测物的空间信息，实现对待测物内部成分与外观特征的同时检测，具有光谱连续与分辨率高等特点。系统获取的高光谱图像可用一段连续波段的光学图像组成的立体三维图像来表示，如图2所示。其中XY平面的二维图像表示物体的空间信息，如形状大小、缺陷等。由于物品外部变化会影响反射光谱，故形状、颜色或缺陷在某一特定的波长下图谱会有变化。λ坐标表示物体的光谱信息，将反映出待测物成分结构等内部品质。本研究应用了400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。2、果蔬外部品质的检测市场上人们对果蔬的直接感受就是其外部品质的好坏，即对颜色、新鲜度、大小、机械损伤、冻伤与腐烂等方面的判断。传统的机器视觉技术在果蔬外部品质的检测中由于精度低、操作复杂，很难区分出机械损伤、冻伤、腐烂及新鲜度等方面外部特征。高光谱成像技术恰好克服了这一缺点，能够实现全方位的无损检测，而且精度高、易于操作，近年来逐步用于果蔬外部品质的检测中。新鲜度是反映果蔬品质的重要指标。刚采摘的果蔬通常需经过储存、运输，最终到达消费者，该过程将影响其新鲜度品质。一般而言，人们对果蔬新鲜度的主观判断是不准确的。分别在失水0、10、24、48小时状态下，利用成像光谱仪采集了小白菜、菠菜、油菜、娃娃菜等四种蔬菜叶片的光谱图像并进行对比分析。其中，小白菜叶片在不同失水时间下的高光谱图像与机器视觉图像的对比分析如图3、4所示。从中可以看出，随着时间的变化两幅图中的叶片状态均有明显变化，但机器视觉图像只能看出失水状态，而高光谱图像通过分析光谱信息的变化发现，叶片在失水过程中其外观形态及内部叶绿素均有变化，叶绿素相对含量值预测模型的相关系数r=0.76,说明高光谱技术可以有效辨别蔬菜叶片的新鲜度。利用高光谱技术和ANN预测模型对苹果冻伤进行了研究，如图5所示。实验采用如图6所示过程，在400-1000 nm波段的冻伤苹果高光谱图像中选择5个主成分波段(717,751,875,960和980 nm)进行ANN模型的建立，其训练集、测试集和验证集的相关系数分别为0.93,0.91和0.92,最终实现了98%以上的识别准确率。对80个苹果样本分别采集4块尺寸为2 cm×2 cm×1.5 cm区域中的高光谱图像，利用偏最小二乘回归法来估算可溶性固形物含量反射数据与近红外光谱数据之间的关系，得到交叉验证系数为0.89,均方根误差0.55%,最后成功绘制出主要波段的高空间分辨率SSC图像，如图7所示。从图中可以看出靠近苹果边缘部分相比于中心部分有着更高的SSC值。结果表明，可用近红外高光谱成像技术测量苹果的可溶性固形物含量。3、结论随着生活水平的提升，人们对健康食品的品质要求越来越高。传统的机器视觉技术和物理化学方法在测量果蔬品质方面操作复杂、破坏性强，难以满足检测需要。高光谱成像技术融合了机器视觉、光谱和图像处理技术，产生的图像是“图谱结合”的三维数据立方体，不仅包含了待测物的空间信息特征，同时还包含了待测物的光谱信息，能够准确、快速、无损的检测出农产品的品质，并且操作简单，近年来广泛应用于果蔬品质的检测中。但是高光谱成像技术在采集和处理图像数据的过程中，受限于仪器性能和处理速度的影响，该技术现目前主要应用于基础性研究，并未广泛应用于工业的在线实时检测中。针对这些问题，为了实现果蔬品质的商业化在线检测，还需要做到如下两点：一是改进并升级高光谱成像技术的相关设备比如成像光谱仪，提升其性能并降低其生产成本，利于高光谱成像技术在果蔬品质检测中的推广；二是针对全波段的、不同品种的果蔬高光谱图像进行特征波长选取，以降低数据冗余量，减少高光谱图像的获取以及处理时间。尽管如此，随着社会发展与科学进步，高光谱成像技术将不断提升和改进，未来在农产品、食品安全领域将具有更加广阔的发展空间和应用前景。

不同物质有它独属的“指纹光谱”，高光谱遥感技术可准确捕获这一重要信息，提高人眼及遥感观测能力。中科院遥感地球所岑奕绘图　　看过纪录片《我在故宫修文物》的观众或许会对如下场景有印象：技术人员用一台仪器扫描古字画，扫描信息经过专业处理后，文物修复专家就能发现字画上肉眼看不见的信息，甚至还能分析出绘画技法和当时用的颜料。　　这台神奇的仪器就是中科院遥感与数字地球研究所(以下简称中科院遥感地球所)研发的高光谱扫描仪。高光谱遥感为何有如此的超能力?除文物检测修复外还有哪些应用?我国在高光谱遥感领域的研发水平又如何?　　利用高光谱技术能提取古画的颜料信息，推算颜料产地，从而能在修复时精准选用颜料　　人们日常生活中所见的光，是由多种颜色构成的复色光，通过棱镜等分光后显现的是单色光。这些单色光按不同波长(或频率)大小依次排列形成的图案，就是光谱。　　光谱分析是人类借助光认知世界的重要方式，地球上不同的元素及其化合物都有自己独特的光谱特征，光谱因此被视为辨别物质的“指纹”。如果说肉眼光学成像能看到物质的形状、尺寸等信息，光谱分析则能获取物质的成分信息。　　要获取更丰富、精细的物质成分信息，除了提升分光系统性能外，还可以改进分光方法、呈现方式等——高光谱遥感就是这样一种思路。中科院遥感地球所高光谱遥感研究室主任张立福介绍说，高光谱遥感的特点是能在可见光到短波红外的光谱区间连续成像，传统的彩色相机只能记录红绿蓝三个通道的影像，且每个通道的带宽很宽，而高光谱成像所记录的通道数量可以达到数百个，且光谱通道很窄，分辨率很高，其光谱探测范围远远超过了人类肉眼的感知范围，能够探测人眼无法看到的大量信息，提高人们对自然和物质的认识。　　因为能在非常窄的光谱波段内获取丰富的信息，利用高光谱技术获取的信息分辨率很高，甚至能分辨出观测物质的分子和原子结构，这是普通的光学遥感所达不到的。　　如何运用高光谱技术鉴定、修复古字画?在中科院遥感地球所高光谱研究室实验室，张立福画了一张图，并为记者解释高光谱遥感成像的原理：高光谱仪器扫描字画表面，获取图像上每个点的光谱数据 因为高光谱连续成像的特征，能够获得目标数百张不同波长的图像，这些图像叠加起来，在三维空间上就能形成一个图像立方体，将每个像素对应的数百张数字图像的数值连接起来，就成为一条光谱曲线。　　“不同物质甚至不同年代的物质反映出的光谱信息也有差异，也就是有一条独属于它的‘指纹’光谱。如果两个物体的成分信息一致，得出来的曲线应该基本吻合 如果某一条曲线的局部有较大波动，就能推算出其中有异常。”张立福说。　　以故宫藏品《崇庆皇太后八旬万寿图》为例，该画描绘的是乾隆皇帝的母亲崇庆皇太后八十大寿时现场祝寿的实景，历经250多年之后非常残破，绢面有缺损断裂，甚至还有霉迹。要想恢复原作风貌，修复该画时就要了解当时所用的颜料。中科院遥感地球所高光谱研究团队利用高光谱扫描仪对古画颜料进行了扫描，提取了古画颜料信息，由此推算出当初绘画所用矿物原料的种类。根据不同颜料产地光谱曲线的差异，科技人员甚至还能反推出颜料的产地——这就为修复选用精准颜料提供了依据。　　张立福说，中国古书画所用材料，大多为绢和纸，质地纤薄，年代久远容易破损、掉色。高光谱分析技术不损害文物本体，能帮助修复专家了解古书画的颜料组成、绘画技法，甚至能及早发现书画潜在的病害信息。　　借助高光谱技术可检测果蔬农药残留，未来还可能随时检测雾霾　　高光谱这双“火眼金睛”的本领可不仅仅是帮助鉴定、修复文物。因其能呈现人眼看不到的细节、辨别不同成分的物质，因此该技术在国防军事、精准农业、水环境监测、地矿勘察等领域都有广阔应用价值。　　在中科院遥感地球所高光谱研究室实验室，张立福向记者展示了一盆绿萝。从表面看，这盆绿萝的叶子没有什么特别之处，但经过高光谱仪的“眼睛”观察，一块白色区域就在电子屏上显示出来。“绿萝中有几片塑料做的叶子，肉眼几乎难以发现，但由于它和正常叶子的光谱信息有很大差别，就躲不过高光谱的‘眼睛’。”张立福说。　　利用该原理，高光谱还能用在果蔬农药残留的检测上。有没有残留农药、残留多少农药，呈现的光谱特征会有细微的差别，通过分析这些差别，专业人员就能做出科学的判断。　　张立福说，相较于传统食品安全取样化验等检测方式，高光谱技术检测具有无接触、无损伤的优点，可以大大提升检测效率。此外，根据不同生长日期或产地的果蔬光谱特征也不同的原理，高光谱技术还能用于检测果蔬新鲜度、进行产地溯源等。　　张立福介绍，基于高光谱原理，科研人员目前正在研发可供智能手机使用的高光谱检测应用系统。他希望未来手机有高光谱检测功能，结合云计算、大数据，人们能够随时随地用手机快速检测食品安全问题。这样，农民拿手机就能检测果蔬病虫害信息，并把这些数据发送到云端，后方科研人员可以根据这些信息预知哪里可能爆发病虫害。　　“从果蔬农药残留检测到化妆品重金属检测，水体、土壤等环境污染监测，再到牙齿、皮肤等医学检测，高光谱技术应用有很大的想象空间。”张立福说，不同空气颗粒反射的光谱不同，未来人们甚至都能通过手机及时、准确地监测雾霾。　　高光谱技术属于遥感技术范畴。通常人们提到遥感，就往往联想到卫星遥感、航空遥感等，认为遥感和老百姓的日常生活没有直接关系，其实不然。3S技术(地理信息系统、全球定位系统、遥感)中，前两个“S”已经与人们的生活息息相关，人们已在手机中普遍应用，现在缺少的是第三个“S”与老百姓的生活关联起来。高光谱遥感技术的应用，表明遥感技术正在走进人们的生活。“我们所做的，就是要使高光谱遥感技术飞入寻常百姓家。遥感与智能手机的结合，将使‘遥感’无处不在。”张立福说。　　我国在高光谱遥感研究上处于国际领先地位　　巨大的应用前景，使高光谱遥感技术成为当前国际上遥感技术的前沿领域。　　据专家介绍，我国在高光谱遥感研究上，处于国际领先地位。　　上世纪90年代，中国科学院遥感应用研究所与上海技术物理研究所合作，研制了系列航空高光谱传感器，并前往日本、澳大利亚、马来西亚等国进行国际合作，为当地环境、农业、海洋、地质等领域的研究提供了重要数据，受到高度评价。　　张立福说，受制于科研经费支持等原因，本世纪初我国高光谱研究一度发展缓慢。近年来我国加大了对高光谱的支持力度，科研人员也取得了一系列成果。他介绍，我国在高光谱基础研究及信息数据积累等方面走在国际前列 同时，科研人员不断扩大高光谱的应用领域，在成像光谱地面测量与光谱图像模拟、高光谱图像智能处理与信息提取、新的应用领域拓展等多方面取得了系列国际领先的研究。　　“我国在高光谱技术方面有较强的积累，但光谱仪器的一些关键器件还需要进口，一定程度上影响了我国高光谱技术应用的自主性。”张立福说，高端科学仪器设备制造方面的不足与我国在材料学、制造工艺等方面整体水平不高有关，他呼吁我国有更多的、不同领域的科研人员参与到高光谱的研发中，提高光谱仪器制造能力，使我国成为高光谱研究强国。

随着图像处理及分析相关的硬件和软件的不断进步，高光谱成像系统在各种研究项目中的使用越来越多，并被应用于各种领域。有研究报告显示，2023年全球高光谱成像系统市场估计为168亿美元，预计2028年有望达到343亿美元，预测期间复合年增长率为15.4%，市场极具活力！8月8日，仪器信息网主办了“高光谱技术在农业领域的最新应用进展”网络研讨会议（相关精彩视频回放点击：https://www.instrument.com.cn/news/20230811/679327.shtml）。会后，为了更好的展现高光谱技术和应用的创新成果，以及未来的发展趋势，仪器信息网特别策划《高光谱技术创新成果集》网络专题，集中展示高光谱领域的最新成果，包括但不限于仪器、部件、技术、方法、应用等。本次我们邀请了北京工商大学杨一副教授为我们分享高光谱技术当前的研究进展及其团队研究成果。北京工商大学副教授 杨一1、您认为高光谱的技术优势体现在哪些方面？有哪些成熟的应用？杨一：高光谱成像技术有效的结合了成像技术和光谱技术的特点，可同时获取被检测对象的空间信息和光谱信息。所采集的空间图像信息可以用来评估样本外部的大小，形状和纹理等物理特征，而光谱信息特征则可以用来评估样本内部的生化成分。能同时检测样品的内外部品质，并且可以根据每个像素点分析样本的全局或局部特征使得高光谱成像技术具有得天独厚的优势。高光谱成像技术最早应用于遥感领域，例如地质勘探、海洋监测和植物健康监测等。但随着光学和计算机技术迅速发展以及仪器成本的显著降低，目前高光谱成像技术已经广泛的应用于食品及农产品品质的评估分析。2、当前高光谱技术发展是否成熟？还有哪些新的技术亟待发展？杨一：目前高光谱技术发展相对成熟，但价格和成本依旧对其大规模的在线应用起到了限制作用。新的传感技术和光路系统等仍需进一步的发展，相信随着空间分辨率会越来越高、光谱涵盖波段越来越宽且价格成本越来越低的新型高光谱设备的出现，其市场也会越来越大。3、基于高光谱技术，您开展了哪些方面的研究？取得了怎样的成果？杨一：本人一直基于机器视觉、近红外光谱技术和高光谱成像技术从事食品及农产品品质无损检测技术及装备领域的研究，并分别针对国内外多种水果、谷物和肉制品的内外部品质、等级及疾病展开快速无损检测。先后在中国农业大学、美国乔治亚大学、美国农业部国家禽肉研究中心、北京市农林科学院及北京工商大学等海内外多个团队学习和工作的经历，使我熟悉本研究领域国内外研究的前沿和热点，期间先后主持国家自然科学基金青年基金及北京市农林科学院博士后科研基金等，并以主要完成人参与国家自然科学基金及国家重点研发计划在内的多项课题研究工作，至今已在国内外期刊及会议上发表数篇高水平论文和参与研发了多项快速检测技术与装备。4、您是否有产业化的意向或者成果？在合作层面有什么样的需求？杨一：本人目前已探索和建立了多项基于高光谱技术的食品及农产品快速无损检测及方法，尤其是本人博后所在的北京市农林科学院智能装备技术研究中心智能检测部无损检测实验室团队，长期致力于利用光电技术在不同尺度下研究农产品/食品质量安全快速无损检测的基础问题，并研发了多项快速检测技术与装备。近年来，主持国家科技支撑计划、国家重点研发计划和国家自然科学基金等国家及省部级项目近30项，具有雄厚的技术基础和深厚的行业经验。如有感兴趣的企业欢迎交流合作，将相关技术应用进一步转化到生产中。

应用案例分享[高光谱成像技术]面粉无损检测 背景面粉(小麦粉)是中国北方大部分地区的主食，用面粉制成的食物品种多样，如：面条、馒头、水饺等。生活中我们都是依据外包装上的高筋粉、中筋粉、低筋粉、全麦面粉等信息进行采购。很多人在购买面粉的时候会误以为"高筋面粉=高精面粉"，其实"高精"的意思简单说就是高级精制，它只表示小麦的加工工艺，并不能说明面粉的筋度，其蛋白质的含量，决定面粉的“筋度”，即高筋、中筋、低筋。同时，面粉中蛋白质、淀粉、脂肪、矿物质的含量会直接影响面粉的等级。高光谱成像技术不仅有样品图像的信息，并且还可以获得图像上每个点的光谱数据，光谱可以反映特定波长的特征信息，从而获得更全面、更可靠的结果，以及更精确的信息，如糖、脂肪和蛋白质等等。随着生活水平的提高及食品产业规模化，食品品质的提高和改良倍受关注。传统的化学检测手段、精度、效率都不高。亟需建立一种新的能够应用于面粉质量分级的快速无损检测方法。实验设置基于漫反射方式采集面粉的高光谱数据，我们用Camlin型号VNIR-HR(光谱范围400-1000nm)和NIR-HR+(光谱范围900-1700nm)范围内反射光谱，建数学模型，分析面粉种类、颜色、淀粉、蛋白质、脂肪含量等指标，实现对面粉品质的无损检测。(1)VNIR高光谱相机下的测试结果主成分分析图像通过测试用的是VNIR高光谱相机(波长范围400-1000nm)从光谱图中可以看到在580nm附近有特征峰。(2) NIR高光谱相机下的测试结果主成分分析图像通过测试用的是NIR高光谱相机(波长范围900-1700nm)从光谱图中可以看到在970nm、1300nm附近有特征峰。高光谱成像技术在本应用中的独特优点：可以同时获取样品图像和光谱信息，该方法具有不破坏样本原貌，不使用化学试剂、检测快速等优点，避免了人工鉴别方法易受主观因素影响，属于在线快速检测和全检，实用性强，性价比高。1. 无损快速检测2. 全波段测试3. 支持集成、二次开发下表中涂黄部分是此次测试过程中使用的高光谱相机的产品参数:SpectralVNIR-SVNIR-HRNIR-HRNIR-HR+UnitsSpectral Range400 to 1000900 to 1700nmSpectral Resolution810.731.5nmSpectral Bands*892 / 446 / 223830 / 415 / 208250500-Spatial pixels14001600320640pixMaximum line frame rate120120344300lf/sSmile and Keystone errorSub-pixel across the spectrograph output field-InterfaceGiGe- 结论：通过采集面粉的高光谱图像和可见-近红外光谱信息，进一步建模型可分析出面粉中的蛋白质、淀粉、脂肪等的含量，跟国标和常规化学检测方法对比，结果可靠，可实现快速无损检测，且成本低。这能减少整个供应链的浪费，并提高消费者对产品感受的一致性。

茶是世界上最有价值和最流行的饮品之一，茶叶不仅可以提高机体免疫力，而且可以对抗疾病。红茶在世界茶产品中是主流的消费产品，中国生产的祁门红茶是世界三大高香红茶之一，它具有独特的果香气味，受到很多人的青睐。随着人们对红茶需求的不断增加，红茶的品质越来越受到重视。目前，茶叶市场存在以次充好的现象，但仅凭感官评价正确分辨茶叶品质好坏是比较困难的，而无损检测具有快速、精确和评价标准稳定的特点，因此实现茶叶的快速无损鉴别是十分必要的。本文利用近红外高光谱成像系统(900~1700 nm)对祁门红茶的6个等级进行分类，比较分析了PCA、MDS、t-SNE和Sammon四种不同降维技术，建立SVM和极限学习机(Extreme Learning Machine,ELM)模型并生成高光谱图像像素空间分类图。应用的900-1700nm高光谱相机，可采用杭州彩谱科技有限公司产品FS-15。短波近红外高光谱相机，采集速度全谱段可达200FPS,被广泛应用于成分识别，物质鉴别，机器视觉，农产品品质，屏幕检测等领域。1.2实验方法1.2.1数据采集近红外高光谱采集仪的光谱范围为900~1700 nm,光谱分辨率为3nm,共256个波段。在实验中将茶叶样本均匀的平铺在直径为5cm,高为2cm的圆形容器中，放在前进速度为1.68 cm/s的移动台上进行图像采集，曝光时间为20 ms,镜头与样本之间的距离为32 cm。为避免外部光线影响，高光谱图像的采集过程在暗箱中进行。原始高光谱图像噪声较大，故对其进行图像校正。本文采用黑白校正和最小噪声分离变换(Minimum Noise Fraction,MNF)方法对原始数据进行去噪处理。使用ENVI5.3软件，提取50×50像素中心区域作为感兴趣区域(Region of Interest,ROI),计算其平均光谱作为样本的原始光谱。各等级的茶叶样本按照3:2分为训练集和测试集，训练集包含288个样本，测试集包含192个样本。1.2.2数据处理1.2.2.1数据预处理图像采集过程中受到暗电流噪声、探测器灵敏度和光学传输特性等因素影响，导致采集的图像质量受到影响，需要对采集图片进行黑白校正。在相同的采集条件下，分别采集反射率接近100%的白帧图像和反射率接近为0%的黑帧图像。2结果与分析2.1 样本光谱特征由于卤素灯在初始阶段光照强度不均匀以及仪器噪声影响，为了保证数据的准确性和实验结果的可靠性，剔除900~980 nm和1650~1700 nm,选取光谱范围在980~1650 nm的203条光谱带作为祁门红茶的原始光谱数据。所有样本的原始光谱曲线如图1所示，光谱数据受到随机噪声和散射效应的干扰，需要对其进行预处理。本文对原始光谱分别采用SG平滑滤波(Savitzky-Golay Filtering,SG)、标准正交变换(Standard Normal Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、SG-SNV和SG-MSC等算法对数据进行预处理。SG可以消除或减弱随机噪声，SNV和MSC用来校正散射现象，SG-SNV和SG-MSC对原始算法进行了优化。实验结果表明，SG-SNV预处理效果优于其他算法。该算法有效地修正了光散射引起的光谱基线漂移问题，使光谱的吸收峰位置更加突出，光谱曲线如图2所示。祁门红茶6个等级的平均光谱曲线如图3所示，不同等级的茶叶在三个峰处反射率差别较明显。由此可知，高光谱成像技术可建立分类模型对6个等级的祁门茶叶进行识别。2.2 高维数据可视化利用MDS、Sammon、t-SNE和PCA等算法对高光谱图像进行高维数据的低维可视化。实验结果如图4所示，不同颜色的聚类代表不同的茶叶等级，只有t-SNE可以将6个等级的茶叶明确区分。如图4(a)、图4(b)、图4(d)所示，MDS和PCA不能将G1和G4完全区分开，Sammon不能将G5、G6以及G1、G3完全区分开，主要原因是该样本具有相似的光谱特征。与PCA和MDS相比，Sammon对6个等级祁门红茶的可视化效果较差。由于Sammon映射没有显式地表示转换函数.该算法只是提供了一种度量方法来衡量转换结果，故分离簇的能力不强。PCA和MDS无法保持高维空间的数据结构，因其只利用了远处数据点的信息，所以分离簇能力较弱。如图4(c)所示，与其他算法相比，t-SNE能够捕获数据的非线性和邻域信息，故可呈现较好的可视化效果。由实验结果可知，t-SNE识别最大分离簇数的能力优于PCA、MDS和Sammon。光谱数据进行判别的实验结果。其中，SVM模型惩罚系数c为1.2,核函数系数g为2.8,ELM模型的隐层节点数为5。由实验结果知，SVM和SG-SNV-SVM模型，训练集和测试集的准确率分别为100%。ELM模型的识别效果较差，ELM模型的训练集和测试集准确率分别为90.27%和85.93%,SG-SNV-ELM模型的训练集和测试集识别率分别为98.61%和96.35%。预处理之后的SVM模型分类精度没有发生变化，而经过预处理的ELM模型分类精度显著提高。由此可知，SG-SNV预处理对ELM得到有效应用。图5是不同模型的混淆矩阵结果。图5(a)混淆矩阵结果存在较多识别错误，G2中10个样本和3个样本被分别识别为G1和G4,G3中3个样本被识别为G4,G4中3个样本被识别为G3,G5中1个样本和3个样本被分别识别为G4和G6,G6中4个样本被识别为G5。图5(b)混淆矩阵结果出现少量识别错误，G3中1个样本被识别为G1,G4中4个样本被识别为G2,G6中1个样本被识别为G5。图5(c)和图5(d)的混淆矩阵结果完全正确。为了可视化6个等级祁门红茶的差异，对不同等级茶叶的像素光谱信息建立SVM和ELM识别模型，实验结果如图6示。如图6(a)所示，提取灰度图像，如图6(b)、图6(c),祁门红茶等级分类图由上到下依次为一级、二级、三级、四级、五级和六级。由图6(b)所示，SVM模型将6个等级的祁门红茶识别为各自相应的等级，但也存在一些像素点分类错误，特别是圆形容器边缘的误分类尤为明显。由图6(c)所示，ELM模型的分类图中不仅边缘像素存在误分类，而且各等级之间存在严重误分类。除去边缘分类错误，造成不同等级茶叶误分类的主要原因是光谱的相似性。误分类的另一个原因可能是茶叶的纯度，例如，将低等级的茶叶掺入高等级茶叶中进行混合售卖盈利。SVM模型的识别结果优于ELM模型。因此，SVM有较好的识别效果和性能。3结论本文利用近红外高光谱成像技术，结合SNV-SG、PCA、MDS、Sammon及t-SNE算法，基于光谱特征，分别建立祁门红茶等级快速无损识别的SVM模型和ELM模型。结果显示，t-SNE能更好地分离不同等级的祁门红茶，其高维空间邻近数据点的信息可以保持低维空间中的数据结构。基于光谱特征的SVM模型和ELM模型的测试集识别率分别为100%和96.35%。因此，近红外高光谱成像技术结合机器学习在茶叶产品分类的应用领域具有很大潜力。

SPECIM高光谱相机在食品检测方面的应用——陈皮异物监测1. 描述 陈皮是一种良好的药材，也是一种常见的食材，对人们的健康与生活有非常大的帮助。但是陈皮在收集过程中，常常会混有其他物质，例如树叶、烟头等与陈皮颜色相近的杂质。本实验通过使用Specim高光谱相机来做陈皮混合物的检测。2. 原理 高光谱成像技术是一种图像及光谱融合的技术，可同时获取研究对象的空间及光谱信息。图像数据反映物体的外部特征、表面缺陷及污斑情况，光谱数据用于分析物体内部结构及成分。 Specim高光谱相机采用线阵推扫的成像方式，通过相机和被拍摄物体之间有相对运动，获取目标区域的所有样本的图像数据和光谱信息数据。在地面端，大多是采用相机固定而让被测物体移动，如图1；也可以采用被测物处于静止固定状态，而相机通过电机控制运动，如图2；若是结合无人机上的应用，则把相机挂载在无人机上移动而物体本身不动。这里我们采用固定相机，而把物体放在位移台上进行拍摄（可以是传送带或者其他移动装置）。 ---图1--- ---图2---3. 实验过程3.1 准备样品，未检测的样品如下。蒂头、树叶、陈皮、创可贴、烟头等。 3.2 设备及软件准备a)准备光源：宽谱卤素灯，光谱比较全。b)位移台： LabScanner 40 x 20位移台，如上图1所示。c)所用设备： Specim Fx10e 高光谱相机（400-1000nm）。d)Specim Insight分析软件INSIGHT是高光谱图像数据的离线处理软件，用户可在其中实现浏览查看样本数据、训练分类模型、验证分类效果等操作，以建立应用程序供实时检测使用。软件支持查看光谱曲线和散点图及时空序列信息，还包含有偏最小二乘法判别分析（PLS-DA），主成分分析（PCA）和光谱角制图（SAM）多种算法，便于用户快速得到准确的运算结果3.3 测试①规整摆放待测物体从上到下，分别为 蒂头、树叶、陈皮、创可贴、烟头。使用LabScanner进行扫描成像。 ②打乱放置，杂乱无章排放，重新采样一次。 3.4 分析本次测试样品中共有5种物质类型，每种物质会有生成特有的光谱曲线，通过原厂软件分析所有物体的光谱特征和内嵌的光谱算法，可以正确的区分不同样品类型并能赋予对应的不同颜色。 ---五条光谱曲线--- ---整齐摆放---棕色 ：蒂头绿色 ：树叶橙色 ：陈皮粉色 ：创可贴蓝色 ：烟头 ---杂乱摆放---棕色 ：蒂头绿色 ：树叶橙色 ：陈皮粉色 ：创可贴蓝色 ：烟头 另外，可以将某次分析好的结果做成Mode模型，下次直接使用就能得到检测果。 4. 实验总结 通过光谱识别的方法，用Specim Fx10e（400-1000nm）高光谱相机可以很好的做出陈皮等混合物的识别，并且准确率高，速度快。质量控制和异物检测在食品工业中至关重要。在各种工业、农业的应用中，通过高光谱分辨率的光谱信息与成像相结合的无损检测方法，及时提供各种成分、异物检测和质量损伤情况等，形成“征兆图”，供诊断、决策和风险评估等使用。 另外，通过广泛实验和实际应用，发现大部分物质成分，在近红外900-1700nm，和短波红外1000-2500nm有较好的吸收反射，在此波段范围光谱特征明显。建议同种应用，不同物质检测需采用合适的波长范围产品。关于昊量光电：昊量光电 您的光电超市！上海昊量光电设备有限公司致力于引进国外先进性与创新性的光电技术与可靠产品！与来自美国、欧洲、日本等众多知名光电产品制造商建立了紧密的合作关系。代理品牌均处于相关领域的发展前沿，产品包括各类激光器、光电调制器、光学测量设备、精密光学元件等，所涉足的领域涵盖了材料加工、光通讯、生物医疗、科学研究、国防及前沿的细分市场比如为量子光学、生物显微、物联传感、精密加工、先进激光制造等。我们的技术支持团队可以为国内前沿科研与工业领域提供完整的设备安装，培训，硬件开发，软件开发，系统集成等优质服务，助力中国智造与中国创造! 为客户提供适合的产品和提供完善的服务是我们始终秉承的理念！

随着工业化、城市化的快速发展，环境污染问题也日益严重。水乃万物之根本，因此水污染问题的解决迫在眉睫。水质监测成为保障水资源安全、维护水生态系统循环的重要手段。传统的水质监测方法存在监测周期长、实时数据差、监测参数有限等局限，无法满足当前水质监测的迫切需求。与传统的水质监测方式相比，使用高光谱监测的优势在于能监控整条河流水质浓度变化趋势情况，可有效弥补传统点源监测的不足。通过采集获取的高现势性水质连续光谱数据，可实现叶绿素a、总氮、总磷、氨氮、总悬浮物、化学需氧量、溶解氧主要评价指标分析。利用无人机高光谱监测技术对河流进行拍摄扫描，统揽全局，锁定病灶，可视化平台有效实现水质精准监测。一、高光谱在水质监测领域的应用现状高光谱在水质监测领域的应用正在逐步深入，其独特的技术优势在未来会有很大的发展前景。高光谱相机能够通过对水中物质的光谱特征分析，精准地检测水中的各种污染物质，包括石油类物质、农药残留、重金属离子等。还可以应用在水体富营养化监测、不同类型的水体识别、动态监测水质异常、水生生物监测等场景。目前高光谱技术在水质监测领域的相关标准建设情况尚没有统一的标准。但高光谱技术的不断完善和成熟将为水质监测提供更实时化、数据化、系统化的支持，是促进水生态系统改善的得力科技助手。二、 彩谱高光谱技术的发展历程及技术优势发展历程：2009年，彩谱创始人团队在浙大做军工方面高光谱检测项目，研究高光谱成像技术。2013年，正式成立彩谱公司。2014年，组织高光谱颜色检测技术的研讨会，开展高光谱技术的深入探究。2019年，推出基于高光谱技术的图像分光测色仪DS1050系列产品。2020年，推出线扫描高光谱相机FS-1X系列、成像高光谱相机FS-2X系列、显微镜高光谱测量系统、无人机高光谱测量系统、便携式高光谱相机、云台高光谱相机等。2023年，彩谱高光谱相机在上百家高校、研究机构、农业、水质、林业领域得以广泛应用。2024年，参与标准制订：《纺织品 色牢度试验贴衬织物沾色评级 高光谱法》、《纺织品 涤棉混纺织物定量分析 高光谱法》。技术优势：彩谱的高光谱相机主要采用透射光栅分光色散型，性能卓越。利用色散元件(光栅或者棱镜进行分光，再经由成像系统成像在探测器上，同比其他原理产品，光谱分辨率更高，价格更低。三、彩谱高光谱技术如何发挥其作用分析解决不同水质污染监测问题？帮助提升水质监测的准确性和效率？有哪些案例说明？彩谱的无人机高光谱遥测系统主要由多旋翼无人机、高光谱相机、机载控制器、机载系统控制软件、漫反射校准布、多旋翼无人机平台和数据处理软件等部分组成。如何解决不同水质污染监测问题提升水质检测的准确性和效率离不开各部分组件的相辅相成。下面将具体展开讲解一下：1、无人机承载平台：旋翼-大疆M350RTK多旋翼无人机，垂起-飞图横空Aircross6号垂直起降无人机，稳定性好，便携使用简单，飞行效率高。能够在短时间内获取大范围的水质信息，提高了水质监测的效率和覆盖范围。2、高光谱成像系统：系统设计紧凑，成像光谱仪主机光谱分辨率高达2.5nm，采用高信噪比超高速光谱扫描成像器件，提供高稳定性的光谱图像采，采用自研的高效率低功耗图像处理算法，大大延长了整机飞行时间，降低了系统功耗。3、机载系统控制软件：用户无人机终端使用，支持实时保存高光谱数据，且操作简单安全可靠，支持显示通道设置、显示通道阈值设置、采集控制和图像格式控制，包含文件信息查看、快捷功能、镜头校正、状态信息展和图像采集功能。4、漫反射校准布：用于高光谱数据反射率校准，保证数据的长期稳定性。5、数据处理软件：通过对高光谱数据的解析和反演，可以获取到水体中的多种水质参数，如化学需氧量、氨氮、总磷、总氮等。案例说明根据XX河实际情况进行航线设计，采用多旋翼无人机+高光谱相机进行高光谱数据采集，同时在地面进行采样。（1）地面点采样及取样方案① 可用钓竿进行水质的取样；② 不要出现阴影、树木、建筑物的遮挡；③ 地面采样与高光谱的飞行基本同时进行，采样方式要保证采样点全部可用（即没有阴影遮挡、没有处于水波纹等）。（2）高光谱数据采集① 飞行主航线采用直线飞行；② 分段的末端要延长数据，保证整体数据可用性强；③ 航线均延河流走向规划。（3）高光谱数据处理分析通过水质反演软件基于地面采样结果和对应光谱值，进行光谱图像归一化、水质参数反演、模型评价等处理。通过数据预处理软件对高光谱影像的预处理，首先进行辐射定标和反射定标，得到地表反射率数据，然后通过GPS和特征图像，完成多航带影像的拼接，最后通过拼接裁剪得到河道光谱数据。利用水质反演软件通过采集获取的水质连续光谱数据，可实现叶绿素a、总氮、总磷、氨氮、高锰酸钾、溶解氧主要评价指标分析。（4）指数计算（5）灰度图像（6）聚类效果可进行监督聚类和非监聚类功能。可对不同的物质进行分类标记。（7）水质分析高锰酸钾指数(CODMin)、总磷(TP)、溶解氧(DO)、总氮(TM)、氨氮(NH3-H)、叶绿素a。四、高光谱在实际水质监测的应用中需要考虑哪些因素？当前，技术和应用层面还存在那些难题？在实际水质监测中，应用高光谱成像技术时需要考虑以下主要因素：1.仪器本身：保证高光谱的分辨率、光谱范围、波长校准等性能符合监测要求。时常进行仪器检查，确保仪器处于良好状态。2.数据采集：主要考虑环境因素，如天气、光照等对数据采集的影响，尽量在稳定的环境条件下进行数据采集。确保获取到准确、可靠的光谱数据。3.光谱特征差异：不同水体类型（河流、湖泊、水库等）和污染物质（重金属、有机物、石油类物质、农药残留等）的光谱特征差异不同，需要针对特定水体和污染物进行光谱特征研究和分析。4.数据处理与分析：对采集到的光谱数据进行预处理，包括噪声去除、光谱校准等步骤，以提高数据质量和准确性。选用高效、稳定的数据处理和分析算法，以提高水质参数反演和污染物质识别的准确性和精度。5.实时性与动态性：考虑水质监测的实时性和动态性要求，确保高光谱成像仪能够实时监测水质变化。当前技术和应用层面的难题1、数据冗杂、计算复杂：高光谱成像仪所获取的数据量巨大、冗杂，因此处理和分析这些数据需要高性能的计算设备和算法支持。数据处理过程中可能面临计算复杂、耗时长等问题。2、光谱特征差异：不同水体类型和污染物质的光谱特征存在差异，需要建立更加完善的光谱特征数据库和识别算法。3、自然环境干扰：天气、光照等环境因素可能对光谱数据采集产生干扰，影响监测结果的准确性。4、设备性能限制：高光谱成像仪的分辨率、光谱响应等性能可能受到设备本身的限制，影响监测结果的精度。针对这些难题，未来可以在提高数据采集质量、优化数据处理算法、加强光谱特征研究、推动多源数据融合与应用等方面进行改进和优化，以进一步提升高光谱成像技术在水质监测领域的应用效果。五、随着人工智能和大数据技术的发展，我司有哪些高光谱产品已经与人工智能技术相结合？1、农业方面：高光谱相机能够获取农作物的光谱数据，借助人工智能算法对其加以分析，能够精确评估农作物的生长态势、病虫害情况以及养分含量等，为精准农业提供有力的决策依据。彩谱FigSpec Studio 软件中内置了NDVI等多种植被因子，对不同空间尺度下植被冠层状态进行精准量化 ，定量评估作物和植被的健康情况、胁迫情况和长势情况 ，为作物长势评估 ，产量预估 ，病虫害检测等提供数据支持。2、林业领域：机载高光谱相机可用于林业灾害的监测，像森林火灾、病虫害等。与人工智能技术相结合，能够增强灾害监测的精准度和效率，及时施行防治手段，降低损失。人工智能技术、深度学习等创新型分类识别技术的引入，促使灾害防治逐步朝着多技术融合的方向迈进。受到病虫侵害的时候，因缺乏营养和水分而生长不良，海绵组织受到破坏，叶子的色素比例也会发生变化，使得可见光区的两个吸收谷不明显，反射峰值按植物叶子被损害的程度而变低。多光谱数据融合后，获取高精度的监测数据，得到病虫害分布情况。3、水质分析监测：使用水体光谱数据和化学分析结果构建分析模型 ，实现对黑臭水体分级、水质参数（蓝绿藻、水滑、总氮、总磷、溶解氧和悬浮物）反演。结合空间信息监测生活污水、工业废水等对周边水体的影响 ，助力污染源排查、水环境评估。4、水体富养化监测：利用光谱数据形成分类指数，进行水体富营养化，监测及空间信息统计，遵循水体富营养状态评价，标准，辅助分析农田、养殖、渔业等水体污染源，为污染源排查、水环境评估提供数据和强大的数据采集工具。六、未来，我司将如何应对市场需求，推动高光谱技术在水质监测领域的创新和发展？1、技术融合与创新多源数据融合：高光谱技术将与其他监测技术（如遥感技术、自动监测船、物联网传感器等）相结合，实现多源数据的融合与互补。这种融合将提高水质监测的全面性和准确性，为水质评估提供更丰富的信息源。智能化与自动化：随着人工智能和大数据技术的发展，高光谱水质监测系统将更加智能化和自动化。通过机器学习算法和深度学习技术，系统能够自动识别和分类水质参数，提高监测效率和准确性。同时，自动化监测和预警系统将能够及时发现水质异常，并采取相应的处理措施。2、监测精度与广度提升高精度监测：高光谱技术将不断提升其光谱分辨率和灵敏度，以实现对水体中更多细微光谱特征的捕捉和分析。这将有助于提高水质监测的精度和可靠性，为水质评估提供更准确的数据支持。大范围监测：借助卫星遥感技术和无人机平台，高光谱技术将能够实现大范围、长时序的水质监测。这将有助于掌握水质的时空变化规律，为水环境保护和治理提供科学依据。3、应用拓展与深化多样化应用场景：高光谱技术将不仅限于地表水的监测，还将拓展到地下水、海洋等更多类型的水体监测中。同时，该技术还将应用于水生生物监测、水体富营养化评估等领域，为水生态系统的保护和管理提供全方位支持。政策与市场需求驱动：随着环保意识的提升和政策支持的加强，水质监测市场需求将持续增长。高光谱技术作为先进的水质监测手段，将受到更多关注和青睐。同时，市场需求的多样化也将推动高光谱技术在水质监测领域的不断创新和发展。

猕猴桃亦称奇异果，含有多种微量元素和丰富的有机物，营养价值高且口感酸甜，拥有“水果之王”的美誉。糖度是猕猴桃主要的内部参数之一，猕猴桃内部品质参数直接影响其口感，也是决定猕猴桃采摘时间及储存时间的重要指标，猕猴桃的糖度中85%左右的成分是可溶性固形物，因此常用的传统糖度检测方法是采用折射仪测量被挤出的果汁中的可溶性固形物含量来反映糖度值，该方法繁琐、耗时且破坏样本，无法实现快速的工业化检测。高光谱成像技术因其信息量大、光谱分辨率高、操作方便等特点，已广泛用于如苹果、樱桃、柿子、芝麻菜、梨、荔枝等]果蔬内部参数的无损检测。1 实验部分1.1 材料实验材料为某猕猴桃基地现采的“红阳”猕猴桃。选取120个大小相近、表面无损伤和疤痕的猕猴桃样本并依次编号，静置于实验室24h,等待采集其高光谱图像并随后测量其糖度，实验期间的环境温度(26±1)℃。1.2仪器与设备本实验应用了400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。1.3高光谱图像信息采集高光谱分选仪预热30 min后开始采集图像，以保证采集时的环境温度和光源强度在采集初期和后期保持一致。将标准白板的高度调整至与猕猴桃样本在同一焦面上，光谱相机曝光时间为13.5ms,样本平台与镜头的距离为170mm,电控移动平台前进距离为11 cm,其前进速度及回退速度分别为0.46和5cms¹ 。1.4猕猴桃糖度测定采集完所有样本的高光谱图像后，当天进行并完成猕猴桃糖度测定。根据行业规定，常以猕猴桃赤道部位的糖度来代表整体糖度，参照NT/T2637—2014《水果、蔬菜制品可溶性固形物含量的测定-折射仪法》,对每个猕猴桃样本依次将其赤道上的果皮削掉，取出适量果肉压汁，随后用一次性滴管将汁液滴到SKY107手持式糖度折射仪的检测槽中，读出该样本的糖度理化值示数。每个样本以两次平行测定结果的算术平均值作为该样本的糖度理化测量值。1.5 高光谱数据的提取采用Spec View软件对猕猴桃样本的原始高光谱图像进行黑白校正，利用ENVI5.1软件从校正后的图像中选择猕猴桃整个赤道区域作为感兴趣区域并提取光谱，以ROI区域的平均光谱作为此猕猴桃的原始光谱信息，如图2(a)所示。由图2(a)可知，原始光谱曲线的首尾两端存在明显噪声，故选取每个样本400～1000 nm波长范围内的高光谱信息作为有效光谱，如图2(b)所示，该范围共计237个波长。1.6模型评价利用5个指标值即校正集的相关系数(Rc)及其均方根误差(RMSEC)、预测集的相关系数(Ro)及其均方根误差(RMSEP)、相对分析误差(RPD)来评价模型的预测性能。其中，Rc和Rp越接近于1,表明模型的稳定性及拟合度越高；RMSEC和RMSEP越接近于0,表明模型的预测能力越强；RPD定义为样本的标准差与其均方根误差之比，若RPD1.4,模型对样本无法实施预测，1.4≤RPD1.8,模型可对样本进行粗略预测，1.8≤RPD2.0,模型可对样本进行较好预测，RPD≥2,模型可对样本进行极好预测]。2 结果与讨论2.1样本划分对120个猕猴桃样本利用拉依达准则方法进行异常值的判别和剔除，结果显示无异常值，随后将其按照3:1比例用KS(Kennard-Stone )算法将其划分为90个校正集样本、30个预测集样本，猕猴桃样本糖度测量值结果见表1。2.2光谱及预处理为了减少提取的光谱数据中掺杂的噪声和光谱倾斜，以便提高光谱分辨的灵敏度，进行合理的光谱预处理是必要的。利用多元散射校正、标准正态变量变换、直接正交信号校正等3种方法对有效光谱进行预处理，并分别建立对应的ELM预测模型，其预测结果见表2。由表2可知，DOSC-ELM模型的Rc和Rr值最大且RMSEC和RMSEP值最小，预测效果好，故后续均基于DOSC预处理方法进行。DOSC方法通过将光谱矩阵与待测浓度矩阵正交，在不损害数据结构特性的前提下滤除原始光谱中与糖度不相关的信息，保留最相关的信息用于构建预测模型。DOSC预处理前的校正集和预测集的光谱反射率分别如图3(a)和图3(c)所示，DOSC预处理后的校正集和预测集的光谱反射率分别如图3(b)和图3(d)所示。从图3可知，相较于未经过预处理的高光谱图像，DOSC预处理后的光谱图像线条更加紧密，图3(b)和图3(d)中所凸起的波峰也反映了预处理后的光谱数据与待测成分即糖度的相关性得到了良好的提升。DOSC预处理前后各高光谱波段与猕猴桃糖度的相关系数如图4所示。通常相关系数0.5≤|r2.3.2 基于CARS的特征光谱变量提取对预处理后的光谱用CARS算法提取特征光谱变量时，设定蒙特卡罗采样50次，采用5折交叉验证法。图7(a)为呈现指数衰减函数的选择过程，特征光谱变量的数量随着采样次数的增加先迅速下降然后平缓减少，具有“粗选”和“精选”2个特征。由图7(b)可知，随着Monte-Carlo采样次数的增加，内部交叉验证均方根误差(RMSECV)呈先缓慢减小后陡然增大的趋势，这是由于选择过度而移除了富含信息的关键变量，导致模型的预测性能下降。图7(c)是特征光谱变量随着采样次数变化的回归系数路径图，当图7(b)中RM-SECV值达到最小值时，各特征光谱变量的回归系数位于图7(c)中的“*”所在的垂直线位置，此时采样运行5次，最终提取出49个特征光谱变量。3结论以“红阳”猕猴桃为研究对象，本文利用高光谱成像技术结合不同特征光谱变量提取方法构建不同模型，对猕猴桃糖度进行无损检测。研究结果如下：(1)对猕猴桃原始有效光谱分别采用MSC,SNV和DOSC预处理后，结合ELM模型的预测结果，分析不同预处理方法对模型预测精度的影响，对比结果显示DOSC预处理效果最好。(2)对DOSC预处理后的光谱分别采用一次降维、一次组合降维和二次组合降维共7种特征提取方法，提取到的特征光谱变量个数分别为49,9,8,58,55,11和19,占全光谱波段的20.7%,3.8%,3.4%,24.5%,23.2%,4.6%和8%。

最近，随着短视频博主辛某某的“科技与狠活”牛肉干里没牛肉、合成的蟹黄酱，三花淡奶羊肉汤，看似很简单的食品却由十几种“黑科技”制作而成等走红全网，也将人们的视角重新拉回到食品安全的问题上来，消费者也从中学会了看商标成分表采购商品，目前我们吃的食物包括餐馆饭店、饮品店、糕点店、各种饮料的加工生产等等基本上都在使用食品添加剂，因此我们确实需要重新审视食品添加剂的问题。我们也应该明白，现代食品的发展本身就是科技的发展，食品添加剂也是一个保持和改善食物的色香味以及防腐性质的人工合成物或者天然物质，因此食品添加剂的使用如果不影响食品安全，是在国家标准内的或高于国家标准的添加是安全的。但由于利益的关系，食品行业的违法添加也是屡禁不止，前有瘦肉精、毒瓜子、苏丹红鸭蛋、三鹿奶粉的三聚氰胺，后有塑化剂、地沟油、罂粟壳等等违法添加，这一桩桩一件件无不在提醒我们，食品安全，任重道远，需要我们大家一起行动起来，特别是执法部门，需要执法者练就一双能够辨别违法添加的“火眼金睛”，也需要一件趁手的“如意金箍棒”能够更好的识别非法添加剂这些“妖魔鬼怪”。分光光度法原理：物质与光作用，具有选择吸收的特性。有色物质的颜色是该物质与光作用产生的。即有色溶液所呈现的颜色是由于溶液中的物质对光的选择性吸收所致。由于不同的物质其分子结构不同，对不同波长光的吸收能力也不同，因此具有特征结构的结构集团，存在选择吸收特性的最大实收波长，形成最大吸收峰，而产生特有的吸收光谱。即使是相同的物质由于其含量不同，对光的吸收程度也不同。利用物质所特有的吸收光谱来鉴别物质的存在（定性分析），或利用物质对一定波长光的吸收程度来测定物质含量（定量分析）的方法，称为分光光度法。夏芮解决方案：夏芮全光谱食品快速检测仪，利用分光光度技术快速检测各类食品中常见的可能违法添加的非食用物质和易滥用的食品添加剂,如:卫生部公布的1—6批食品中甲醛、二氧化硫、吊白块、亚硝酸盐、拉非、农药残毒等，能够帮执法人员快速的鉴别违法添加物质，并为执法停供证据锁链。仪器优势：1、波长准确度高：自动设置波长，自动修正波长误差2、双操作系统：Win10和安卓5.0以上双操作系统3、海量存储：可海量存储相关数据和图谱曲线4、人性化操作界面：大屏幕彩色中/英文触摸显示屏，清晰直观5、性能佳：低杂散光、高分辨率、高光度线性检测范围：甲醛、吊白块、硫酸镁、二氧化硫、亚硝酸盐、溴酸钾、过氧化苯甲酰、农药残留、甲醇、过氧化氢、蛋白质、硫氰化钠、硫酸铝钾、食盐含碘量、胭脂红、日落黄、苋菜红、柠檬黄、亮蓝、罗丹明B、硫化钠、工业碱、有效氯、二氧化氯、碳酸钠、硝酸盐、蜂蜜果糖葡萄糖、尿素、硼砂、余氯等。

香蕉是中国岭南特色水果之一，香蕉在采收和运送过程中往往处于绿硬期(青香蕉),在此过程中易受到各种碰撞损伤。不同类型碰伤均可加速香蕉果皮活性氧的积累进而导致香蕉果实的衰老腐败 青香蕉受到碰撞损伤后，微生物容易侵染损伤部位，经过催熟过程中的乙烯释放和果实软化后，造成於伤腐烂或黑斑花脸，严重影响其色泽品质和销售价格。因此，亟待寻找一种快速无损检测青香蕉碰撞损伤的方法。为探究有效检测青香蕉早期轻微碰撞损伤的方法，本文结合青香蕉的结构特点利用高光谱技术找出青香蕉关于碰撞损伤特性的特征波长段，实现碰伤程度的区分与可视化。研究为开发青香蕉表面碰伤快速无损检测系统，提高香蕉经济效益具有重要意义。1.材料与方法1.1青香蕉碰撞损伤程度分类青香蕉的品质分级标准14中，果身表面的机械类损伤面积是一个重要指标。标准规定，果身表面无碰压伤的青香蕉属于优等品；碰压伤面积小于1cm² 的属于一等品；碰压伤面积为1～2 cm² 的属于二等品；碰压伤面积大于2cm² ,属于劣等品将不进入市场。将碰伤的香蕉置于温度15℃、相对湿度88%的恒温恒湿环境中保存48 h取出切开，损伤面积如表所示。1.2 高光谱图像采集系统试验可采用彩谱科技有限公司的高光谱成像仪，主要包括高光谱相机、光源、载物台、滑轨、计算机控制硬件和软件系统。光源采用仪器自带的卤素灯，光谱仪的光谱范围为400～1000 nm,采样间隔为2.39 nm,将光谱范围分为256个频带范围。仪器扫描的具体参数设置：曝光时间20 ms,移动台前进速度1.4 cm/s,回退速度2cm/s,镜头与样本距离42 cm。本研究使用的光谱数据由256维图像组成。区别于三维的RGB图像，高光谱图像的数据信息高维且冗余，如果对每份样品的所有图像进行处理，不仅工作量庞大且后续的建模效果不佳。如图所示是同一份样品在不同波段下(500、600、700、800nm)的图像，对比可知：不同波段下的图像其呈现出的碰伤情况存在差异。因此探究青香蕉关于碰撞损伤的特征波段，利用特征波段下的图像提取碰伤部位的光谱数据，可为后续的检测模型提供可靠且精准的数据集。2结果与分析2.1 原始光谱数据预处理结果使用软件进行预处理，首先对原始光谱进行多项式平滑法处理，再采用多元散射校正法对光谱进行预处理，以降低极限漂移和散射效应。对原始样本数据集如图a先进行SG处理，将处理后的光谱曲线再进行多元散射校正法处理。处理后的效果如图b所示。可以看出，预处理后的光谱曲线修正了部分反射率为1的数据，总体曲线更加归一且平滑，噪音点减少，曲线的凹凸处变少。说明该预处理方法效果较好，后续研究所用的光谱数据皆为经过SG和MSC方法预处理后的数据。2.2基于BP神经网络的检测模型和可视化碰伤等级图像通过图像分割流程，将918张灰度图像进图像分割，提取香蕉碰伤部位的轮廓区域，同时利用图像全像素点下的反射率数据，用光谱反射率数据去表示碰伤轮廓区域的每个像素点所代表的信息。对健康样品、轻度碰撞伤样品、中度碰撞伤样品、重度碰撞伤样品的测试集的识别准确率分别为97.53%、92.59%、93.82%和96.29%,平均碰伤程度的判断准确率为95.06%。为了更好地展示分类结果，同时考虑检测的可视化，对每一个像素点用“00”代表健康，标记为黄色RGB(255,255,0) “01”代表轻度碰撞伤，标记为蓝色RGB(67,142,219) “10”代表中度碰撞伤，标记为紫色RGB(128,0,128) “11”代表重度碰撞伤，标记为红色RGB(255,0,0)的方式进行最后的输出显示。其中区域的总体识别结果若有85%以上的相同数值和颜色，那么本区域都用此数值和颜色进行归一显示，最后的可视化图像如图所示。3.结 论本文以青香蕉为研究对象，利用高光谱成像仪采集青香蕉健康表面和不同碰伤程度香蕉的光谱反射率数据和不同波段下的图像信息，结合特征变量筛选对青香蕉的碰撞损伤程度进行了研究，主要结论如下：1)采用3种类型的支持向量机算法，验证了青香蕉碰撞损伤的识别机理以及采用光谱数据和图像信息结合进行无损检测的合理性。2)对通过预处理和异常样本剔除后的数据进行特征波长提取和验证，得到9段特征波长。3)通过获取特征波长段下的图像，提取碰撞损伤区域的轮廓分布边界数据以及该区域的每个像素点对应的光谱反射率数据。将此数据作为BP神经网络的输入层进行训练，最后得到的模型对健康样品、轻度碰撞伤样品、中度碰撞伤样品、重度碰撞伤样品的测试集识别准确率为97.53%、92.59%、93.82%和96.29%。

‍‍油在许多行业被用作润滑剂。在最终产品中，油却通常被认为是一种污染物，这对检测是至关重要的。然而，油剂用人眼是很难观察的，同理传统的RGB相机也很难检测它。不过，当工作在合适的波长上时，高光谱相机却能轻易的捕捉到这些信息。为了验证这一点，我们将三种不同类型的油涂抹在铝片和黑色织物上(见图1)，并用三种不同型号的specim高光谱相机来扫描:FX17、SWIR和FX50。在测试中，我们使用了Weldlite TF2，这是一种非常常见的润滑剂，例如用于自行车链条，Würth HSP 1400，这是一种高温润滑剂，以及Pentisol，这是一种通用的合成油。specim FX17 (900 - 1700 nm)Specim SWIR (1000 - 2500nm)Specim FX50 (2700 - 5300 nm)图1:本实验中使用的三种油剂，涂抹在金属和织物上。金属板和织物上的圆圈标记了涂有油剂的区域。绿色表示Weldlite，红色表示Würth，蓝色表示PentisolSpecim FX17相机specim FX17相机覆盖900 - 1700 nm光谱范围，广泛应用于工业质量控制。它适用于检测各种基于其天然和合成化合物的化学物质。例如，用于测量物质的数量，如烟叶中的尼古丁，并用于检测污染物和不需要的物体，如肉末中的骨头碎片。到目前为止，对机械油的检测还很少。基于光谱分析(见图3图4.)，specim FX17相机不能检测到所有的油剂。Pentisol油可以检测到一些，Würth油主要可以检测到织物上的(吸收峰在1393 nm.)， Weltlite油根本检测不到。图2:样品的伪彩图图3，用specim FX17高光谱相机测量的金属光谱曲线。绿色表示Weldlite油，红色表示Würth油，蓝色表示Pentisol油。黄色曲线可以看作是参考光谱，因为它是金属的光谱曲线，没有被油剂污染图4，用specim FX17高光谱相机测量的布料光谱曲线。绿色表示Weldlite，粉色表示Würth，蓝色表示Pentisol油。橙色光谱可以被认为是参考曲线，因为它是织物的光谱曲线，没有被油剂污染基于对光谱的观察，对数据进行了主要成分分析(PCA)。分析表明，specim FX17能够对油脂进行非常轻微的分类(图5)。图5:通过将PC1分配给红色，PC2分配给绿色，PC3分配给蓝色带，对PCA的伪彩表示Specim SWIR相机specim SWIR相机覆盖1000 - 2500nm光谱范围。与FX17一样，SWIR也适用于检测不同的化学成分。由于光谱范围更广，SWIR探测的材料比FX17更多。基于光谱分析(图7,和图8.)，具有2200 nm以上光谱特征的SWIR相机，适合检测不同类型的油，特别是Würth和Pentisol油。而Weltlite油可以部分检测到。 图6: 样品的伪彩图图7。用specim SWIR相机测量的金属光谱曲线。绿色表示Weldlite，红色表示Würth，蓝色表示Pentisol油。黄色光谱可以被认为是参考曲线，因为它们是金属的光谱曲线，没有被油剂污染图8。用specim SWIR相机测量的织物光谱曲线。绿色表示Weldlite，粉色表示Würth，蓝色表示Pentisol油。橙色光谱可以被认为是参考曲线，因为它们是织物的光谱曲线，没有被油剂污染结合PCA，进行偏最小二乘法(PLS-DA)来评估SWIR相机的分拣性能(见图9)。得到结果，使用specim SWIR相机可以从金属和织物表面检测Würth和Pentisol油，并能做出区分。Weltlite油可以在织物上检测到，但在金属上无法可靠地检测到。需要提到的是，尽管所有的油都滴在非常有限的区域里，但Weltlite油已经广泛地在织物上扩散开来了。图9:左:将PC1赋值为红色，PC2赋值为绿色，PC3赋值为蓝色，对PCA的伪彩表示 右:PLS-DA模型预测Specim FX50相机specim FX50相机覆盖2700 - 5300 nm光谱范围。这些波长都是在红外波段，也就是所谓的MWIR。FX50非常适合对不同类型的聚合物进行分类，不管它们是什么颜色——甚至是黑色的。结果表明，FX50可以检测所有三种不同类型的油在金属和织物表面。FX50甚至可以检测到微小的油滴。测试结果显示，在3300 ~ 3500 nm光谱范围内具有很强的吸收能力(图11。和12)。图10:样本的伪彩图图11：用specim FX50相机测量的金属光谱曲线。绿色表示Weldlite，红色表示Würth，蓝色表示Pentisol油。黄色光谱可以被认为是参考曲线，因为它们只与金属有关，而没有被任何类型的油污染图12：用specim FX50相机测量的织物光谱曲线。绿色表示Weldlite，红色表示Würth，蓝色表示Pentisol油。黄色光谱可以被认为是参考曲线，因为它们只与织物有关，没有被任何类型的油污染除了PCA，还建立了PLS-DA模型来评估specim FX50相机的分选性能。如图13所示。，这三种类型的油都可以从金属和织物表面检测到，并通过specim FX50相机进行分类。图13:左:将PC1赋值为红色，PC2赋值为绿色，PC3赋值为蓝色，对PCA进行伪彩表示 右:PLS-DA模型预测结论根据分析，我们可以得出这样的结论:specim FX50是检测表面油脂的最佳相机。有了FX50，你还可以对不同的油类进行分类。上海昊量光电提供芬兰公司SPECIM不同波长范围的高光谱相机，波长涵盖400-12000nm为广大客户提供不同波长范围的相机，作为世界上成立早的高光谱相机公司之一，产品不仅仅覆盖在科研领域，更是设计和量产了第yi款市场上专业为工业应用和机器视觉设计的光谱相机，快速、小巧、灵敏，稳定，一致性，可配置开发等特点满足各种在线质量控制要求。应用可覆盖植被病害、胁迫检测、表型分析，食品果蔬种子检测分选，法医刑侦、犯罪现场检测，皮肤异常检测、生物科学，分类回收、异物检测，药品食品原料分析检测，地质监测，环保卫生，精准农业等领域。对于specim高光谱相机有兴趣或者任何问题，都欢迎通过电话、电子邮件或者微信与我们联系。关于昊量光电：上海昊量光电设备有限公司是光电产品专业代理商，产品包括各类激光器、光电调制器、光学测量设备、光学元件等，涉及应用涵盖了材料加工、光通讯、生物医疗、科学研究、国防、量子光学、生物显微、物联传感、激光制造等；可为客户提供完整的设备安装，培训，硬件开发，软件开发，系统集成等服务。‍

9月7日11时01分，中国在太原卫星发射中心用长征四号丙遥四十运载火箭成功发射高光谱观测卫星(又名高分五号02星)。标志着我国大气环境领域的高光谱观测能力得到进一步提升，将满足我国在环境综合监测等方面的迫切需求，为全球大气环境遥感监测的业务化运行提供国产高光谱数据保障。　　据介绍，该卫星共搭载了七台遥感仪器，其中四台大气监测载荷由合肥研究院研制，分别是大气主要温室气体监测仪(GMI)、大气痕量气体差分吸收光谱仪(EMI)、大气气溶胶多角度偏振探测仪(DPC)、高精度偏振扫描仪(POSP)。　　GMI和EMI仪器入轨后将开展全球温室气体和污染气体监测。GMI可实现1~4ppm的二氧化碳探测和20ppb的甲烷探测，为我国“碳达峰与碳中和”战略提供技术支撑。EMI具备0.5纳米的紫外高光谱探测手段，可实现单日覆盖全球，实现二氧化氮、二氧化硫、臭氧和甲醛等污染气体监测，服务于我国“大气污染防治”及“臭氧和PM2.5协同探测”等国家战略。DPC能实现全球大气气溶胶和云的光学及微物理参数探测，为全球气候变迁研究及对地观测高精度大气辐射校正提供有效数据。POSP可与DPC协同配合，用于PM2.5、雾霾监测，助力打赢“蓝天保卫战”。　　本次发射的四台载荷研制工作于2018年下半年启动，2019年初通过了正样设计评审，并先后于2020年通过了验收评审。为完成此次发射任务，该院于2021年7月7日召开了高光谱观测卫星4台大气监测载荷试验队进场动员会。两个月来，大气监测载荷研制团队全体成员，克服各种困难因素，以严慎细实的态度做好各项工作，顺利保证了这次任务的圆满完成。　　今后，四台载荷将在高光谱观测卫星上同步运行，对于动态监测我国大气污染状况、贯彻落实大气污染防治攻坚任务等具有重要意义。除此之外，目前，中科院合肥物质科学研究院还承担了大气环境监测卫星等多颗卫星载荷的研制任务，将为我国大气环境的综合治理和实现碳达峰碳中和目标做出重要的技术支撑和保障。

油茶果采摘期受环境因素影响较大，不同地区的天气、气候、积温、土壤肥力等条件不同，造成油茶果的成熟期有早有晚，因此油茶果的采摘时间应根据其具体成熟度而定。油茶果采收前的最后一个月是油脂积累的高峰期，这段时间油茶果含油量增幅最为明显，同时伴随着内部营养物质的相互转化。然而在此时期油茶果的外部形态特征如形状大小、鲜果质量、颜色等趋于稳定，无明显变化，从而给茶农判断油茶果的成熟度和最佳采摘期带来一定的困难。故迫切需要提出一种快速准确地检测油茶果成熟度的方法，为油茶果的精准采收作业提供帮助。南京林业大学机械电子工程学院的胡逸磊、姜洪喆、周宏平*等通过高光谱成像技术获取油茶果的高光谱数据并结合化学计量学方法获取油茶果的成熟度参数作为参照，使用分类算法完成对油茶果成熟度的判别，并验证分类模型的正确率，旨在为油茶果最佳采摘期的判断提供科学依据。1、油茶果成熟期理化参数由表1可知，油茶果的果高、果径在整个采摘期内出现些许的递增，但递增幅度很小，因此标准差较低，只有0.43 mm左右；鲜果质量范围在25～30 g之间，鲜籽质量范围在10～15 g之间；油茶果的果壳含水率在采摘期内有下降的趋势，但下降的幅度较小；油茶果出籽率在35%～40%之间波动，油茶果含油率随着采摘时间的推迟而递增，增幅达到59%，其标准差为5.55%，比其他理化参数的标准差高很多，可见若提前采摘油茶果将造成茶油产量的严重损失。并且从采样时间上看，11月10号油茶林中部分油茶果的果壳开裂，油茶果进入全面采收阶段，至11月14号采收工作基本完毕，预留的5 棵茶树上的大部分油茶果的果壳开裂，有的油茶果已脱落在地，符合油茶果过熟期特征，将此时采集的油茶果作为对照组，发现其含油率基本保持稳定，说明11月10号左右油茶果进入完全成熟期，此时采摘可使茶油产量最大化，并且陆续有油茶果果壳开裂并脱落导致难以收集，无法再推迟油茶林的整体采收时间。结合表2给出其成熟度的定量判别标准：采收前30 d左右，且含油率为（22.00±1.00）%的样品作为成熟度I；油茶果采收前23 d左右，且含油率为（24.00±1.00）%的样品作为成熟度II；茶果采收前16 d左右，且含油率为（27.00±2.00）%的样品作为成熟度III；茶果采收前9 d左右，且含油率为（31.50±2.50）%的样品作为成熟度IV；油茶果采收期间，且含油率为（35.00±1.00）%的样品作为成熟度V。成熟度等级I～V的油茶果样品的成熟度依次递增，成熟度V的油茶果为完熟期样品。本实验不包含过熟期样品，因为过熟期的油茶果果壳开裂容易脱落，凭借人眼很容易判别，无需借助高光谱设备。将以上5 种成熟度油茶果样品的高光谱数据作为数据集，用作成熟度的分类。2、基于像素点的油茶果高光谱图像曲率校正图2a是校正前从油茶果中心沿半径方向至边缘处89 个像素点的光谱曲线图，可以看出由于油茶果曲率的影响，不同位置的光谱反射强度差异很大，光谱CV为0.244 0；图2b是相同位置的像素点校正后的光谱曲线图，可以发现每个像素点之间的光谱强度差异变小很多，CV为0.0753。774 nm通道油茶果样品的反射率与背景的反射率差异最大，因此该通道能清晰地显示油茶果样品的灰度图。图3是在774 nm波段校正前后油茶果反射率的伪彩色分布，可以直观地看到校正后油茶果像素点的反射率分布比校正前更均匀，说明均值归一化方法的有效性。3、不同成熟度油茶果光谱特征分析939 个样本曲率校正前后的光谱曲线图见图4，校正后的数据分布更加集中，数据特征更加明显。670 nm处的吸收峰主要与油茶果壳中的花青素和叶绿素有关，970 nm处的吸收峰与果壳中的水分有关。将5 个不同成熟度等级的油茶果光谱数据分别取平均值，得到油茶果的成熟度曲线如图5所示。可以发现，不同成熟度油茶果的光谱强度差异主要体现在500～630 nm和720～970 nm之间。在500～630 nm之间，成熟度I和成熟度II样品的反射强度差别较小，随着采样时间的推迟，成熟度III和成熟度IV样品的反射强度较前者有所降低，成熟度V样品的反射强度降至最低，该波段范围内呈现出油茶果的光谱反射率随成熟度的增加而降低的规律。在720～970 nm之间，成熟度II～V样品的反射强度随成熟度的增加而降低，而从成熟度I～V样品的反射强度经历两次先增高后降低的过程，可能是与果壳中内源激素含量的动态变化有关。在5 个不同的采收时间点，成熟度曲线存在较明显的区别，为成熟度分类提供了理论依据。4、基于全波长的油茶果成熟度分类将5 种不同成熟度等级的油茶果样品赋予类别标签1～5，分别采用KNN、RF、SVM、PLS-DA建立基于全波长光谱信息的油茶果成熟度分类模型，各模型参数设置如表3所示。在对各个模型进行参数寻优后，获得了各模型在最优参数下的分类结果如表3和图6所示。可以发现，SVM相比于其他3 个模型的分类效果最好：训练集的分类正确率为98%，测试集的平均分类正确率为97%，对成熟度I样品的分类正确率最高；其次是RF模型，对油茶果成熟度的平均分类正确率为86%，对成熟度I和成熟度IV样品的分类正确率较高；PLS-DA模型的分类效果一般，测试集的正确率为76%；KNN模型在训练集和测试集上的分类正确率是所有模型中最低。5、基于特征波长的油茶果成熟度分类表4是不同降维方法选择特征变量建立的SVM分类模型结果。可以发现，使用CARS降维后的28 个特征波长的光谱数据建立的SVM模型效果最好：训练集平均正确率为91%，测试集平均正确率为82%，对成熟度IV样品的识别率最高为91%，对成熟度II样品的识别率较低为73%。经SPA和GA降维后建立的分类模型的效果相差不大：训练集上对油茶果的分类正确率为86%左右，测试集上的识别率为80%左右。主成分分析（PCA）-SVM模型的效果最差：训练集上的分类正确率为64%，测试集上的分类正确率只有55%，可见PCA方法将全波段光谱数据转化为7 个PC的过程中即使保留了99%的信息量，结合SVM建立的分类模型的性能还是较差。CARS-SPASVM和GA-SPA-SVM都是经过二次降维之后建立的分类模型，两组数据集下的SVM模型分类效果相当：测试集的正确率为75%左右，并且两个模型均对成熟度V样品的分类正确率最高，对成熟度II和成熟度III样品的分类正确率较低。6、基于图像特征和光谱特征融合的油茶果成熟度分类表5是不同输入特征下的SVM模型分类结果，可以发现，使用单一的颜色特征建立的油茶果成熟度SVM模型测试集正确率为79%，相比使用单一的光谱特征建模的正确率降低了3.7%，并且该模型对成熟度IV和成熟度V样品的识别率较高，分别为92%和95%，对成熟度II和成熟度III样品的识别率较低。使用单一的纹理特征建立的油茶果成熟度SVM分类模型正确率不足50%，说明油茶果的纹理特征参数在油茶果成熟期间没有发生较明显的变化，并且油茶果的表皮光滑，纹理特征并不明显，不能较好地作为油茶果成熟度的表征因子。总体上说，融合颜色特征和光谱特征建立的油茶果成熟度SVM分类模型的效果最优，并且模型对成熟度I、IV、V油茶果样品的识别率普遍高于对成熟度II、III样品的识别率，原因是成熟度I、IV、V油茶果样品之间的特征参数差异性较大，易于分辨，而成熟度II、III样品之间的特征差异相对较小。结 论对利用高光谱成像技术进行油茶果成熟度检测的可行性进行探究，采用实验室内静态测量的方式观察和分析油茶果的光学特性，在此基础上分析利用油茶果的光学特征判断油茶果的成熟度的准确性。目前结合田间动态测量讨论自然环境下光谱检测油茶果成熟度的可行性的田间试验正处于方案论证阶段，将在今年油茶果成熟期（10—11月）进行，为达到油茶先熟先采、后熟后采、随熟随采的智能化采摘新阶段奠定理论基础。主要结论如下：1）分别使用KNN、RF、SVM、PLS-DA建立基于全波段光谱数据的油茶果成熟度判别模型，发现SVM模型的分类正确率最高：训练集正确率为98%，测试集正确率为97%。2）分别使用SPA、CARS、GA、CARS-SPA、GA-SPA对全光谱进行降维，建立基于特征变量的SVM模型，发现经过CARS方法选择的特征波段建立的分类模型正确率最高：训练集分类正确率为91%，测试集的正确率为82%。3）提取油茶果高光谱图像中的颜色特征和纹理特征，分别建立SVM分类模型后发现，融合颜色特征和光谱特征建立的SVM模型的正确率高于使用单一的光谱特征（经CARS降维）建立的模型正确率：训练集分类正确率为95%，测试集正确率为93%。

table border=" 1" cellspacing=" 0" cellpadding=" 0" width=" 600" tbody tr td width=" 144" p style=" line-height: 1.75em " 成果名称 /p /td td width=" 504" colspan=" 3" p style=" line-height: 1.75em " 安全玻璃冲击失效检测仪 /p /td /tr tr td width=" 144" p style=" line-height: 1.75em " 单位名称 /p /td td width=" 504" colspan=" 3" p style=" line-height: 1.75em " 中国建材检验认证集团股份有限公司 /p /td /tr tr td width=" 144" p style=" line-height: 1.75em " 联系人 /p /td td width=" 156" p style=" line-height: 1.75em " 艾福强 /p /td td width=" 161" p style=" line-height: 1.75em " 联系邮箱 /p /td td width=" 187" p style=" line-height: 1.75em " afq@ctc.ac.cn /p /td /tr tr td width=" 144" p style=" line-height: 1.75em " 成果成熟度 /p /td td width=" 504" colspan=" 3" p style=" line-height: 1.75em " □正在研发 □已有样机 □通过小试 □通过中试 √可以量产 /p /td /tr tr td width=" 144" p style=" line-height: 1.75em " 合作方式 /p /td td width=" 504" colspan=" 3" p style=" line-height: 1.75em " □技术转让 & nbsp □技术入股 & nbsp □合作开发& nbsp √其他 /p /td /tr tr td width=" 648" colspan=" 4" p style=" line-height: 1.75em " strong 成果简介： /strong br/ & nbsp & nbsp & nbsp /p p style=" text-align:center" img src=" http://img1.17img.cn/17img/images/201603/insimg/883303d6-1d4f-4c5e-a162-73446386211d.jpg" title=" 安全玻璃冲击失效检测仪.jpg" width=" 350" height=" 292" border=" 0" hspace=" 0" vspace=" 0" style=" width: 350px height: 292px " / /p p style=" line-height: 1.75em " & nbsp & nbsp 安全玻璃冲击失效检测是针对建筑玻璃、汽车玻璃进行的检测方法，被测玻璃受到冲击后，通常表现出三种型式：一种是受冲击后被测玻璃完好无损，没有发生失效（合格）。第二种是受冲击后被测玻璃，破损十分严重，发生完全失效（不合格）。第三种是，被测玻璃受冲击后，有破损产生，但是不知道，是否发生失效（合不合格）。针对这种情况我们研发了安全玻璃冲击失效检测仪，其特征是一个球形测试探头，在测试探头后方设置有传感器，传感器通过放大器和模数转换器与智能块和显示屏相连接，使用过程中先将测试探头安放在被测玻璃处，然后缓慢施力，达到预先设定的检测标准后，发出提示信号，将检测探头的载荷信号经传感器、一级放大器、滤波器、二级放大器经数模转换器送入中央处理器，经中央处理器内置的程序处理后，其结果通过该检测仪壳体表面设置的液晶显示器显示，人或外界对玻璃的破坏力可以根据该检测仪内设的过载报警灯控制，避免了人为因素的干扰，其测试结果直观，较传统技术所测得的数据更加准确，为玻璃生产厂家进一步改善玻璃性能提供了较准确的参考依据。同时，该检测仪通过控制面板的清零键、单位转换键、峰值保留键的设置，可保证该仪器的测量准确度，可以任意调整其测量数值中称量单位之间的转换，液晶显示器也将显示出相应的单位符号，其操作简单、易于维修且便于携带，使用安全方便。 br/ & nbsp & nbsp & nbsp 测定单位：N,Kg，切换式 br/ & nbsp & nbsp & nbsp A/D转换：16bit逐次变换方式 br/ & nbsp & nbsp & nbsp 测试精度：± 0.2%F.S.以下 br/ & nbsp & nbsp & nbsp 再现精度：± 0.1%F.S.以下 br/ & nbsp & nbsp & nbsp 连续使用时间：约48小时（使用温度25℃） br/ & nbsp & nbsp & nbsp 显示屏：16位液晶显示屏 br/ & nbsp & nbsp & nbsp 使用温度：0-40℃ br/ & nbsp & nbsp & nbsp 计测方式：最大值、瞬时值 br/ & nbsp & nbsp & nbsp 电源：两节五号电池 br/ & nbsp & nbsp & nbsp 采样频率：20次/秒 br/ & nbsp & nbsp & nbsp 机体重量：约500g br/ & nbsp & nbsp & nbsp 容许载荷：50N（有过载报警灯） /p /td /tr tr td width=" 648" colspan=" 4" p style=" line-height: 1.75em " strong 应用前景： /strong br/ & nbsp & nbsp & nbsp 该仪器测试结果直观，数据准确，操作简单、易于维修且便于携带，可广泛应用于企业、建筑工程质量检测站、产品质量检测站、科研院校等安全玻璃的生产检测以及开发研究部门。 /p /td /tr /tbody /table p br/ /p

table border=" 1" cellspacing=" 0" cellpadding=" 0" width=" 600" tbody tr td width=" 123" p style=" line-height: 2em " 成果名称 /p /td td width=" 525" colspan=" 3" p style=" line-height: 2em " 幕墙玻璃厚度检测仪 /p /td /tr tr td width=" 123" p style=" line-height: 2em " 单位名称 /p /td td width=" 525" colspan=" 3" p style=" line-height: 2em " 中国建材检验认证集团股份有限公司 /p /td /tr tr td width=" 123" p style=" line-height: 2em " 联系人 /p /td td width=" 177" p style=" line-height: 2em " 艾福强 /p /td td width=" 161" p style=" line-height: 2em " 联系邮箱 /p /td td width=" 187" p style=" line-height: 2em " afq@ctc.ac.cn /p /td /tr tr td width=" 123" p style=" line-height: 2em " 成果成熟度 /p /td td width=" 525" colspan=" 3" p style=" line-height: 2em " □正在研发 □已有样机 □通过小试 □通过中试 √可以量产 /p /td /tr tr td width=" 123" p style=" line-height: 2em " 合作方式 /p /td td width=" 525" colspan=" 3" p style=" line-height: 2em " □技术转让□技术入股□合作开发& nbsp √其他 /p /td /tr tr td width=" 648" colspan=" 4" p style=" line-height: 2em " strong 成果简介： /strong br/ /p p style=" text-align:center" img src=" http://img1.17img.cn/17img/images/201603/insimg/64e1b730-057a-4fac-9850-b46e628b289c.jpg" title=" 厚度检测仪.jpg" width=" 350" height=" 224" border=" 0" hspace=" 0" vspace=" 0" style=" width: 350px height: 224px " / /p p style=" line-height: 2em " & nbsp /p p style=" line-height: 2em " span style=" line-height: 2em " & nbsp & nbsp 幕墙玻璃厚度检测仪利用激光测距技术，通过计算光程差来获得所测玻璃的厚度，厚度检测仪不仅可以测量单层玻璃的厚度，还可以测量中空玻璃三层厚度（包括：玻璃厚度、空气层厚度），采用数字化技术，将所测结果直观的显示在液晶显示屏上，可以快速、直观的获得所需结果，并设有内部存储功能可以存储9次测量结果，方便用户使用，该仪器操作简单，携带方便，测试结果快速、准确特别适合于现场检测。& nbsp /span /p p style=" line-height: 2em " & nbsp & nbsp & nbsp 主要特点 br/ & nbsp & nbsp & nbsp 操作简单：只需将仪器放在待测玻璃上按测量键即可完成测量。 br/ & nbsp & nbsp & nbsp 测量精度高：该仪器测量精度达到微米级。 br/ & nbsp & nbsp & nbsp 测试速度快：测试时间1-2秒。 br/ & nbsp & nbsp & nbsp 便于携带：该仪器尺寸合适重量轻。 br/ & nbsp & nbsp & nbsp 稳定性好：多次测量结果无偏差。 br/ & nbsp & nbsp & nbsp 具有存储功能：可以存储9次的测量结果并查看。 br/ & nbsp & nbsp & nbsp 可同时测量玻璃厚度、空气层厚度。 br/ & nbsp & nbsp & nbsp 技术参数： br/ & nbsp & nbsp & nbsp 测量精度：微米级 br/ & nbsp & nbsp & nbsp 物理尺寸：130*70*30 br/ & nbsp & nbsp & nbsp 开关频率：1-2秒 br/ & nbsp & nbsp & nbsp 采样频率：10Hz br/ & nbsp & nbsp & nbsp 供电电压：9v br/ & nbsp & nbsp & nbsp 重量：200g br/ & nbsp & nbsp & nbsp 使用温度：-20℃- 40℃ br/ & nbsp & nbsp & nbsp 机体重量：约1Kg /p /td /tr tr td width=" 648" colspan=" 4" p style=" line-height: 2em " strong 应用前景： /strong br/ & nbsp & nbsp & nbsp 该仪器操作简单，携带方便，测试结果快速、准确特别适合于玻璃幕墙的现场检测，同时也适合于工厂、建筑工程质量检测站、产品质量检测站、科研院校等玻璃的生产检测、和开发研究等领域。 /p /td /tr /tbody /table p br/ /p

随着社会的发展，工业、农业及生活废水的大量排放，严重污染了人类赖以生存的水资源；河湖水体变色，甚至散发恶臭。这些呈现令人不悦的颜色和散发不适气味的水体，一般称为黑臭水体。黑臭水体破坏了水质和生态环境，很大程度地影响了人们的生活、危害人类健康，是目前较为突出的环境问题。遥感技术因具有速度快、同步性好、 覆盖面广、单位成本低等优点，已经被广泛地应用于水质动态监测中，遥感影像数据还可应用于水体成分的反演；研究表明，将卫星遥感技术应用于水质监测，其方法已经较为成熟，并已取得了较多的成果。然而受卫星遥感影像的分辨率限制，这种技术主要适用于大面积水域的监测，难以实现对小型水域或河道的高空间分辨率测量，而且卫星遥感还存在数据获取周期较长、时效性不够高、易受大气云层影响等问题，因此需要一种机动灵活且能够快速获得较大覆盖面积的水质测量方法，而无人机高光谱成像系统与地面水质测量相结合进行水质反演，即可解决这一问题。无人机高光谱成像系统是由无人机技术、遥感与测量技术、计算机技术等共同发展而融合的新技术，通常由硬件（包括无人机、 高光谱成像仪、计算机等）、软件（地面站控制软件、相片处理软件、影像应用软件等）和售后服务团队组成。 无人机高光谱成像系统测量相对于常规测量具有如下的优势：1）机动、灵活、 快速。无人机可在各种复杂条件下作业，反应迅速，适合应急监测。2）数据获取成本低。无人机遥感系统的购置、运行成本大大低于载人飞机，对场地和人员的要求也较低，日常维护简单，大大降低了遥感数据的获取成本。3）适合大面积观测。无人机作业可快速覆盖较大的观测面积，作业效率比人工现场测量大大提高。4）空间分辨率高。无人机高光谱成像数据的光谱分辨率高达纳米数量级。5）复杂区域观测。对于一些复杂区域，例如山区河流、河口海岸带、滩涂湿地等常规测量方式难以进入的区域，无人机航测具有显著优势。数据获取1.无人机光谱数据获取（1）机载高光谱成像设备介绍：X20P机载高光谱成像仪是一款基于光场成像技术的高光谱成像（HSI）设备，其内核为20 MP的超高清CMOS传感器，实现了相当高的空间分辨率。该设备以画幅式成像方式高速获取超过160个光谱通道的高光谱图像，连续覆盖350~1000 nm的波长范围，高性能传感器保证了噪声被控制得非常低，双GigE摄像机接口保证了高达5Hz的图像帧率（1886*1886像素/帧）。*350~1000nm宽波段范围*164或325通道瞬时同步成像*采用光场成像技术，快速成像无畸变*1886 x 1886大面阵空间维度高清图像*一体式无刷云台，Skyport电子排线接口*可搭载多种无人机并完成大面积数据图像X20P机载高光谱成像仪的164/325个光谱通道同步瞬时成像，更适合高速移动式使用，数据真实可靠无伪影；配套软件具有反射率校准、感兴趣波段数据导出、光谱植被指数制图等功能。X20P具有一体式无刷云台，内置控制及固态存储，适合多旋翼或固定翼无人机搭载。X20P一体式高光谱成像仪光谱范围350~1000nm高光谱分辨率1886*1886像素/帧光谱通道数164（可扩展）探测器20 MP高光谱CMOS成像方式全面阵所有通道同步成像，全局快门高光谱成像速度＞2 Cubes/s 1886*1886像素/Cube数字分辨率12 Bit光谱输出168000 Spectra/Cube光学阵列/FOV66个/35°通讯接口Skyport电子排线接口、2*GigE、2*USB、HDMI存储内存内置固态硬盘500G/8G限位范围俯仰方向: ±50°，横滚方向: ±90°增稳范围俯仰方向: ±40°，横滚方向: ± 45°角度抖动量± 0.015°触发控制飞控提供触发信号，同步获取GPS数据结构重量一体式云台结构，整体重量＜1.5Kg主要应用：UAV应用农业遥感环境遥感精准农业物种分类病害检测植物科学考古调查植物表型水色遥感(2) 作业计划落实：地物类型（主要提供河流宽度与长度等参数）、飞行面积（根据谷歌地图 kml 文件初步估算实际作业面积）、飞行高度（根据地面分辨率要求与空域高度等给出推荐飞行高度）、飞行架次（根据飞行面积与飞行高度等，估算无人机的飞行架次）、空域许可（需求方提供）。2. 无人机同步水面实验数据获取无人机飞行航测的同时，在水面开展实验，获取水体实验数据，主要包括：（1）水面反射光谱：用于水质参数反演建模、评价无人机反射率反演精度等。（2）现场测量水质参数：地面取样或直接测量相关的水质数据，包括：透明度、浊度、水深、水温、溶解氧、氧化还原电位等。（3）现场调查水体污染状况，包括：蓝藻水华、黑臭水体、排污口等。（4）现场采集水样，送到实验室内测量水质参数，包括：叶绿素 a、总悬浮物浓度、无机悬浮物浓度、有机悬浮物浓度、有色可溶性有机物（黄色物质）含量、总氮浓度、总磷浓度、化学需氧量（COD）浓度等。数据处理1. 基于无人机高光谱成像的水质参数反演建模利用无人机高光谱遥感图像和实测水面光谱和水质参数数据，构建水质参数遥感反演模型，实现基于无人机高光谱遥感的水质参数快速制图，包括浊度、叶绿素 a、总悬浮物浓度、无机悬浮物浓度、有机悬浮物浓度、黄色物质、水体营养状态等。2. 基于无人机高光谱成像的水体污染和水色异常区域提取方法利用无人机高光谱遥感图像和实地调查水体污染分布数据，构建水体污染遥感提取方法，实现基于无人机高光谱遥感的水体污染分布快速制图，包括蓝藻水华和黑臭水体等。此外，构建基于空间维和时间纬的水色异常区域提取算法，实现基于无人机高光谱遥感图像的疑似水体污染源信息提取。案例分享高光谱大面积水质反演案例飞行参数：飞行高度：400 m 飞行速度：20 m/s；飞行面积：3 平方公里 波段选取：490、550 、615、685、725、940拼接结果：1.RGB 合成图：2.总磷反演结果：总磷是水样经消解后将各种形态的磷转变成正磷酸盐后测定的结果，以每升水样含磷毫克数计量。3.氨氮反演结果：氨氮是指水中以游离氨（NH3）和铵离子（NH4+）形式存在的氮。 动物性有机物的含氮量一般较植物性有机物为高。因此，水中氨氮含量增高时指以氨或铵离子形式存在的化合氮。4.水溶解氧（DO）反演结果：溶解于水中的分子态氧称为溶解氧，通常记作 DO，用每升水里氧气的毫克数表示。水中溶解氧的多少是衡量水体自净能力的一个指标。5.化学需氧量（COD）反演结果：化学需氧量 COD（Chemical Oxygen Demand）是以化学方法测量水样中需要被氧化的还原性物质的量。废水、废水处理厂出水和受污染的水中，能被强氧化剂氧化的物质（一般为有机物）的氧当量。水体遥感监测原理、特点影响水质的参数有：水中悬浮物、藻类、化学物质、溶解性有机物、热释放物、病原体和油类物质等。随着遥感技术的革新和对物质光谱特征研究的深入，可以监测的水质参数种类也在逐渐增加，除了热污染和溢油污染等突发性水污染事故的监测外，用遥感监测的水质数据大致可以分为以下四大类：浑浊度、浮游植物、溶解性有机物、化学性水质指标。利用遥感技术进行水环境质量监测的主要机理是被污染水体具有独特的有别于清洁水体的光谱特征，这些光谱特征体现在其对特定波长的光的吸收或反射，而且这些光谱特征能够为遥感器所捕获并在遥感图象中体现出来。如当水体出现富营养化时，浮游植物中的叶绿素对近红外波段具有明显的“陡坡效应”，故而这类水体兼有水体和植物的光谱特征，即在可见光波段反射率低，在近红外波段反射率却明显升高。水质遥感存在的问题与发展趋势1 存在的问题：①多数限定于定性研究，或进行已有的航空和卫星遥感数据分析，却很少进行定量分析。②监测精度不高，各种算法以经验、半经验方法为主。③算法具有局部性、地方性和季节性，适用性、可移植性差。④监测的水质参数少，主要集中在悬浮沉积物、叶绿素和透明度、浑浊度等参数。2 发展趋势2.1 建立遥感监测技术体系。研究利用新型遥感数据进行水质定量监测的关键技术与方法，形成一个标准化的水安全定量遥感监测技术体系，针对不同类型的内陆水体，建立多种水质参数反演算法，实现实验遥感和定量遥感的跨跃，从中获得原始创新性的成果。2.2 加强水质遥感基础研究。加深对遥感机理的认识，特别是水质对表层水体的光学和热量特征的影响机理上，以进一步发展基于物理的模型，把水质参数更好的和遥感器获得的光学测量值联系起来；加深目视解译和数字图象处理的研究，提高遥感影象的解译精度；增强高光谱遥感的研究，完善航空成像光谱仪数据处理技术。2.3 拓宽遥感水质监测项。现阶段水质遥感局限于某些特定的水质参数，叶绿素、悬浮物及与之相关的水体透明度、浑浊度等参数，对可溶性有机物、COD等参数光谱特征和定量遥感监测研究较少，拓宽遥感监测项是今后的发展趋势之一。应加强其他水质参数的光谱特征研究，以扩大水质参数的定量监测种类，进一步建立不同水质参数的光谱特征数据库。2.4 提高水质遥感监测精度。研究表明利用遥感进行水质参数反演，其反演精度、稳定度、空间可扩展性受遥感波段设置影响较大，利用星载高光谱数据进行水质参数反演，对其上百的波段宽度为10nm左右的连续波段与主要水质参数的波谱响应特性进行研究，确定水质参数诊断性波谱及波段组合，形成构造水质参数遥感模型和反演的核心技术，提高水质监测精度。2.5 扩展水质遥感监测模型空间。系统深入的研究水质组分的内在光学特性，利用高光谱数据和中、低分辨率多光谱数据进行水质遥感定量监测机理研究，进行水质组分的定量提取和组分间混合信息的剥离，消除水质组分间的相互干扰，建立不受时间和地域限制的水质参数反演算法，形成利用中内陆水体水质多光谱遥感监测方法和技术研究低分辨率遥感数据进行大范围、动态监测的遥感定量模型。2.6 改进统计分析技术。利用光谱分辨率较低的宽波段遥感数据得到的水质参数算法精度都不是很高，可以借鉴已在地质、生态等领域应用的混合光谱分解技术，人工神经网络分类技术等，充分挖掘水质信息，建立不受时间和地域限制的水质参数反演算法，提高遥感定量监测精度。2.7 综合利用“3S”技术。利用遥感技术视域广，信息更新快的特点，实时、快速地提取大面积流域及其周边地区的水环境信息及各种变化参数；GPS为所获取的空间目标及属性信息提供实时、快速的空间定位，实现空间与地面实测数据的对应关系；GIS完成庞大的水资源环境信息存储、管理和分析。将“3S”技术在水质遥感监测中综合应用，建立水质遥感监测和评价系统，实现水环境质量信息的准确、动态快速发布，推动国家水安全预警系统建设。

近日，记者从西咸新区沣东新城获悉，铜川之光光电科技有限公司在入驻秦创原立体联动孵化器总基地5个月后，其研发的超高精度光声光谱气体检测仪实现了高精度检测设备关键技术的“自主可控”，解决了该领域的“卡脖子”问题。据悉，该检测仪是依托西安邮电大学“光声光谱法超高精度气体检测”，所研发的实时监测系统，每15秒就会刷新一次户外监测到的大气环境数据，在综合指标评价中优于国外设备。“在加快项目落地的同时，秦创原立体联动孵化器总基地飞地模式的应用，让我们可以研发在西安、生产在铜川，既便于科研团队、科技公司与上下游产业链合作，又有效降低了生产成本。”之光光电总经理梁磊介绍。

经过四年上千次的实验，中国首台磁致伸缩导波检测仪研发成功，该仪器将超声导波技术应用到钢轨、铁索、铁轨等领域的无损检测中，检测范围大、应用范围广、检测成本低等优点。 详细请见：http://news.cntv.cn/china/20110924/105083.shtml

火炬松是美国南部最重要的森林树种，它生长迅速、适应性强，可用于建筑木材、胶合板和纸浆等。松梭形锈病是由真菌Cronartium quercuum f.sp. fusiforme（Cqf）引起的一种影响该物种的常见且具有破坏性的病害。这种真菌通常会感染幼树的茎，导致被称为“锈瘿”的肿瘤样生长物产生，可能会造成树木死亡或产生“锈丛”，从而妨碍树木生长，降低木材使用价值。种植抗病苗是限制该病害的最有效的措施。温室中抗病性测试在人工接种幼苗后的目视估计病害发病率和严重程度具有高度主观性，容易出现人为错误，且劳动密集。此外，目视评估只有在病害感染一段时间后，症状充分发展时才能进行。而高光谱成像可同时获取空间和光谱信息，提供了在不同空间尺度上分析光谱信息的机会，已成功应用于多种植物物种的病害和胁迫检测。基于此，在本文中，来自北卡罗来纳州立大学和密西西比州立大学的研究团队提出了一种利用高光谱成像技术筛选火炬松幼苗梭形锈病发病率的创新方法，具体目标为（1）开发高光谱图像处理管道，用于从火炬松幼苗图像中的特定感兴趣区域（ROI）中提取光谱数据；（2）基于来自(1)的特定ROI的光谱数据，评估用于区分患病和未患病幼苗的SVM分类模型。图1 火炬松幼苗高光谱图像采集的成像装置。【高光谱图像获取】线性扫描高光谱成像仪（Pika XC2，Resonon Inc.，Bozeman，MT，USA）用于收集400至1000 nm范围内的高光谱数据，光谱分辨率为1.3 nm。高光谱图像立方体的尺寸为1600×n×462，其中n为创建一个数据立方体使用的线扫描数，1600为每条线的像素数。获取高光谱图像后，通过阈值化归一化植被指数（NDVI）图像从背景中分割出幼苗，并通过使用Faster RCNN模型的目标检测来实现个体幼苗的描绘。随后使用DeepLabv3+模型对植物部分进行分割。并使用几何特征分割冠层像素。从植物片段中提取光谱数据后，训练支持向量机（SVM）分类模型用于患病和非患病植物的分类。【结果】图2 测试集随机组图像的茎像素（红色）和非茎像素（绿色）。对于每株植物，左图显示了地面实况标签，右图显示了DeepLabv3+模型预测结果。表1 利用DeepLabv3+对茎叶像素进行分割的像素精度和平均交并比(mIoU)值。表2 不同ROI的分类模型结果。图3 左：箱线图显示了从不同ROI提取的数据中使用SVM判别模型获得的平衡精度。ST：茎上半部分；S：全茎；SB：茎下半部分；WP：整株植物；C：冠层。右图：使用茎上半部分光谱数据的SVM分类模型的接收器操作特征(ROC)曲线与具有完美和不存在判别能力的模型进行比较。【小结】作者通过研究发现，本文所提出的方法可有效检测病害发病率。随着进一步研究图像采集和处理方法，以及通过使用自动化表型平台，火炬松幼苗的高通量表型分析将成为目前在抗性筛选中心所使用方法的一个组成部分。

近日，中科院长春应用化学研究所自主研发的快速生化需氧量检测仪主要性能指标均达到国际先进水平。该所采用新型的有机—无机杂化膜固定化材料，通过微生物现场培养的方法，实现了生化需氧量(BOD)的快速检测，该创新方法从传统的BOD检测时间5—7天缩短为1小时左右，并以此为基础开发出快速BOD检测仪。 　　此外，该所研制开发的微型USB2.0接口电化学系统，在电位控制精度、数据传输速度等主要指标上大大超过以往仪器，而体积仅如同一个手指大小，比传统仪器小2—3个数量级，又可方便地集成到各种分析仪器内，实现多种分析方法和电化学方法联用，具有较好的可扩展性，适用于野外和各种现场使用。

2014年7月8日，华大基因在北京启动&ldquo 千万家庭远离遗传出生缺陷&rdquo 计划，预计通过基因检测技术大幅降低中国的出生缺陷率。首度聚焦唐氏综合症和粘多糖病、鱼鳞病、地中海贫血、苯丙酮尿症等罕见遗传病。 　　由于对身体没有创伤，唐氏综合症的基因检测方法称为无创产前检测，这是目前最为成熟的基因临床应用。今年6月30日，国家食品药品监督管理总局(下称&ldquo CFDA&rdquo )首次批准华大基因成为高通量测序诊断产品的提供机构。由于出色的临床表现，深圳市已在2013年将无创产前检测纳入医保报销范围。 　　无创产前检测只是人类基因测序应用的冰山一角，其下的冰山是人类数以万计的疾病诊断、预防、治疗，或将颠覆传统的医疗手段。华大基因董事长汪建称，未来90%以上的疾病治疗都是个体化、精准化的。 　　时间和成本的急剧下降促使基因科技步入产业化。报告显示，提出人类基因组计划的美国已经产生了1:178的投资回报率，相当于每个美国公民每年投入2美元，却取得了约1万亿美元的回报。 　　综观中国基因测序产业链，上游设备及配套试剂几乎完全被国外垄断，合作开发模式成为中外公司互利共赢的途径 测序服务市场精彩纷呈，无创产前、遗传疾病、肿瘤检测等已进入临床应用阶段，个体化医疗大幕已缓缓拉开 中国政府的监管思路更加灵活开放，但仍然落后于产业界期望。 　　国外几近垄断基因测序系统设备 &ldquo 华大已有各类测序仪200多台。&rdquo 　　处于产业链最上游的是基因测序系统，它包括基因测序仪、试剂耗材及软件，目前，除软件系统外，仪器和试剂几乎完全被国外Illumina、LifeTech和Roche垄断。 　　唯一的例外是2013年3月，华大基因收购了美国基因检测仪公司Complete Genomics(下称&ldquo CG&rdquo )，弥补了其缺失的硬件环节，华大基因为此付出了旗下华大科技40%股权以换取风险投资13.98亿元融资。 　　国内其他公司如贝瑞和康、安诺优达、达安基因等，目前只能采取与国外公司合作授权的形式，基因检测仪成为中国基因测序产业的&ldquo 卡脖子&rdquo 环节。 　　但国内也并非不存在自主研发基因测序仪的公司。2013年10月28日，紫鑫药业发布公告称与中科院北京基因组研究所合作开发第二代基因测序系统，据中科院北京基因组研究所任鲁风介绍，其检测仪不做唐筛，而是关注基因突变、微生物、类风湿、糖尿病等疾病检测。 　　然而，国产测序仪还处于研发和商业化的早期。安诺优达CEO梁峻彬告诉21世纪经济报道记者：&ldquo 但我个人认为它的机器与国外的整体相比暂时没有明显竞争优势，需要找到好的切入点。&rdquo 　　基因测序仪的核心是基因测序技术，迄今为止已产生了三代技术。 　　业内普遍认为，第二代基因检测技术是现今最稳定、应用最广的基因测序技术，但NGS仪器市场被国外几个龙头垄断。来自申银万国的数据显示，2013年Illimina以53%的市场份额位列第一，其后是LifeTech38%以及Roche的8%。 　　illumina的HiSeq技术在中国市场独领风骚，华大基因、贝瑞和康、安诺优达等公司均采购了多台HiSeq系列测序仪，并基于此研发配套系统。 　　目前，中国基因测序公司对测序仪器比拼激烈，其中华大基因的测序仪数量和种类最为齐全，汪建告诉21世纪经济报道记者：&ldquo 华大已有各类测序仪200多台。&rdquo 　　华大基因收购的CG测序仪备受关注。2014年6月30日，CFDA批准华大基因为首家高通量测序诊断产品的提供机构，其测序基础即是CG系统。然而业内存在质疑之声，如申银万国研究报告称，CG只能测序人类基因组，并且无法做无创产前检测。 　　但事实或许并非如此。华大制造执行总裁牟峰告诉21世纪经济报道记者：&ldquo 这是CG此前商业模式的选择，事实上，CG测序仪可以检测人、动物、植物等多物种。华大接下来推出的一系列服务将改变这种看法。&rdquo 　　值得一提的是，业内有观点称，只要买到测序仪即可开展测序服务，从而造成市场混乱。但梁峻彬认为，不可能如此简单，&ldquo 没有对基因科学的深刻认识，不可能做到自主研发，大量的后续开发更加重要。&rdquo 　　由于基因测序系统的核心技术掌握在国外巨头手中，除紫鑫药业外，中国公司通常选择和国外仪器生产商合作，授权或买断产品再到国内贴牌的模式，从而成为国家认可的机构。 　　不过，这种模式的产品虽然用的是国外仪器和技术，但申报CFDA走的却是国内的仪器设备通道，申报与审批相对比较快。如贝瑞和康、安诺优达与Illumina合作生产新型测序仪、华大基因的BGISEQ1000(基于CompleteGenomics的测序平台)、达安基因的DA8600(基于LifeTechnologies的IonProton测序平台)都是采用这种模式。

图说：天基碳监测突击队的科研人员利用积分球模拟太阳光谱 新民晚报记者 陶磊 摄（下同）“看清”更多温室气体碳达峰，深入人心。可做得怎么样，得用科学数据来说话。“从天上往地面看气候变化”，上海技术物理研究所走在了前面，从2008年就率先开展天基温室气体监测技术的预先研究。天上飞着的碳卫星，有好几位不同国家的“前辈”了。高光谱温室气体监测仪，又“炼就”了哪些不一样的绝活？以我国2016年12月发射的全球二氧化碳监测科学实验卫星为例，它通过看“颜色”来识别二氧化碳气体。上海技术物理研究所所长、仪器主任设计师丁雷说，温室气体可不止二氧化碳，还有水汽、甲烷、氧化亚氮等。“看”水是“基本功”，“看”二氧化碳是“进阶本领”各有千秋，而“看”甲烷可是“头一遭”，自然难得多。“要利用宽谱段高光谱方式来对地观测，这就要求监测仪能‘看到’的色彩更丰富、有更多细节，同时还要看得更远。”丁雷介绍。国际上同类仪器的视场幅宽普遍为10多公里，天基碳监测突击队却直接添了个零，要“看”100公里，“能有效缩短对全球和敏感地区的探测周期。”看得广还看得远，数据量随之增多，信息处理难度也陡增。记者了解到，全球首台宽幅高精度温室气体监测仪样机已完成研制。相比国际上同类载荷性能指标，其光学总视场角增加7.3倍左右，光谱分辨率提升一倍，光谱采样率提升50%，信噪比提升30%。图说：团队对载荷主光轴进行配准讨论技术迭代 队伍传承和照相机定格山川河流不一样，探测仪“看到”的是“虚”的，太阳高度角、风速、阴天晴天，都会对“所见”造成变化。科研人员获取的数据，得和大气成分做物理上的反演，建立起稳定的数学关系。“我们要把温室气体反演精度提高至1ppm，通俗讲就是，当大气中某一温室气体含量变化超过百万分之一时，监测仪就能发现。”丁雷解释。天基温室气体监测技术，在上海技术物理研究所，接力棒已在四届博士生手中传递过。这支数十人组成的攻关团队，年龄跨度覆盖了“60后”到“00后”，载荷亦不知更新迭代了多少回。光学副主任设计师成龙从攻读博士学位就开始瞄准这项技术，不知不觉已在所里奋斗快十年了，“很幸运参与到国家需要的前沿项目研究中去。”拿探测仪的“体重”来说，为满足科研需求，最初的设计直奔600公斤，可卫星上天也有“承重量”，对探测仪来说是个“既要又要”的难题——得轻些，稳定性还不能降低要求，这可是个无先例可循的创新活儿。机械副主任设计师雷松涛费尽心思，不同零件用上满足各自要求的复合材料，总算“减重”到了300公斤，“不同温度、重力环境下，载荷的结构形变不能超过微米级。”“根据科研任务的安排，研发的温室气体监测仪马上迎来阶段验收。春节期间，恰好是要在真空环境中联合测试。”综合电子学主任设计师张冬冬没觉得假期工作有什么大不了的，“测试需要24小时有人盯着，大家轮流过节，设备不歇。家住甘肃、贵州的科研人员，过了年初三也都陆续回来了。”图说：科研团队在进行真空光校测试准备“小考” “上马”新载荷一边紧锣密鼓地开展宽幅高精度温室气体监测仪的装校和定标实验，为三月到来的“小考”做好准备；另一头，一台新的载荷也在春节期间“上马”。团队也要“两条腿走路”，还得走得快而稳。“甲烷在平流层和对流层，可能会和不同成分发生反应。若将之作为一个科学问题看待，有很多环节缠绕在一起，以目前的技术手段，较难全面探测。”丁雷展望道，“未来天基温室气体监测必然朝着更多要素、更广范围发展。我们现在看到的是柱状浓度，今后希望能像CT一样，得到温室气体在大气中的垂直分布信息。”

宁波市环境监测中心等采购监测仪器项目采购公告 　　根据《中华人民共和国政府采购法》及有关办法，宁波市国际招标有限公司就 宁波市环境监测中心等采购监测仪器项目进行公开招标采购，现邀请合格供应商参加投标。 　　一、采购编号：NBITC—20122032G 　　二、项目概况：采购货物/服务名称、数量： 　　标段一、宁波市环境监测中心采购仪器项目(NBITC—20122032G-01) 　　子包一、NH3分析仪2套，PM2.5分析仪3套，气象五参数仪1套，CO分析仪4套 　　子包二、能见度分析仪3套，照相系统1套 　　子包三、黑碳仪2套； 　　子包四、太阳光度计1套 　　子包五、数据集成系统3套 　　子包六、实验室送风净化系统1套，实验室排风净化系统1套 　　子包七、colilert定量盘封口机1套 　　子包八、原子荧光光度计1套 　　子包九、全自动稀释嗅辩仪1套 　　子包十、智能双路烟气采样器5套，自动烟尘测试仪2套，智能空气采样器10套，智能空气采样器3套 　　子包十一、大流量空气颗粒物采样器2套 　　子包十二、便携式PH测量仪2套 　　标段二、鄞州区环境保护监测站采购仪器项目(NBITC—20122032G-02) 　　子包十三、O3监测仪及臭氧发生器、PM2.5监测仪等 各1套 　　子包十四、BC监测仪1套 　　子包十五、能见度分析仪1套 　　标段三、余姚市环境保护局采购仪器项目(NBITC—20122032G-03) 　　子包十六、SO2分析仪、NO2/NO/NOX分析仪、PM10颗粒物监测仪、气象五参数、动态校准仪、零气系统、CO分析仪 各1套， 　　CO分析仪 1套， 　　O3分析仪及臭氧发生器、PM2.5颗粒物监测仪 各2套 　　子包十七、黑碳分析仪 1套 　　子包十八、能见度分析仪1套 　　子包十九、信息传输系统 2套 　　标段四、宁波东钱湖旅游度假区环境保护局采购仪器项目(NBITC—20122032G-04) 　　子包二十、PM2.5分析仪1套、CO分析仪1套 　　标段五、奉化市环境保护监测站采购仪器项目(NBITC—20122032G-05) 　　子包二十一、PM2.5分析仪1套、CO分析仪1套、O3分析仪1套 　　标段六、慈溪市环境保护局采购仪器项目(NBITC—20122032G-06) 　　子包二十二、O3分析仪2套 　　子包二十三、β射线PM2.5分析仪2套 　　子包二十四、黑碳分析仪1套 　　子包二十五、能见度分析仪1套、拍照系统1套 　　标段七、宁海县环境保护局采购仪器项目(NBITC—20122032G-07) 　　子包二十六、二氧化氮自动监测仪2套，二氧化硫自动监测仪2套，一氧化碳自动监测仪3套，臭氧自动监测仪2套，PM10 自动监测仪2套，PM2.5自动监测仪5套，多气体校准装置2套，能见度监测仪1套，炭黑监测仪1套，数据采集仪2套，零气发生器2套，气象设备(可测气温、湿度、大气压、风速等)2套 　　标段八、象山县环境保护局采购仪器项目(NBITC—20122032G-08) 　　子包二十七、PM2.5分析仪、CO分析仪、O3分析仪、信息传输系统 各2套 　　标段九、宁波高新区建设局采购仪器项目(NBITC—20122032G-09) 　　子包二十八、PM2.5分析仪1套、O3分析仪1套 　　三、供应商资格要求：符合《中华人民共和国政府采购法》第22条的一般资格条件的规定。 　　四、标书发售日期：自公告刊登日起至2012年4月25日止(节假日及法定假日除外)，每天北京时间08:30-11:30，14:00-17:00。 　　五、标书售价、地点及方式： 　　1、标书售价为每标段300 元人民币，招标文件售后不退。如需邮购，请另付30元人民币特快专递费，并请按下述户名、开户银行及账号汇款(汇款单上应注明汇款用途及采购编号、子包号)，本公司不对邮寄过程中的遗失负责。 　　户名：宁波市国际招标有限公司 　　开户银行及账号： 　　上海浦东发展银行宁波分行江北支行 账号94090154800000191 　　2、购买标书地点：宁波市国际招标有限公司 　　六、投标截止时间：2012年4月25日09时00分 　　七、投标地点：宁波市国际招标有限公司开标大厅(宁波市江北区正大巷32号4楼) 　　八、开标时间：2012年4月25日09时00分 　　九、开标地点：宁波市国际招标有限公司开标大厅(宁波市江北区正大巷32号) 　　十：其他事项：1、参加投标的供应商在投标前必须到“宁波政府采购网(www.nbzfcg.cn)”上进行注册登记。 　　十一、采购人： 　　名 称：宁波市环境监测中心 　　地 址：宁波市宝善路 　　联系人姓名：徐静 　　电 话：56118809 　　十二、招标代理公司： 　　名 称：宁波市国际招标有限公司 　　地 址：宁波市江北区正大巷32号 　　邮 编：315000 　　电 话：0574-87322846 　　传 真：0574-87323935 　　电子邮件： bidtwo@126.com 　　联 系 人：史涛 王近娜

中国共产党第二十次全国代表大会于10月22日上午在人民大会堂胜利闭幕。习近平总书记在报告中指出，大自然是人类赖以生存发展的基本条件。尊重自然、顺应自然、保护自然，是全面建设社会主义现代化国家的内在要求。我们要推进美丽中国建设，坚持山水林田湖草沙一体化保护和系统治理，统筹产业结构调整、污染治理、生态保护、应对气候变化，协同推进降碳、减污、扩绿、增长，推进生态优先、节约集约、绿色低碳发展。近两年国家出台一系列政策，从“十四五”生态环境监测规划、碳监测评估试点工作方案，再到碳达峰碳中和目标的提出，政策明确提出开展温室气体监测和评估，推进碳排放实测技术发展和信息化水平提升等内容。预期在双碳战略下，温室气体监测将成为未来一段时期环境监测的重点，也将为整个环境监测市场带来新的增长点。这个增长点如何把握？仪器信息网为此采访了河北子曰企业总经理杨龙。仪器信息网：当前双碳等一系列政策出台将给环境监测市场带来哪些热点机遇？杨龙总经理：国内“30达峰60中和”的大背景下，温室气体的监测数据的数量和质量显得尤为重要。从国家战略角度出发，国家对温室气体监测设备的国产化进程以及国内自主核心技术的突破予以了高度重视和强力支持，这给国内从事环境监测领域的相关厂家带来了巨大的机遇。仪器信息网：基于当前的大环境，温室气体监测仪器的作用体现在哪里？杨龙总经理：温室气体监测设备的作用体现在以下几点：高精度温室气体监测设备能为我国开展标准化、常态化、高质量区级温室气体排放清单编制工作奠定数据基础，进而为我国全面建立区级温室气体清单并逐年更新，准确掌握各区温室气体排放情况，为碳排放精细化管理提供扎实基础。建立温室气体排放基础数据，强化温室气体排放基础数据积累，完善区级温室气体清单统计体系，有助于推动大气污染物源排放清单与温室气体排放清单协同编制，提高生态管理部门的工作效率。综上，开展减排路径研究、政策制定，均需要高精度的监测仪器进行数据采集。高精度温室气体监测仪器，可为我国碳核算做出数据贡献，也可对各地区区域内温室气体的排放进行实时监测，做到精准化管理等。仪器信息网：关于温室气体监测，目前国内外市场竞争格局是怎样的？有哪些技术被广泛使用？ 杨龙总经理：国内温室气体监测领域目前处于测试及初期应用阶段，各厂家应用的技术路线有所区别。可供各个客户选择的仪器其实并不是很多。在高精度温室气体监测领域，基本仍是国产仪器和国外仪器设备的竞争。国外仪器在全球应用广泛，有较强的技术积累。国内仪器厂家需要市场给予机会，促使技术更加完善以及更稳定。目前国内企业以及研究院所广泛应用的技术为：光强衰荡技术和离轴积分技术以及光声光谱技术等。仪器信息网：在这样的竞争格局下，贵公司有哪些技术上的竞争优势？杨龙总经理：我司技术完全自主化，主要部件均系自主开发，技术基本成熟。我司仪器现在已经更新到了第三版，仪器内部除了激光器本身外，均已实现了自主化及国产化，如内部的核心部件腔室反射镜片、探测器、电路控制系统、嵌入式程序、进样系统、信号斩断等。仪器信息网：具体来说贵公司的温室气体监测仪采用什么技术？克服了哪些难题？ 杨龙总经理：我公司温室气体监测仪采用光腔衰荡技术。公司原来掌握的是TDLAS技术，在研发期间对光腔衰荡技术、激光斩断以及衰荡信号的调试控制中遇到诸多困难。这些困难，都通过与国内的专家学者进行沟通得以攻克。作为一个以军工产品代工发展起来的企业，公司基本上仍以生产核心产品模块，提供技术服务为主营方式，主要为环保和气象行业内一些优秀企业进行战略合作或者OEM（Original Equipment Manufacturer）。河北子曰产品外型图河北子曰产品内部图监测结果展示：信号斩断10次后的重复性衰荡曲线图（斩断信号稳定且无漂移）仪器信息网：贵公司在温室气体检测产品线目前有哪些产品？杨龙总经理：我司定性为技术型企业，产品以OEM为主。目前公司主要主营方向在光谱和质谱类。现有产品包括：VOCs GC-MS质谱仪、光腔衰荡温室气体监测仪、黑炭仪、高光谱气体成像仪、机动车尾气遥感监测仪器、黑烟车抓拍系统等。仪器信息网：目前，贵公司温室气体监测仪的销售情况如何？有哪些典型的应用领域？杨龙总经理：我司的温室气体监测仪现在基本以战略合作模式居多，同时也包括国外市场。销售业绩在逐步上升阶段，国内环境行业标准出台后预计明年会有更大的提升和落地项目。从客户类型上来说，我们的用户基本集中在三大领域：环境领域、气象领域和学术领域。仪器信息网：贵公司将来重点关注和拓展的方向是什么？当前气体监测与分析领域还有哪些热点？目前已经在开展或将开展哪些气体监测创新仪器/应用的研究？杨龙总经理：我司未来拓展的方向仍然是光谱和质谱两大方向。光谱方向将在后期对高光谱以及多光谱技术进行拓展落地。质谱方向将在后期对高分辨质谱仪以及同位素和源解析工作细化以及生命科学领域进行升级拓展。公司生产车间实照公司4层1000平研发楼实照

高光谱遥感技术具有“图谱合一”的特点，在获取地物图像的同时可以得到地物的连续光谱信息，进而迅速锁定超标污染来源，全面掌握区域水污染的整体状态，帮助解决水污染防治和水质达标中遇到困难的问题诊断，提供依据。传统的水质参数测量，采用点采样分析的方法，只能了解监测点附近水质状况。而高光谱成像仪则可采集一片水域的反射率光谱信号，以及代表性的测点采样化验数据，通过水体光谱特征与水质参数浓度之间的关系，建立水质参数反演算法，实现水质参数的定量化空间表达，其具有高效、监测范围广和便于长期动态监测等优点。打破传统监测局限 创新水环境监测模式传统水质监测方案：一是采集水样，经过实验室分析，二是固定式监测站，只能了解监测点的水质状况，难以捕捉时空变化规律。基于成像高光谱技术的遥感监测水质弥补传统方式的监测局限，优势互补，相互联合，共同提供水质监测解决方案。反演水质参数达15种以上，包括化学需氧量、总氮、总磷、氨氮、叶绿素a。多种监测手段融合分析，提供监测水质参数空间分布、趋势分析诊断报告。应用领域高光谱扫描成像遥测技术可应用于河流、湖泊、水库、近岸海域等污染空间分布、现状评估、溯源分析场景。无人机式成像高光谱遥测通过无人机搭载成像高光谱设备，对目标区域进行遥感测量，得到目标区域的图像和光谱信息，再利用反演模型计算光谱，可反演15种以上水质参数（包括化学需氧量、氨氮、总磷、总氮、悬浮物、浑浊度、透明度、溶解氧、锌、铜、铅、叶绿素、蓝藻等），定制参数，还可反演植被覆盖、土壤类型等。对监测数据进行整理分析，通过对飞行区域的参数空间分布、演化趋势进行分析并输出报告，进而进行污染追溯分析，实现对水污染防治的精细化管理。塔式成像高光谱遥测塔式相对于无人机式成像高光谱仪，可以实现更长时间的运行，在白天时均可探测。同时塔式高光谱仪成像范围较大，适合在湖库出入水口、河道支流汇入口、入海口等重点水域处临水部署。扫描成像技术：岸边高位采用倾斜角度探测和扫描，具有大范围监测和空间成像能力。可根据现场需求灵活配置“点-线-面”工作模式，监测范围可覆盖数百平米至数万平米的水域范围，单台设备即可获取不同尺度范围内的水质空间分布情况。自动标定：具备在线定标功能，大幅提高原始数据的准确性和可靠性，为水质多参数反演和深度应用提供必要的前提保障。应用实例2020/11 河北某区域某新区该水域面积较为宽阔，高光谱水质反演出总磷和化学需氧量，发现总磷达到Ⅲ类水质标准，化学需氧量有超过所属流域该新区水质标准的风险。实现了区域性水质多参数信息的及时高效获取，为水环境综合监管提供了新的技术手段。

近几年来我国每年发生森林病虫害面积达一千多万亩，损失林木二千多万立方米，造成经济损失一百多亿元。森林病虫害是主要的森林灾害之一，破坏森林资源的同时，还造成了一定的经济损失，同时给生态环境也带来了严重的负面影响，被人们称之为“无烟的森林火灾”。林业生产的发展和生态环境的建设与森林病虫息息相关，森林病虫的发生严重制约着林业的可持续发展进程。因此，监测森林病虫害的发生发展对生态文明建设具有重要的意义。在高光谱遥感技术兴起之前，有许多不可识别的物质，但是自从高光谱遥感出现以来，除了定性检测之外，在某些领域还可以对物质进行定量检测。高光谱遥感技术具有多波段、高光谱分辨率、相邻波段间高相关性、高空间分辨率等突出优势。从技术上讲，高光谱遥感技术是光谱技术和成像技术的结合。高光谱遥感技术的出现，使得森林病虫害监测有了新的思路，对实现森林病虫害的早期防治具有重大的意义和价值。奥谱天成-无人机载高光谱随着科技的发展，无人机作为一种搭载传感器的遥感平台，为遥感领域开辟了新的思路。与其他遥感技术相比，它因成本低、操作简单、空间分辨率高、获取图像的时间和地理限制少而逐渐被应用到各行各业。高光谱遥感技术在森林病虫害监测中的研究应用植物在生长过程中与环境因素相互作用的综合光谱信息被称之为植物的光谱特征。基于病虫害光谱响应的生理机制和光谱数据监测病虫害。监测方法主要包括以下方面。基于病虫害光谱响应特征进行监测作物病虫害的光谱响应可以近似为病虫害引起的色素、水分、形态和结构变化的函数，因此它通常是多效性的，并且与每种病虫害的特征相关。基于植被指数进行监测通观察不同病虫害生长条件下的植被特征参数，建立多种监测森林病虫害的植被指数。建模反演:植被生理生化参数能很好地反映植被的长势，进行建模反演是监测森林病虫害的关键。上图：机载高光谱观测森林病虫害由于高光谱遥感图像具有连续光谱、多波段、实效性好和数据量大的特点，其在林业中的应用研究逐渐成为现代林业研究的重点。遥感技术在害虫监测中的应用已经逐渐从理论走向实践，但仍有许多问题需要进一步探索和研究。大规模害虫发生的实时动态监测和预警是未来的一个重要趋势。