Headwall高光谱成像光谱仪

合集下载

CARS_SPA算法结合高光谱检测马铃薯还原糖含量_姜微

高光谱成像技术可获取被测对象光谱信息和波长图像信息。该技术检测马铃薯内外部品质研究已有报道。Dacal-Nieto 等应用高光谱成像技术无损检测马铃薯空心病[3]。Rady 等提出高光谱成像技术快速检测马铃薯含糖量可行[4]。Jiang 等基于高光谱成像技术检测马铃薯中淀粉含量，效果良好[5]。周竹等应用高光谱图像系统、透射光谱系统和傅立叶变换近红外光谱仪检测马铃薯黑心病，表明光谱检测马铃薯黑心病，高光谱成像系统高于傅立叶变换成像[6]。苏文浩等应用高光谱技术结合图像处理方法检测马铃薯外部缺陷，表明正确识别率达 82.5% 。 [7] 周竹等应用高光谱技术检测马铃薯干物质含量[8]。吴辰等应用高光谱成像技术快速检测马铃薯淀粉含量取得较好效果，验证模型相关系数和均方根误差分别为 0.982 和 0.249[9]。金瑞等基于高光谱图像和光谱信息融合技术可同时识别马铃薯多种缺陷指标，混合识别率达 96.58%[10]。由于高光谱具有较高分辨率，导致大量冗余信息存在于原始光谱信息中。因此，利用高光谱数据定量分析前压缩光谱信息尤为必要。
图像；Id-黑色图像。
1.4 数据预处理
为减弱或消除基线漂移、散射等非目标因素
对光谱影响，对高光谱成像仪采集光谱预处理。 [13]
分别对原始光谱采用平滑 13 点、最大值归一化、基
线校正、正交信号校正和标准化等预处理，并依次
比较原始光谱和预处理后光谱对定标模型影响，以
系数最大、均方根误差最小原则，确定预处理方
共制备 238 个样本，比色法测定马铃薯还原糖含量，选择 190 个样本作校正集，48 个样本作验证集，与全光谱和经
典变量提取方法比较。结果表明，CARS-SPA 算法筛选波段效果最佳，相比于全谱建模其参与建模波长点由 203 个

高精度快速光谱辐射计haas-2000-ir1技术参数_概述说明

高精度快速光谱辐射计haas-2000-ir1技术参数概述说明1. 引言1.1 概述本文将介绍Haas-2000-IR1高精度快速光谱辐射计的技术参数。

该仪器在测量光谱辐射方面具有高精度和快速反应的特点，广泛应用于工业、生物医学和环境监测等领域。

通过详细的技术说明和实际应用案例的介绍，读者能够全面了解这一先进仪器的性能和优势。

1.2 文章结构本文分为五个主要部分：引言、Haas-2000-IR1技术参数、Haas-2000-IR1技术详解、使用案例与应用场景以及结论与展望。

下面将对每个部分进行简要概述。

1.3 目的本文旨在介绍Haas-2000-IR1高精度快速光谱辐射计的技术参数，并深入解析其原理、设计结构和数据处理算法。

同时，通过实际应用案例的展示，探讨该仪器在工业、生物医学和环境监测等领域中的广泛应用。

最后，对未来技术发展方向提出建议，为相关领域后续研究提供参考。

通过本文的阅读，读者将获得关于Haas-2000-IR1技术参数的全面了解，并能够评估其在不同应用领域中的实际价值和潜力。

2. Haas-2000-IR1技术参数：2.1 简介：Haas-2000-IR1是一款高精度快速光谱辐射计，具有广泛的应用领域。

该设备通过准确测量目标物体辐射能量来分析其物理性质和化学成分，进而提供重要数据支持。

2.2 高精度特性：Haas-2000-IR1采用先进的光学传感器技术，能够以极高的精度测量和记录辐射能量。

其测量误差小于0.01%的高精度保证了数据的可靠性和准确性。

2.3 快速光谱辐射计功能：Haas-2000-IR1具有快速激发和响应的能力，可以实时获取并处理大量光谱数据。

它可以在红外区域范围内进行非接触式测量，并提供高分辨率、高灵敏度的光谱信息。

通过Haas-2000-IR1技术参数部分，读者可以了解到该设备具备高精度测量的能力，并且拥有快速激发和响应特性。

这些功能使得该仪器在工业、生物医学和环境监测等领域都有广泛的应用前景。

高光谱遥感第二章ppt课件

第二章高光谱遥感成像机理与成像光谱仪
第二章高光谱遥感成像机理与成像光谱仪
第二章高光谱遥感成像机理与成像光谱仪
第二章高光谱遥感成像机理与成像光谱仪
第二章高光谱遥感成像机理与成像光谱仪
第二章高光谱遥感成像机理与成像光谱仪
我校现有设备 Headwall
- 成像光谱仪的光谱与辐射定标技术
第二章高光谱遥感成像机理与成像光谱仪
- 成像光谱信息处理技术
海量数据非失真压缩技术高速化处理技术辐射量的定量化和归一性图像特征提取及三维谱像数据的可视化
第二章高光谱遥感成像机理与成像光谱仪
5 成像光谱仪的空间成像方式高光谱遥感成像包括空间维成像和光谱维成
第二章高光谱遥感成像机理与成像光谱仪
1 基本概念
光谱学成像技术
成像光谱学
第二章高光谱遥感成像机理与成像光谱仪
(1) 光谱分辨率 —指探测器在波长方向上的记录宽度，又称为
波段宽度。
第二章高光谱遥感成像机理与成像光谱仪
(2) 空间分辨率—对于成像光谱仪，其空间分辨率是由仪器的角分辨力，即仪器的瞬时视场角（IFOV）决定的。
第二章高光谱遥感成像机理与成像光谱仪
- 二元光学元件成像光谱技术
二元光学元件沿轴向色散，利用面阵CCD 探测器沿光轴方向对所需波段的成像范围进行扫描，每一位置对应相应波长的成像区。
- 三维成像光谱技术
三维成像光谱仪是在光栅色散型成像光谱仪的基础上改进而来的，其核心是一个像分割器，将二维图像分割转换为长带状图像。
(3）仪器的视场角（FOV）—指仪器的扫描镜在空中扫过的角度。
第二章高光谱遥感成像机理与成像光谱仪

棉花病虫害遥感监测研究进展

㊀山东农业科学㊀２０２４ꎬ５６(４):１６４~１７１ＳｈａｎｄｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓ㊀ＤＯＩ:１０.１４０８３/ｊ.ｉｓｓｎ.１００１－４９４２.２０２４.０４.０２１收稿日期:２０２３－０４－１２基金项目:山东省自然科学基金项目(ＺＲ２０２１ＭＤ０９１)ꎻ山东省引进顶尖人才一事一议专项经费(鲁政办字２０１８２７号)资助项目ꎻ国家自然科学基金项目(５１６０６１１３)作者简介:胡连槟(１９９７ )ꎬ男ꎬ山东潍坊人ꎬ硕士研究生ꎬ研究方向为农业信息化与电气化ꎮＥ－ｍａｉｌ:１９０６８００８８３＠ｑｑ.ｃｏｍ通信作者:李永军(１９６８ )ꎬ男ꎬ内蒙古赤峰人ꎬ高级实验师ꎬ主要从事农业生物环境与能源工程研究ꎮＥ－ｍａｉｌ:ｌｉｙｏｎｇｊｕｎ＠ｓｄｕｔ.ｅｄｕ.ｃｎ棉花病虫害遥感监测研究进展胡连槟１ꎬ兰玉彬１ꎬ于海琳１ꎬ张帅领１ꎬ田秉权１ꎬ王小丽１ꎬ王泽生２ꎬ赵静１ꎬ李永军１(１.山东理工大学农业工程与食品科学学院ꎬ山东淄博㊀２５５０００ꎻ２.滨州市滨城区农喜棉花专业合作社ꎬ山东滨州㊀２５６６００)㊀㊀摘要:病虫害严重威胁棉花的产量与质量ꎬ阻碍棉花产业的发展ꎬ传统人工田间调查病虫害发生状况的方法难以满足大范围病虫害监测预报的需求ꎮ遥感监测技术可以无损获取棉花表型信息ꎬ能快速㊁大面积解译病虫害发生程度及空间分布信息ꎬ已发展成为棉花病虫害监测的重要途径ꎮ本文阐述了棉花病虫害近地㊁低空㊁卫星遥感监测的研究进展ꎬ总结了现有发展面临的问题ꎬ并对未来的研究方向和应用前景进行了展望ꎬ以期为棉花病虫害遥感监测研究提供指导和建议ꎮ关键词:遥感监测ꎻ棉花病虫害ꎻ光谱响应ꎻ识别预测ꎻ研究进展中图分类号:Ｓ１２７:Ｓ４３５.６２㊀㊀文献标识号:Ａ㊀㊀文章编号:１００１－４９４２(２０２４)０４－０１６４－０８ＲｅｓｅａｒｃｈＰｒｏｇｒｅｓｓｏｎＲｅｍｏｔｅＳｅｎｓｉｎｇＭｏｎｉｔｏｒｉｎｇｏｆＰｅｓｔｓａｎｄＤｉｓｅａｓｅｓｉｎＣｏｔｔｏｎＨｕＬｉａｎｂｉｎ１ꎬＬａｎＹｕｂｉｎ１ꎬＹｕＨａｉｌｉｎ１ꎬＺｈａｎｇＳｈｕａｉｌｉｎｇ１ꎬＴｉａｎＢｉｎｇｑｕａｎ１ꎬＷａｎｇＸｉａｏｌｉ１ꎬＷａｎｇＺｅｓｈｅｎｇ２ꎬＺｈａｏＪｉｎｇ１ꎬＬｉＹｏｎｇｊｕｎ１(１.ＣｏｌｌｅｇｅｏｆＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＦｏｏｄＳｃｉｅｎｃｅꎬＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙꎬＺｉｂｏ２５５０００ꎬＣｈｉｎａꎻ２.ＮｏｎｇｘｉＣｏｔｔｏｎＰｒｏｆｅｓｓｉｏｎａｌＣｏｏｐｅｒａｔｉｖｅꎬＢｉｎｃｈｅｎｇＤｉｓｔｒｉｃｔꎬＢｉｎｚｈｏｕＣｉｔｙꎬＢｉｎｚｈｏｕ２５６６００ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ㊀Ｐｅｓｔｓａｎｄｄｉｓｅａｓｅｓｓｅｒｉｏｕｓｌｙｔｈｒｅａｔｅｎｔｈｅｙｉｅｌｄａｎｄｑｕａｌｉｔｙｏｆｃｏｔｔｏｎꎬｈｉｎｄｅｒｉｎｇｔｈｅｄｅｖｅｌｏｐ￣ｍｅｎｔｏｆｃｏｔｔｏｎｉｎｄｕｓｔｒｙ.Ｔｈｅｔｒａｄｉｔｉｏｎａｌｍａｎｕａｌｆｉｅｌｄｓｕｒｖｅｙｍｅｔｈｏｄｃａｎｈａｒｄｌｙｍｅｅｔｔｈｅｎｅｅｄｓｏｆｌａｒｇｅ￣ｓｃａｌｅｍｏｎｉｔｏｒｉｎｇａｎｄｆｏｒｅｃａｓｔｉｎｇｏｆｐｅｓｔｓａｎｄｄｉｓｅａｓｅｓ.Ｒｅｍｏｔｅｓｅｎｓｉｎｇｍｏｎｉｔｏｒｉｎｇｔｅｃｈｎｏｌｏｇｙｃａｎｏｂｔａｉｎｃｏｔｔｏｎｐｈｅ￣ｎｏｔｙｐｉｃｉｎｆｏｒｍａｔｉｏｎｎｏｎｄｅｓｔｒｕｃｔｉｖｅｌｙꎬａｎｄｄｅｃｉｐｈｅｒｔｈｅｏｃｃｕｒｒｅｎｃｅｄｅｇｒｅｅａｎｄｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｏｆｐｅｓｔｓａｎｄｄｉｓｅａｓｅｓｑｕｉｃｋｌｙａｎｄｗｉｄｅｌｙꎬｗｈｉｃｈｈａｓｄｅｖｅｌｏｐｅｄｉｎｔｏａｎｉｍｐｏｒｔａｎｔｗａｙｔｏｍｏｎｉｔｏｒｃｏｔｔｏｎｐｅｓｔｓａｎｄｄｉｓｅａｓｅｓ.Ｉｎｔｈｉｓｐａｐｅｒꎬｔｈｅｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｏｆｎｅａｒ￣ｅａｒｔｈꎬｌｏｗ￣ａｌｔｉｔｕｄｅａｎｄｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇｍｏｎｉ￣ｔｏｒｉｎｇｏｆｃｏｔｔｏｎｐｅｓｔｓａｎｄｄｉｓｅａｓｅｓｗａｓｄｅｓｃｒｉｂｅｄꎬｔｈｅｐｒｏｂｌｅｍｓｆａｃｅｄｂｙｔｈｅｅｘｉｓｔｉｎｇｄｅｖｅｌｏｐｍｅｎｔｗａｓｓｕｍｍａ￣ｒｉｚｅｄꎬａｎｄｔｈｅｆｕｔｕｒｅｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎａｎｄａｐｐｌｉｃａｔｉｏｎｆｏｒｅｇｒｏｕｎｄｗａｓｐｒｏｓｐｅｃｔｅｄꎬｈｏｐｉｎｇｔｏｐｒｏｖｉｄｅｇｕｉｄａｎｃｅａｎｄｓｕｇｇｅｓｔｉｏｎｓｆｏｒｔｈｅｒｅｓｅａｒｃｈｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｍｏｎｉｔｏｒｉｎｇｏｆｃｏｔｔｏｎｐｅｓｔｓａｎｄｄｉｓｅａｓｅｓ.Ｋｅｙｗｏｒｄｓ㊀ＲｅｍｏｔｅｓｅｎｓｉｎｇｍｏｎｉｔｏｒｉｎｇꎻＣｏｔｔｏｎｐｅｓｔｓａｎｄｄｉｓｅａｓｅｓꎻＳｐｅｃｔｒａｌｒｅｓｐｏｎｓｅꎻＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｐｒｅｄｉｃｔｉｏｎꎻＲｅｓｅａｒｃｈｐｒｏｇｒｅｓｓ㊀㊀棉花是重要的经济作物和纺织工业原料[１]ꎬ中国是世界上最大的棉花生产与消费国[２－３]ꎬ种植区集中于西北新疆内陆及两河流域[４]ꎮ近年来全球气候变化加剧ꎬ世界范围内棉花种植面积逐渐减小ꎬ但棉花病虫害暴发愈加频繁ꎬ从成灾范围到危害程度均呈现逐年增加的趋势ꎬ并有防治管控后再次出现大规模传播或暴发的迹象ꎬ严重影响棉花产量与质量ꎬ因此棉花病虫害的及时监测预报与防治成为棉花种植业健康稳定发展的重要保障ꎮ棉花常见病虫害有黄萎病㊁立枯病㊁烂铃病㊁棉蚜虫㊁棉铃虫㊁棉盲蝽㊁棉红蜘蛛等[５]ꎮ传统病虫害监测依赖人工田间调查ꎬ监测效果取决于调查人员的数量及经验丰富度ꎬ效率低且时效性差[６]ꎬ难以适应日渐复杂的田间病虫害发生形势ꎮ遥感技术的飞速发展为病虫害监测预警提供了新的途径ꎬ该技术以非接触的方式对目标放射诊断 ꎬ可通过快速㊁高效㊁大面积获取作物特征并分析其变化实现对病虫害的监测[７]ꎬ已被广泛应用于农作物病虫害监测领域ꎮ本文介绍了常见的棉花病虫害遥感监测平台ꎬ综述了国内外棉花病虫害近地㊁低空㊁卫星遥感监测的研究现状及现阶段棉花病虫害遥感监测研究的热点ꎬ探讨了棉花病虫害遥感监测所面临的问题与挑战ꎬ并对未来的研究方向进行了展望ꎮ１㊀病虫害遥感监测平台掌握病虫害暴发征兆及规律ꎬ可减少病虫害导致的经济损失ꎮ传统的农作物病虫害调查方法存在效率低㊁信息滞后等缺点ꎬ无法大面积准确监测发病程度及波及范围ꎮ２０世纪以来ꎬ遥感技术快速发展并被广泛应用于多个领域ꎬ其可在大范围内连续获取空间地物信息ꎬ使快速准确捕获作物病虫害发生状态成为可能[８－１０]ꎮ遥感技术具有高灵敏度㊁非接触㊁高分辨率等优势ꎬ已成为大范围作物病虫害监测的研究热点ꎮ根据遥感监测的尺度ꎬ可将现有遥感监测平台分为地面遥感监测㊁无人机遥感监测和卫星遥感监测ꎬ如表１所示ꎮ表１㊀多尺度病虫害监测平台及特点监测平台监测尺度特点及应用典型设备地面遥感监测叶片尺度光谱特征准确ꎬ观测范围小ꎬ成本较高ꎮ常搭配农机使用ꎬ可辅助喷药等高光谱成像仪(Ｈｅａｄｗａｌｌ)地物高光谱仪(ＰＳＲ１１００－ｆ)荧光成像系统(ＦｌｕｏｒＣａｍ)无人机遥感监测冠层尺度观测范围较大ꎬ成本较高ꎬ精度较高ꎮ常搭配飞行器使用ꎬ可输出田间病虫害处方图等成像多光谱仪(ＭＳ－４１００)成像高光谱相机(ＰＨＬꎬＯＭＩＳ)热红外成像仪(ＦＬＩＲ)卫星遥感监测区域尺度观测范围大ꎬ成本低ꎮ以遥感卫星为数据源ꎬ可区域尺度监测和预警病虫害发生等多光谱卫星(ＬａｎｄｓａｔꎬＩＫＯＮＯＳ)高光谱卫星(Ｈｙｐｅｒｉｏｎ)热红外卫星(ＡｓｔｅｒꎬＨＪ)㊀㊀常用于作物病虫害遥感监测的传感器主要有高光谱仪㊁多光谱仪㊁可见光数码相机㊁红外成像仪㊁激光雷达等(表２)ꎮ现有的病虫害遥感研究多涉及多尺度观测和分类建模ꎬ形成了较完善的遥感数据获取㊁处理㊁监测流程ꎮ多源遥感融合㊁深度学习解析㊁构建鲁棒性更好的监测模型是未来的研究方向与必然趋势ꎮ表２㊀作物病虫害遥感监测常用传感器信息传感器电磁波类型测量指标优势劣势应用领域多光谱仪可见光㊁红光㊁近红外光氮素㊁水分㊁覆盖度㊁生物量等波段较多㊁成本低㊁类型多样化等波段易饱和㊁分辨率较低病虫害监测㊁作物分类等高光谱仪可见光㊁近红外光㊁中红外光覆盖度㊁生物量㊁叶面积等波段多㊁信息量丰富㊁分辨率高等数据处理复杂㊁价格高病虫害监测㊁产量反演等红外成像仪红外光温度㊁气孔导度㊁水分等信息量丰富㊁分辨率较高等易受环境因素干扰病虫害监测㊁旱情监测等数码相机红光㊁绿光㊁蓝光覆盖度㊁倒伏㊁生长状态等使用方便㊁成本低㊁分辨率高等波段信息量少地理测绘㊁数据集制作等激光雷达脉冲电磁波株高㊁生物量㊁叶面积等抗干扰能力强㊁分辨率较高等信息量大㊁价格高作物分类㊁参数反演等２㊀棉花病虫害近地遥感监测研究棉花病虫害遥感监测的前提和基础是其在不同胁迫下症状和光学特性具有明显差异[１１－１２]ꎮ在受到不同病虫害危害后ꎬ叶片损伤不同ꎬ细胞结构及色素㊁蛋白质和水分含量发生不同变化ꎬ影响了正常的光合生理状态[１３－１４]ꎮ基于此ꎬ研究者们多使用便携式光谱仪㊁高光谱仪㊁可见光成像设备５６１㊀第４期㊀㊀㊀㊀㊀㊀㊀㊀㊀胡连槟ꎬ等:棉花病虫害遥感监测研究进展等对棉花病虫害进行近地遥感监测和分析研究ꎮ２.１㊀便携式光谱仪近地遥感监测便携式光谱仪因体积小㊁操作方便ꎬ自２０世纪９０年代问世以来就被广泛应用于物化分析及遥感监测领域[１５]ꎮ张宏名等[１６]使用光谱仪与红外测温仪对染病棉花的叶片进行测定ꎬ发现染病后的棉叶在可见光及近红外光谱波段的反射减弱ꎬ而棉叶表面温度明显增高ꎮ陈鹏程[１７]测定了棉叶螨为害的棉叶及棉花冠层光谱ꎬ结果表明两者在近红外区的光谱反射率均随螨害程度的加重而减小ꎬ并指出红边振幅㊁最小振幅㊁红边与最小振幅比值及红边峰值面积均与螨害指数有很好的相关性ꎮ田会东等[１８]提取健康及枯萎病棉叶的光谱反射曲线ꎬ采取波谱带法和波段阈值法对两者进行分类ꎮ赵亮等[１９]定量分析了棉叶螨为害的棉叶理化参数的变化ꎬ用Ｒ７５８ｎｍ/Ｒ７０６ｎｍ波段建立了棉叶螨虫害识别模型ꎮＷａｎｇ等[２０]分析了健康㊁蚜害及红蜘蛛侵害的棉叶高光谱数据ꎬ基于Ｋ－最近邻和支持向量机算法建立了虫害识别模型ꎮ通过用便携式光谱仪对棉叶及冠层进行遥感探测ꎬ探究棉株受病虫害胁迫后的光谱响应ꎬ研究者们已构建了相关病虫害诊断模型用于早期的棉花病虫害监测ꎬ具有检测速度快㊁模型分类精度高且经济高效等优势ꎬ应用潜力巨大ꎮ但目前所建立模型的泛化能力欠佳ꎬ不能适应多生境条件ꎬ将环境因子与品种等多种因素纳入考量将是未来近地遥感监测研究的重点ꎮ２.２㊀高光谱近地遥感监测高光谱可获取地物连续㊁完整的图像和光谱数据ꎬ可连续记录图谱合一的目标信息[２１]ꎬ因其对病虫害胁迫导致的作物细微变化具有高度敏感性ꎬ一直是病虫害遥感领域常用的遥感技术ꎮ在棉花病虫害遥感监测领域ꎬ国内外学者多通过筛选病虫害敏感特征波段ꎬ结合统计分析和机器学习的方法对病情进行反演和构建诊断模型ꎮ２.２.１㊀棉花病害高光谱近地遥感监测㊀陈兵等研究了感染黄萎病的棉花叶片㊁冠层的高光谱特征及黄萎病胁迫下叶片色素㊁氮素含量的变化ꎬ挑选出叶片及冠层黄萎病光谱敏感波段及病害棉叶氮素含量相关性最好的红边参数Ａｒｅａ６７２ꎬ并构建了相应病害识别模型[２２]ꎬ同时发现病害棉叶反射率㊁一阶微分光谱均与Ｃｈｌａ㊁Ｃｈｌｂ和Ｃｈｌ(ａ＋ｂ)含量存在显著相关关系[２３]ꎬ这为获取高质量棉花黄萎病近地高光谱遥感数据ꎬ建立定性或定量棉花参数提取和机理估算模型夯实基础ꎮＪｉｎ等[２４]使用小波变换提取了感染黄萎病的棉花冠层高光谱主要信息ꎬ并构建了多种机器学习病害识别模型ꎮＧｕｌｈａｎｅ等[２５]基于主成分分析筛选和ＫＮＮ分类器对病害棉叶进行了识别ꎮ王姣等[２６]基于Ｒｅｌｉｅｆ－Ｆ算法优选黄萎病敏感的特征波段ꎬ构建了新的棉花黄萎病病情指数ꎬ并建立了基于支持向量机的黄萎病遥感监测模型ꎮ张鑫等[２７]研究表明Ｒ９３９－Ｒ５４５为最佳光谱特征参数ꎬ以此建立的黄萎病棉株鲜生物量光谱反演模型精度最高ꎮ２.２.２㊀棉花虫害高光谱近地遥感监测㊀卢小燕[２８]处理了多期棉蚜为害棉叶的高光谱图像ꎬ发现光谱反射率在可见光区均表现出先升后降的特征ꎬ其中４３４~７２７ｎｍ可作为蚜害棉叶的敏感波段ꎬ６４８ｎｍ可作为最佳观测波段ꎮＣｈｅｎ等[２９]研究了蚜害棉叶的光谱变化ꎬ发现受害叶片光谱反射率在可见光波段与近红外波段均呈下降趋势ꎮＰｒａｂｈａｋａｒ等[３０]分析棉花粉蚧病高光谱图像发现ꎬ与健康叶片相比ꎬ虫害早期棉花叶片光谱的绿色㊁近红外和短波红外光谱区域出现了较大差异ꎬ而在病情严重时光谱差异扩展到除了蓝色波段外的所有区域ꎮＹａｎ等[３１]采集多期棉蚜为害的棉叶高光谱图像ꎬ基于多维卷积神经网络对其分类ꎮ许敬诚等[３２]以健康与蚜害棉叶的高光谱图像为研究对象ꎬ利用多种降维方法提取光谱信息ꎬ结合灰度共生矩阵提取的纹理特征构建了蚜害诊断模型ꎮＨｕ等[３３]提出一种基于光谱指数重建的虫情严重度分级方法ꎬ可对健康棉花与蚜虫感染的棉花进行分级ꎮＦｉｔｚｇｅｒａｌｄ等[３４]分析棉花冠层高光谱图像和光谱数据特征变化ꎬ对田间螨害发生区域进行识别ꎮ结合光谱特征与图像纹理特征的病虫害诊断模型较单一特征数据的判别模型准确率更高ꎬ充分利用高光谱成像技术的光谱㊁图像信息是未来病虫害监测的重要思路ꎮ２.３㊀可见光成像近地遥感监测可见光相机作为最早出现的遥感监测方式之一ꎬ因测量精度高㊁成像分辨率高等特点被广泛应用于目标检测㊁信息提取等[３５]ꎮ在棉花病虫害遥感监测领域ꎬ张国龙为解决棉蚜信息获取滞后㊁采集图像背景复杂和粘连等６６１山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５６卷㊀问题ꎬ自主研发棉蚜发生量信息快速采集装置和棉蚜信息快速监测预警模型ꎬ实现棉蚜图像信息的自动采集和棉蚜信息快速监测预警决策的一体化ꎬ为棉田生产提供棉蚜防治决策信息[３６]ꎮ杨丽丽等[３７]将ＳＶＭ和ＡｄａＢｏｏｓｔ两种算法结合生成最优判别模型ꎬ平均识别率为８８.７５％ꎬ可实现对棉叶螨危害等级的识别ꎮＬａｋｓｈｍｉ等[３８]使用灰度共生矩阵提取病害㊁虫害与健康棉叶的纹理特征ꎬ基于ＳＶＭ构建了病虫害识别模型ꎮ翟治芬等[３９]以棉盲蝽为害的棉叶图像为研究对象ꎬ提取图像的形状㊁纹理和颜色特征ꎬ基于朴素贝叶斯构建了棉盲蝽危害等级识别模型ꎮ可见光成像在实验室条件下的病虫害为害等级识别研究相对成熟ꎬ未来在复杂环境下的图像采集ꎬ跳出特定的环境㊁生长期ꎬ融合图像的颜色㊁纹理等特征ꎬ提高识别模型的鲁棒性ꎬ将是研究热点ꎮ３㊀棉花病虫害低空遥感监测研究无人机遥感系统是在轻小型无人机平台上搭载相应的传感器ꎬ快速无损地获取目标区域高分辨率影像及数据的遥感应用ꎬ因其图像空间分辨率高㊁数据获取时效性强和成本低等特点ꎬ已成为病虫害胁迫遥感监测领域的研究热点ꎬ并逐步成为智慧农业的关键核心技术ꎮ棉花病虫害低空监测多搭载多光谱㊁高光谱㊁ＲＧＢ可见光等遥感设备对黄萎病㊁棉叶螨㊁蚜虫㊁棉红蜘蛛等棉花病虫害进行分析研究ꎮ３.１㊀多光谱低空遥感监测多光谱成像技术可以同时获取物体的几何和光谱特征ꎬ具有两个及以上波谱通道ꎬ与高光谱原理相似ꎬ也是一种图谱合一的遥感技术[４０]ꎮ无人机多光谱软硬件一体化得到了极大的发展ꎬ已被广泛应用于农业监测㊁环境保护等领域ꎮ在棉花病虫害遥感监测领域ꎬ宋勇[４１]对病害棉花冠层多光谱数据进行了研究ꎬ利用相关系数法和最佳指数因子筛选出敏感特征和最佳波段组合ꎬ构建了基于监督分类法的无人机多光谱棉花黄萎病严重度监测模型ꎬ为棉花黄萎病精准防治提供理论指导ꎮ陈巧玲[４２]分别基于无人机多光谱和地物光谱仪采集的棉花光谱数据建立棉花黄萎病病害严重度估测模型ꎬ结果表明无人机多光谱影像构建的模型为最佳估测模型ꎮ地力夏提依马木等[４３]优选虫害敏感波段植被指数ꎬ构建Ｌｏｇｉｓｔｉｃ回归模型对棉蚜虫㊁棉红蜘蛛和棉铃虫的发生区域进行识别监测ꎮ崔美娜等[４４－４５]使用无人机获取多时相影像数据对螨害动态进行监测ꎬ依据赤池信息准则获取最佳建模特征ꎬ构建了棉田螨害监测识别的Ｌｏｇｉｓｔｉｃ回归模型ꎬ通过影像信息统计法与变化检测法分析螨害时空上的发展过程ꎬ使用数据插值法计算时间序列上的螨害发生面积ꎬ建立螨害随时间变化的指数曲线监测模型ꎬ实现了对螨害发生面积的动态监测ꎮ现有的无人机多光谱病虫害监测结合多光谱影像与地面实测数据ꎬ可充分验证无人机数据的准确性ꎬ但试验中很少考虑土壤㊁天气等环境因素ꎬ致使研究成果适用性不高ꎮ３.２㊀高光谱低空遥感监测无人机高光谱遥感获取的波段信息可高效表征由病虫害胁迫导致的棉花冠层理化参数和光谱响应的变化[４６]ꎬ但成本较为昂贵ꎬ多被应用于早期监测及胁迫程度诊断研究ꎮ郭伟等研究了不同程度棉叶螨为害对应的棉花冠层光谱反射率与叶片ＳＰＡＤ值之间的关系ꎬ结果表明棉叶螨为害等级与叶片ＳＰＡＤ值呈显著负相关关系ꎬ并构建了叶绿素相对含量(ＳＰＡＤ)遥感估测模型和棉叶螨为害等级遥感估测模型[４７]ꎻ此外ꎬ还基于比值导数法筛选出敏感波段ꎬ建立了蚜害监测模型ꎬ获得田块蚜害空间分布处方图[４８]ꎮ裴鹏程[４９]基于偏最小二乘法和单因素回归方法构建了棉花冠层叶面积指数(ＬＡＩ)和蚜害指数遥感估测模型ꎬ蚜害等级与棉花冠层ＬＡＩ存在显著负相关ꎬ基于ＰＬＳＲ改进后的ＩＩ－ＬＡＩ－ＰＬＳＲ模型精度最高ꎮ高光谱系统价格高且信息庞大ꎬ后期数据处理的精度及信息提取的质量制约研究的发展ꎬ如何快速㊁精准地提取图像信息ꎬ把握病虫害监测的时效性ꎬ成为无人机高光谱监测研究新的目标ꎮ３.３㊀可见光低空遥感监测无人机可见光遥感具有图像分辨率高㊁成像速度快㊁价格低等优势ꎬ在棉花生长参数监测㊁产量反演以及其他作物病虫害遥感监测方面应用广泛ꎬ但在棉花病虫害遥感监测上的研究相对较少ꎮ戴建国等[５０]基于自主搭建的无人机可见光平台获取的棉苗期图像ꎬ提取了出苗率㊁冠层覆盖度等信息ꎮ赵静等[５１]基于可见光遥感图像和特７６１㊀第４期㊀㊀㊀㊀㊀㊀㊀㊀㊀胡连槟ꎬ等:棉花病虫害遥感监测研究进展征融合的方法对倒伏小麦面积进行了提取ꎮ姚立民[５２]通过处理马铃薯可见光遥感图像提取了表型信息ꎮ卫智熠[５３]利用卷积神经网络对多种农作物病虫害进行了分类ꎮ李成伟[５４]对螨害棉田ＲＧＢ图像进行处理ꎬ分别输入Ｕ－Ｎｅｔ㊁ＤｅｅｐＬａｂ－ｖ３＋㊁ＨＲＮｅｔ三种深度学习语义分割模型中进行识别分类ꎬ结果表明基于ＨＲＮｅｔ网络模型的识别效果最好ꎬ依此生成的施药处方图可为植保无人机精准喷施提供决策依据ꎮ当前对于可见光图像的研究多倾向于使用算法进行分类识别㊁提取作物信息ꎬ使用波段少ꎬ不能很好地含括病虫害响应的敏感波段ꎬ但可见光图像分辨率高㊁数据处理简单ꎬ含有丰富的颜色㊁纹理等特征信息ꎬ可以弥补多光谱或高光谱成像分辨率低的不足ꎬ多源数据融合使用亦是未来研究的新思路ꎮ４㊀棉花病虫害卫星遥感监测研究近年来我国高分(ＧＦ)系列卫星㊁环境(ＨＪ)卫星㊁风云(ＦＹ)卫星以及欧洲航天局哨兵系列(Ｓｅｎｔｉｎｅｌｓｅｒｉｅｓ)卫星陆续发射(表３)ꎬ高时空分辨率的光谱卫星影像为大尺度病虫害遥感监测提供了技术支持ꎮ从２０世纪８０年代开始ꎬ卫星遥感数据就在我国农业农村领域投入使用ꎬ现如今已经拓展到农作物估产㊁农业灾害预测㊁农业种植结构调整等重要领域ꎬ卫星遥感技术已成为指导农业生产的重要信息来源[５５]ꎮ表３㊀病虫害遥感常用卫星系列卫星系列波长范围/ｎｍ分辨率/ｍ常用领域Ｌａｎｄｓａｔ－８４３３~１２５００３０/１００资源㊁环境探测及自然灾害预报等Ｓｅｎｔｉｎｅｌ－２４４３~２１９０１０/２０/６０陆地监测ꎬ可提供植被㊁土壤和海岸等区域图像等ＧＦ－５４００~２５００３０环境㊁大气监测等ＺＹ３５００~８９０２.１/２.５/３.５/６国土资源调查㊁农林水利规划等ＨＪ－１４３０~１２５００３０/１００/１５０/３００生态环境监测㊁资源调查等ＦＹ－４４５０~１３８００５００/１０００/２０００/４０００大气监测㊁灾害监测等㊀㊀竞霞等[５６]利用ＰＬＳ算法和高分辨率卫星(ＩＫＯＮＯＳ)影像构建了棉花黄萎病病情严重度的定量估测模型ꎮ陈兵等[５７]对棉花黄萎病疑似病田的ＴＭ卫星影像研究发现ꎬ棉花黄萎病卫星监测的最佳时相为盛铃期ꎬ且ＴＭ４波段可作为病害棉田卫星监测的最佳波段ꎮ田野[５８]结合ＨＪ卫星数据与地面冠层高光谱数据ꎬ基于二值逻辑回归法构建了棉花黄萎病㊁棉叶螨判别模型ꎬ为卫星尺度提取棉花病虫害异常信息提供了新的思路ꎮ王成博[５９]挑选最佳蚜害特征光谱与植被指数建立监测模型ꎬ可有效地对库尔勒地区棉花蚜害进行检测ꎮ张枫[６０]基于多遥感平台对棉花根腐病的监测识别进行研究ꎬ其中空间分辨率最高的无人机平台的监测水平最为精细ꎬ卫星平台相对较差ꎬ但卫星平台能在保持一定分类精度的前提下以最快的速度完成识别分类工作ꎮ王守会等[６１]结合气象与遥感数据建立螨害预测模型ꎬ研究表明ꎬ所建模型同时兼备遥感数据与气象数据的优点ꎬ为特殊气候环境和耕作方式下探索大尺度区域的棉花螨害预测提供了理论依据ꎮ卫星获取的遥感数据中包含丰富的纹理信息ꎬ但现有的卫星病虫害遥感监测研究对其纹理信息挖掘不够深入ꎬ而且可将生境因子(温度㊁降水等)信息纳入以有效提升遥感监测的精度ꎮ５㊀遥感技术在棉花病虫害监测领域应用的挑战与展望㊀㊀综上所述ꎬ作物病虫害遥感监测领域成果丰硕ꎬ并且逐步形成了一套基于天地空遥感探测㊁软件拼接矫正处理㊁机器学习建模评价的遥感监测应用体系ꎮ但棉花病虫害发病机理复杂ꎬ在棉花实际生产中应用病虫害遥感监测还面临许多问题ꎬ亟待推出解决方案ꎬ具体体现在以下几个方面ꎮ５.１㊀多尺度㊁多平台㊁多源数据的融合使用棉花病虫害遥感监测研究多使用单传感器ꎬ易受气候和大气影响ꎬ导致采集信息的时空分辨率低㊁对病虫害监测的适用性和灵活性差㊁监测弊端明显ꎬ亟需新技术将各传感器的优势融合起来ꎮ注重多源遥感的同时还需加强多尺度多平台遥感在棉花病虫害监测领域的使用ꎬ将传统的光学遥感与荧光成像㊁传感监测㊁气象卫星等平台的数据进行有机融合ꎬ突破传统监测存在的尺度区域限制㊁时空信息不连续等问题ꎮ荧光成像㊁气象数据㊁热成像等平台在很多领域都有不错的应用成果ꎬ但在病虫害监测领域的应用研究呈现脱节状态ꎬ因此可将这些平台的信息与天地空遥感信息有机融合ꎬ充分发挥各平台的监测优势ꎬ形成多尺度㊁多平台㊁多源信息融合的监测网ꎬ构建精准决策管理的棉花病虫害监测８６１山东农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５６卷㊀体系ꎮ目前已有部分学者[６２－６４]将两种来源的遥感数据融合使用ꎬ结果表明ꎬ可以在减少特征冗杂的基础上增强监测模型的信息表达能力ꎬ比单一数据源的监测结果更准确ꎮ５.２㊀棉花病虫害遥感监测数据库的完善我国棉花种植分布广ꎬ环境存在区域性差异ꎬ当前研究中构建的监测模型多为仅适用于部分地区的理想状态ꎬ使棉花病虫害遥感监测过分依赖于特定的环境㊁生长期ꎬ无法通用ꎬ不利于病虫害的实时监测及早期防治ꎮ另外ꎬ棉花遥感数据库不足亦会导致误判胁迫的类别ꎬ如棉花在受黄萎病和严重氮素胁迫下表征出来的光谱相似ꎬ小麦在白粉病和水肥胁迫下表征出来的外部形态特征相似等ꎬ从而出现同谱异物和异物同谱的问题ꎮ因此ꎬ需获取不同环境㊁不同生长期的光谱特征㊁图像特征和生境特征ꎬ将多特征因素纳入到模型的构建和评价中ꎬ并比较分析各类胁迫下棉花的光谱㊁图像差异ꎬ挑选对各类病虫害敏感的特征ꎬ建立完善的病虫害遥感数据库ꎬ从而为复杂条件下精准监测棉花病虫害打下基础ꎮ５.３㊀棉花病虫害遥感监测预警平台的搭建目前病虫害监测研究主要集中在为害程度的监测ꎬ是病虫害发生后的跟进处理ꎬ如能在病虫害发生前进行预警ꎬ则能及早采取措施ꎬ降低病虫害给农业生产带来的危害ꎬ因此亟需搭建一套完善的棉花病虫害遥感监测预警平台ꎬ做到当棉花种植区周边生境达到病虫害易发条件时提前预警ꎬ从而在发病初期阻断传播ꎮ而且该预警平台可纳入气象㊁土壤等生境因素ꎬ并结合无人机及卫星高分影像ꎬ实现在全国范围内基于生境因素和多源数据精准预测预警病虫害发生ꎬ以降低经济损失ꎮ５.４㊀遥感监测数据处理方法的优化制约病虫害遥感监测效果的因素还包括复杂的数据处理软件及算法ꎬ通常获得的遥感数据要在使用相关软件或算法进行拼接㊁解析之后才能形成处方图指导田间作业ꎬ这往往需要耗费大量的时间ꎬ会导致监测结果较田间病虫害发生动态滞后ꎮ随着遥感监测技术的发展ꎬ未来遥感获取的图像无论从数量还是光谱与空间分辨率上都会大幅提高ꎬ亟需后续软件研发过程中纳入最新遥感监测模型ꎬ缩短处理时间ꎬ提高处理精度等ꎬ从而更加及时准确地洞察病虫害发展动态ꎬ制定更加科学有效的防治方案ꎮ５.５㊀重视生境因素对病虫害发生的影响病虫害的暴发常伴随着温度㊁湿度等生境因素的改变ꎬ病虫害的虫卵或病原体多隐藏在叶片背部或者根部土壤中ꎬ前期难以发现ꎬ当遇到合适的生境便会大规模暴发ꎮ因此明确生境因素对棉花病虫害发生的影响是病虫害监测的关键一步ꎬ这就要求未来的研究方向要从表观观测深入到发生机制的监测中ꎬ应将温湿度㊁土壤㊁气象等生境信息纳入监测模型的考量中ꎬ以使模型能适用各种复杂田间环境ꎬ从而提高病虫害早期监测预警能力ꎮ参㊀考㊀文㊀献:[１]㊀杨向东.中国棉花产业现状分析[Ｊ].农村经济与科技ꎬ２０２２ꎬ３３(５):１９－２２ꎬ３９.[２]㊀明坤ꎬ闫硕.近几年我国棉花主要病虫害发生及防控情况分析[Ｊ].棉花科学ꎬ２０２０ꎬ４２(３):１３－１９ꎬ２６. [３]㊀ＺｈａｎｇＪＣꎬＨｕａｎｇＷＪꎬＬｉＪＹꎬｅｔａｌ.Ｄｅｖｅｌｏｐｍｅｎｔꎬｅｖａｌｕａｔｉｏｎａｎｄａｐｐｌｉｃａｔｉｏｎｏｆａｓｐｅｃｔｒａｌｋｎｏｗｌｅｄｇｅｂａｓｅｔｏｄｅｔｅｃｔｙｅｌｌｏｗｒｕｓｔｉｎｗｉｎｔｅｒｗｈｅａｔ[Ｊ].ＰｒｅｃｉｓｉｏｎＡｇｒｉｃｕｌｔｕｒｅꎬ２０１１ꎬ１２(５):７１６－７３１.[４]㊀张凝ꎬ杨贵军ꎬ赵春江ꎬ等.作物病虫害高光谱遥感进展与展望[Ｊ].遥感学报ꎬ２０２１ꎬ２５(１):４０３－４２２. [５]㊀李耀发ꎬ鹿秀云ꎬ袁立兵ꎬ等.棉花病虫害种类及其绿色防控技术[Ｊ].河北农业ꎬ２０２２(４):３０－３１.[６]㊀孙瑞琳ꎬ孙全ꎬ孙成明ꎬ等.基于不同平台的小麦病虫害遥感监测研究进展[Ｊ].中国农机化学报ꎬ２０２１ꎬ４２(３):１４２－１５０.[７]㊀杨国峰ꎬ何勇ꎬ冯旭萍ꎬ等.无人机遥感监测作物病虫害胁迫方法与最新研究进展[Ｊ].智慧农业:中英文ꎬ２０２２ꎬ４(１):１－１６.[８]㊀赵春江.农业遥感研究与应用进展[Ｊ].农业机械学报ꎬ２０１４ꎬ４５(１２):２７７－２９３.[９]㊀张竞成ꎬ袁琳ꎬ王纪华ꎬ等.作物病虫害遥感监测研究进展[Ｊ].农业工程学报ꎬ２０１２ꎬ２８(２０):１－１１.[１０]黄文江ꎬ张竞成ꎬ罗菊花ꎬ等.作物病虫遥感监测与预测[Ｍ].北京:科学出版社ꎬ２０１５.[１１]ＡｓｈｏｕｒｌｏｏＤꎬＭｏｂａｓｈｅｒｉＭＲꎬＨｕｅｔｅＡ.Ｄｅｖｅｌｏｐｉｎｇｔｗｏｓｐｅｃｔｒａｌｄｉｓｅａｓｅｉｎｄｉｃｅｓｆｏｒｄｅｔｅｃｔｉｏｎｏｆｗｈｅａｔｌｅａｆｒｕｓｔ(Ｐｕｃｃｉｎｉａｔｒｉｔｉｃｉ￣ｎａ)[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ２０１４ꎬ６:４７２３－４７４０.[１２]ＷｈｉｔｅＪＷꎬＡｎｄｒａｄｅ￣ＳａｎｃｈｅｚＰꎬＧｏｒｅＭＡꎬｅｔａｌ.Ｆｉｅｌｄ￣ｂａｓｅｄｐｈｅｎｏｍｉｃｓｆｏｒｐｌａｎｔｇｅｎｅｔｉｃｓｒｅｓｅａｒｃｈ[Ｊ].ＦｉｅｌｄＣｒｏｐｓＲｅ￣ｓｅａｒｃｈꎬ２０１２ꎬ１３３:１０１－１１２.[１３]ＭａｈｌｅｉｎＡＫꎬＳｔｅｉｎｅｒＵꎬＨｉｌｌｎｈüｔｔｅｒＣꎬｅｔａｌ.Ｈｙｐｅｒｓｐｅｃｔｒａｌｉｍ￣ａｇｉｎｇｆｏｒｓｍａｌｌｓｃａｌｅａｎａｌｙｓｉｓｏｆｓｙｍｐｔｏｍｓｃａｕｓｅｄｂｙｄｉｆｆｅｒｅｎｔｓｕｇａｒｂｅｅｔｄｉｓｅａｓｅｓ[Ｊ].ＰｌａｎｔＭｅｔｈｏｄｓꎬ２０１２ꎬ８:３.[１４]ＰｉｎｔｅｒＪｒＰＪꎬＨａｔｆｉｅｌｄＪＬꎬＳｃｈｅｐｅｒｓＪＳꎬｅｔａｌ.Ｒｅｍｏｔｅｓｅｎｓｉｎｇｆｏｒｃｒｏｐｍａｎａｇｅｍｅｎｔ[Ｊ].ＰｈｏｔｏｇｒａｍｍｅｒｔｒｉｃＥｎｇｉｎｅｅｒｉｎｇ＆Ｒｅ￣ｍｏｔｅＳｅｎｓｉｎｇꎬ２００３ꎬ６９(６):６４７－６６４.９６１㊀第４期㊀㊀㊀㊀㊀㊀㊀㊀㊀胡连槟ꎬ等:棉花病虫害遥感监测研究进展。

HIMI-VIS型便携式高光谱成像仪

右图为通过V I S型获取棕色夹克外套的可见光光谱影像数据后，M I S y s t e m软件自动搜索发现的血迹分布（黑白高对比度显示）。
上海虹口分局某民事经济类案件：收款人许某擅自将借款人姚某写给他的借条金额前添加了几个字，使得借款金额由几千块变成几十万，由于笔记均为黑色，可见光下无法辨别，分色照相的办法无法很好区分。
典型物证识别模块: 特异峰值区分法、光谱曲线拐点比较、波形相似比较；
光谱分析：光谱吸收特征匹配、光谱整体匹配纯光谱计算功能( A + B减B ) ；多重背底扣除功能；光谱去混合( u n m i x i n g )功能；储存光谱图库，光谱分类( c l a s s i f y )标定功能.
HI M I型便携式多光谱成像物证发现取证仪
HIMI便携式多光谱成像物证发现取证仪，是一套针对现场物证发现与取证的便携式多光谱成像分析系统，系统利用液晶可调滤光器（LCTF），结合先进的成像控制模块，构建成一套集光机电为一体的多光谱成像系统，系统可通过平板电脑无线设置曝光时间、增益、扫描光谱范围、以及步进波长等参数，可一键获取感兴趣区域内的光谱影像数据（Imaging Cube），同时，结合我公司和公安部物证鉴定中心合作开发的MISystem物证鉴定成像光谱影像分析软件，能使现场勘查工作人员发现的更多微弱的痕迹物证。系统体积小，重量轻（仅0.9kg）,便于携带，是理想的现场勘察取证设备。HIMI便携式多光谱成像物证发现取证仪根据光谱范围的不同，分为两个型号：V I S ( 4 0 0 - 7 2 0 n m )，N I R ( 6 5 0 - 1 0 5 0 n m )，分别应用于现场的痕迹照相、文件检验以及生物物证的发现。

几个光谱仪的牌子及其性能简介

光电直读光谱仪品牌列表赛默飞世尔利曼牛津Jobin Yvon瑞利斯派克OBLF聚光赛默飞世尔ARL 3460/4460直读光谱仪报价: <无> 产地: 美国评论ARL 3460金属分析仪广泛用于机械、有色、钢铁等工业的炉前分析和实验室分析，ARL 4460金属分析仪主要用于有色工业超纯金属分析和钢铁工业的炉前快速分析和实验室成品分析。

ARL QUANTRIS直读光谱仪报价: <无> 产地: 美国评论ARL QUANTRIS直读光谱仪具有CCD检测器,无分析通道和基体的限制，具有传统大型直读光谱仪低检测限和高稳定性的特点。

ARL QuantoDesk直读光谱仪报价: <无> 产地: 美国评论ARL QuantoDesk直读光谱仪结构简单，易操作，样品分析消耗低，安装数小时后即可送电运行。

瑞利WLD-4C光电直读光谱仪报价: <无> 产地: 北京评论新一代光电直读光谱仪；WLD-4C型光电直读光谱仪是集30多年的生产科研实践基础上，吸取国内外的先进技术和经验研制开发的仪器。

WLD-1C光电直读光谱仪报价: <无> 产地: 北京评论WLD-1C光电直读光谱仪合理的结构，使机械性能稳定，24h光学系统漂移量小于10um。

优良的电子元件质量保证了测量系统运行的可靠故障率极低。

WLD－3C光电直读光谱仪报价: <无> 产地: 北京评论WLD－3C型光电直读光谱仪是北京瑞利分析仪器公司积近30年生产、用户使用实践，经不断改进提高，最新提供给用户的全新仪器，该仪器适合对黑色、有色金属及合金的快速定量分析。

利曼FOUNDR-MASTER全谱直读光谱仪报价: <无> 产地: 北京评论FOUNDRY-MASTER是当今金属分析的最佳选择，同时可以轻松面队未来分析的更高要求，不添加任何硬件设施，即可升级分析功能，方便灵活地随生产发展的需要增加分析的元素及基体种类。

近红外光谱脑功能成像头盔说明书

说明书近红外光谱脑功能成像头盔5技术领域本实用新型涉及医疗设备领域及医疗影像领域，特别是近红外光谱脑功能成像头盔。

背景技术10近红外光谱脑功能成像是二十世纪七十年代以来发展起来的一种利用近红外光对大脑组织的良好穿透性对大脑皮层功能活动进行检测的脑功能成像方法。

近红外光谱脑功能成像系统中，近红外光通过激光光源探头（简记为S）入射大脑组织，穿过大脑组织后的出射光由激光接收探头（简记为D）15检测。

近红外光在大脑组织中的传播路径如附图1所示。

附图1中，激光光源探头（S）和激光接收探头（D）贴近头皮放置，当激光光源探头（S）和激光接收探头（D）的直线距离为3cm左右时，近红外光谱脑功能成像系统能够得到最可靠的测量数据。

由于近红外光在大脑组织中以激光光源探头（S）为中心呈圆形传播，所以，当激光接收探头（D）位于以激光光20源探头（S）为圆心，以3cm为半径的圆周上及其附近时，近红外光谱脑功能成像系统都可以得到可靠的测量数据。

近红外光谱脑功能成像系统中，激光光源探头（S）和激光接收探头（D）插入特制的头盔上，头盔佩戴于被试者头上进行大脑皮层功能活动的检测。

当头盔上一个激光光源探头（S）和一个激光接收探头（D）的直线距离为近似3cm时，它们构成一个检测通道，一个检测通道可以检测位于该激光光源探头（S）和激光接收探头（D）连线下的一部分大脑皮层功能活动情况。

因此，合理安排头盔上激光光源探头（S）和激光接收探头5（D）的排列方式，使其在较小的覆盖区域内得到较多的检测通道，成为近红外光谱脑功能成像头盔设计的中心任务。

另外，由于一种大脑皮层功能活动可能有大面积大脑皮层的参与，或者一种功能活动有相距较远的几部分大脑皮层参与，因此近红外光谱脑功能成像头盔能够覆盖较大的皮层区域非常必要。

10现有的近红外光谱脑功能成像头盔有平行四边形设计，矩形设计，如附图2，附图3所示。

附图2和附图3中，空心圆圈表示激光光源探头（S）的位置，黑色的点表示激光接收探头（D）的位置。

牛津仪器 Lab-X3500 能量色散 X 射线荧光光谱仪使用手册说明书

X射线荧光光谱仪X射线硫含量试验仪Lab-X3500SClGB/T 17040ASTM D4294、D6445、D6481X 射线荧光 (XRF) 仪器的工作原理是将样品通过X荧光射线进行激发，样品吸收 X 射线能量，进入激发状态，然后发射出二次 X 射线。

每个化学元素发射出的 X 射线都有其特有的能量。

通过测量由此发射的 X 射线强度和特征能量，一台 X 射线荧光光谱仪 (XRF) 能够对被测材料的物质成分进行定性和定量分析。

牛津仪器 (Oxford Instruments) 所提供的全套产品系列包括手持式和台式 X 射线荧光光谱仪。

X-MET 型手持式 X 射线荧光光谱仪专为材料可靠性鉴定、合金分析和鉴定及有害物质分析（RoHS 指令）而设计。

这些光谱仪也可用于分析污染土地和矿物中含有的重金属。

X-Supreme8000、Lab-X 和 MDX1000 XRF 实验室分析仪可供各种常规化学分析，应用范围广泛。

从成品油中的硫到石灰岩分析均可使用，我们可根据客户的需求提供最优化的解决方案。

利用 XRF 技术分析样品具有很多优势，例如：只需少量或无需样品制备，快速无损分析，操作简单，可由生产人员操作，不会产生有害的化学物质，浓度范围从 ppm 到 % ，元素分析范围由元素周期表中的钠到铀。

分析的样品种类有：固体、液体、粉末、糊状物、油脂、薄膜等。

Lab-X3500：移动式和实验室型的能量色散型 X 射线荧光光谱仪MDX1000：结合波长色散和能量色散技术的 X 射线荧光光谱仪，配有可选的 72 位自动样品器 X-Supreme8000：带有多样品杯操作台的实验式型 X 射线荧光光谱仪Lab-X3500(X射线荧光光谱仪)2000年8月，在Lab-X3000取得巨大成功的基础上，牛津仪器公司推出最新型的台式能量色散X射线荧光光谱仪Lab-X3500。

它把牛津仪器多年来设计生产X射线荧光光谱仪的经验和最新的硬件、软件技术的进展结合起来，是一种独特的、高性能的多元素台式X射线荧光光谱仪。

18830258_基于决策树的无人机高光谱遥感影像地物分类研究

分类是高光谱遥感影像处理和应用的一项重要内容，其最终目标是给影像中的每个像元赋以唯一的类别标识[1]。

然而，高光谱遥感影像的高维特性、波段间高度相关性、光谱混合等使得高光谱遥感影像分类面临着巨大挑战[2]。

随着模式识别、机器学习、遥感技术等相关学科领域的发展，高光谱遥感影像分类研究取得了快速进展[3~5]。

通过分析不同地物的光谱曲线，找出不同类地物之间的光谱曲线差异，明确最能区分某一类地物与其他地物间的波段，运用波段的代数运算方法，对高光谱遥感影像进行分类，并将分类结果与机器分类结果进行比较，评估了分类精度。

1材料与方法1.1数据获取2017年6月8日，UTC 时间6∶30~7∶30，采用Headwall 纳米级高光谱成像光谱仪，获取广东省广州市增城区温涌路旁某一段河流的数据。

以河流为中心线，包含河流两岸的部分地物，测区宽约93m 、长约摘要：高光谱影像由于其波段众多，传统的多光谱图像的信息提取方法不适合高光谱影像的处理。

利用无人机搭载美国Headwall 公司的最新纳米级高光谱成像光谱仪，采集广东省广州市增城区某处的高光谱影像，提取光谱数据，分析不同地物间光谱曲线特征和差异，采用决策树进行地物分类。

结果表明：根据无人机高光谱数据中不同地物之间光谱特征曲线的差异，建立分类树，不仅可以大大减少分类处理的工作量，且分类效果良好，准确度高。

关键词：无人机；高光谱遥感；光谱特征中图分类号：P237文献标识码：A 文章编号：1008-1631（2019）01-0101-04收稿日期：2018-12-11基金项目：2018年省级促进经济发展专项资金（GDME-2018E004）；2018年省级乡村振兴战略专项“老挝蔬菜农情监测系统构建与推广”作者简介：万欢（1986-），男，湖北仙桃人，实验员，硕士，主要从事遥感信息质量控制研究。

E-mail ：****************.cn 。

通讯作者：王长委（1977-），男，陕西西安人，副教授，博士，主要从事农业信息化和农业遥感研究。

高光谱整理

1.遥感图像的最基本单元是像元，每个像元具有空间特征和属性特征。

空间特征：是用X值和Y值来表示；（纹理，形状，大小，方位）属性特征：常用亮度值表示。

（灰度值，亮度值）2.遥感图像特征（②，③遥感成像技术发展的方向）①时间分辨率：对同一地点进行遥感采样的时间间隔，集采样的时间频率。

也称重访周期。

②空间分辨率：像素所代表的地面范围的大小，或地面物体能分辨的最小单元；③光谱分辨率：传感器在接收目标辐射的光谱时能分辨的最小波长间隔；④辐射分辨率：指传感器接收波谱信号时，能分辨的最小辐射度差；3.高光谱遥感基本概念：①多光谱遥感（Multirspectral Remote Sensing）,光谱分辨率在波长的1/10数量级范围内(几十个至几百个nm)的遥感；②高光谱遥感（Hyperspectral Remote Sensing）,光谱分辨率在波长的1/100数量级范围内（几个nm）的遥感；③超光谱遥感（Ultraspectral Remote Sensing）,光谱分辨率在波长的1/1000数量级范围内（0.2-1nm）的遥感。

4.高光谱遥感与常规多光谱遥感的比较：①高光谱遥感：即高光谱分辨率成像光谱遥感，幅宽小，成像范围小，其细微的波段可进行地物成分的识别，风度估计（精细识别）。

②常规多光谱遥感：幅宽大，成像范围宽，可进行宏观地物影像分析，不可被高光谱遥感完全取代（宏观变化趋势）。

研究宏观的变化情况则必须用多光谱成像仪。

5.高光谱遥感发展概况：高光谱遥感的基础是光谱学(spectroscopy).①光谱学：实验室分析地物光谱特征(获得谱信息)②成像技术：把遥感传感器放置航空或航天平台(获得地物的图像信息)③成像光谱学：把实验室仪器放置航空或航天平台(获得地物的图和谱信息)注：光学遥感的发展——空间、光谱分辨率的不断提高：①全色Panchromatic：主要通过形状（空间信息）识别地物。

②彩色color photography：增加了颜色的感知，加强型的颜色感知。

光谱光谱分析仪测量常用参数的规范操作流程

光谱光谱分析仪测量常用参数的规范操作流程河南师范大学张豪杰光谱分析仪是光学研究以及光纤通信中常用的测试仪器，规范的使用光谱分析仪可以得到精确的测量结果。

本文以横河的AQ6370光谱分析仪为例，结合自己的测试经验，与大家分享下使用光谱分析仪进行一些常规参数的规范测量方法。

一、光谱分析仪简述：光谱分析仪是光通信波分复用检测中常使用到的测量仪器，当WDM系统刚出现时，多用它测试信号波长和光信噪比。

其主要特点是动态范围大，一般可达70dB；灵敏度好，可达-90dBm；分辨率带宽小，一般小于0.1nm；比较适合于测试光信噪比。

另外测量波长范围大，一般在600~1700nm.，但是测试波长精度时不如波长计准确。

在光谱的测量、各参考点通路信号光功率、各参考点光信噪比、光放大器各个波长的增益系数和增益平坦度的测试都可以使用光谱分析仪。

光谱分析仪现在也集成了WDM的分析软件，可以很方便地把WDM的各个波长的中心频率、功率、光信噪比等参数用菜单的方式显示出来。

二、常用参数测试光谱分析仪的屏幕显示测量条件、标记值、其它数据以及测量波形。

屏幕各部分的名称显示如下：图1：屏幕各部分的名称1、光谱谱宽的测量谱宽即光谱的带宽，使用光谱分析仪可以测量LD、发光二极管的谱宽。

在光谱的谱宽测量时，要特别注意光谱分析仪系统分辨率的选择，即原理上光谱分析仪的分辨率应当小于被测信号谱宽的1/10.，一般推荐设置为至少小于被测信号谱宽的1/5。

在实际的测量中，为了能够准确测量数据，一般选择分辨率带宽为0.1nm 以下。

分辨率带宽RES位于SETUP菜单中的第一项，直接输入所要设定的分辨率带宽的大小即可。

如下图2、3、4所示（图中只为区别光谱形状的不同），当选择的分辨率带宽不同时，从光谱分析仪观察到的光谱形状有很大的不同，并且所测量得到的谱宽大小的不同。

图2：分辨率带宽RES=0.5nm时的光谱形状图3：分辨率带宽RES=0.1nm时的光谱形状图4：分辨率带宽RES=0.02nm时的光谱形状在观察光谱谱宽的同时，也可以通过光谱分析仪读出光谱的中心频率、带宽、峰值功率和边模抑制比等参数。

基于高光谱成像技术的三文鱼肉水分含量的可视化研究

基于高光谱成像技术的三文鱼肉水分含量的可视化研究詹白勺;章海亮;杨建国【摘要】提出了一种利用高光谱成像技术检测三文鱼水分含量并实现其可视化的新方法. 采集不同水分含量的共100个鱼肉样本的高光谱图像,并提取样本感兴趣区域(ROI)的平均光谱. 75个样本用于建模集,采用连续投影算法对原始光谱提取特征波长,利用提取的特征波长替代原始光谱,采用PLS建立预测模型,对25个预测集样本的水分含量进行预测,预测决定系数(R2)为0.904,预测均方根误差(RMSEP)为1.169％,获得了满意的预测精度.最后,用所建模型对预测集图像上每个像素点的水分含量进行预测,利用Matlab语言编程,三文鱼肉表面不同部位的水分分布采用不同颜色表示,进而实现三文鱼肉水分含量的可视化. 结果表明,高光谱成像技术与化学计量学结合可以准确预测鱼肉的水分含量,与图像处理方法结合可以实现预测时间的可视化,能形象、直观地展示出鱼肉的水分含量分布情况,为实现水产品加工的自动化奠定了基础.%The potential of near-infrared hyperspectral im aging,as a rapid and nondestructive technique with the spectral wavelength ran ge of 899～1 694 nm,was conducted to predict moisture content (MC) in Atlantic salmon fillets.Altogether 100 fish fillets cutting out from different parts of 5 whole fillets were collected for hyperspectral image scanning.Mean spectral d ata were extracted automatically from the region of interest (ROI) of Atlantic s almon fillet surface.In order to reduce high dimensionality of hyperspectral im ages,successive projections algorithm (SPA) was performed to select optimal wav elengths for detection of MC in Atlantic salmon fillets.Partial least square (P LS) was carried out for the detection of MC in Atlantic salmon fillets based on spectral.The resultsshowed that SPA-PLS achieved satisfactory result with R2 of 0.913 and 0.904,RMSEP of 0.965％ and 1.169％ for both calibration a nd prediction sets respectively.Then SPA-PLS models were built pixel-wise to the hyperspectral images of the prediction samples to produce chemical images fo r visualizing MC distribution.The results demonstrated that the potential of hy perspectral imaging technique to predict MC distribution in salmon fillets.【期刊名称】《光谱学与光谱分析》【年(卷),期】2017(037)004【总页数】5页(P1232-1236)【关键词】高光谱成像;三文鱼;水分含量;偏最小二乘回归;可视化【作者】詹白勺;章海亮;杨建国【作者单位】东华大学机械工程学院,上海 201620;台州学院机械工程学院,浙江台州 318000;华东交通大学电气工程与自动化学院,江西南昌 330013;东华大学机械工程学院,上海 201620【正文语种】中文【中图分类】TP391.4三文鱼是一种营养很丰富的鱼类，富含多种维生素、脂肪、蛋白质、矿物质、多种不饱和脂肪酸等营养物质，肉色呈橘红色，深受老百姓喜爱，被视为食用上品，价格也较为昂贵，经济价值高[1-3]。

各国光谱仪器品牌对比

XRF品牌1.美国Xenemetrix（能量色散）美国Xenemetrix在过去30年内一直是能量色散X射线荧光光谱分析方面的领先创新者，而X-Calibur更是Xenemetrix多年经验和专业知识的顶峰设计，该仪器占地面积少、性能优越。

强大的50kV，50瓦特的X-Calibur能量色散X射线荧光光谱仪装在单机柜中并用于在工作台上运行。

Xenemetrix的强大nEXt软件平台提供有全定性、半定量以及定量分析能力。

这一软件平台是所有的Xenemetrix产品通用的。

2.荷兰帕纳科（panalytical)（能量色散&波长色散）荷兰帕纳科公司(PANalytical B.V.)前身是飞利浦公司分析仪器部。

于2002年9月18日根据英国思百吉集团（Spectris plc）和荷兰飞利浦电子集团之间的飞利浦分析仪器业务转让协议而成为思百吉集团旗下的专业分析仪器公司。

自上个世纪四十年代公司推出了世界上第一台X射线分析仪器，现已成为全球最大的X射线分析仪器生产厂家。

半个多世纪以来，公司一直领导着全球X射线分析仪器技术的发展，为其贡献了大量的创新和发明。

为分析工作者提供整体解决方案是我们的工作目标。

分享技术，共同推动X射线分析仪器技术的发展是我们一如既往的宗旨。

精工电子纳米科技有限公司，其前身为精工电子有限公司科学仪器事业部，主要生产Axios,Magix FAST,Venus 200,Cubix XRF, PW2830 XRF wafer Analyzer,Epsilon,minipal,semyos等。

3.日本精工（能量色散）分析·测量仪器设备等。

为适应公司业务需要，科学仪器事业部于2003年12月1日从精工电子有限公司独立，正式成立了精工电子纳米科技有限公司。

4.美国AmptekAmptek是一家成立于1977年的高科技公司，致力于设计并制造核检测仪表，在该领域处于世界领先水平。

Headwall-成像光谱仪资料

F/# 最大入射狭缝高度最大谱线弯曲空间分辨率 CCD 像元数帧频曝光时间动态范围像元合并选择镜头视场角（FOV）像机尺寸储存温度外形尺寸
2.8-∞ 10 毫米大约 0.1%
1000 1004 x 1004
50 帧/秒 5 微妙-65 秒
60dB 1 个或者 2 个像元，垂直方向 Compact Schneider Xenoplan
5
HyperSpec® NIR (900-1700nm) 机载/地面两用近红外高光谱成像光谱仪
。
基本技术参数：
性能波段范围狭缝宽度
像素色散值光谱通道光谱弯曲修正杂散光探测器动态范围
A /D 转换像元混合相机控制接口
镜头焦距
狭缝宽度方向视场角操作温度相对湿度外形尺寸
参数
性能
参数
18.3° 45 mm x 45 mm x 75 mm
- 25oC - + 65oC. 110×93×50mm（不含镜头）
光谱分辨率1 狭缝宽度最大梯形失真光谱波段数像元尺寸快门数字分辨率像机控制供电镜头焦距瞬时视场角（IFOV）工作温度相对湿度毛重
参数 400-800nm
或者 500-1000nm
基本技术参数：
性能
参数
性能
参数
波段范围
600-1600nm
通光孔径
F/2.0
杂散光
小于 0.02%
像素色散值
6.0nm
狭缝宽度
25μm（可现场更换）（可选狭缝长度择 12、 40、 60 或者 100
μm 宽狭缝）
18mm
光谱分辨率（ 25µm