新闻详情

新闻详情

首页 / 资讯中心 / 详情

SWIR051AU短波红外相机进行橘子品质检测成像实验

发布时间:2026/11/16 18:33:43来源:尧图网络
SWIR051AU短波红外相机进行橘子品质检测成像实验
一、测试概况测试目的验证阿秒科技SWIR051AU相机对橘子损伤部位检测的可行性基于短波红外成像的区分能力对比短波红外成像与可见光成像效果实现橘子肉眼不可见的皮下损伤识别与定位评估该相机用于橘子品质分拣的可行性。应用背景橘子在储运过程中极易发生磕碰、挤压由此产生皮下瘀伤。该类损伤初期果皮外观无明显变化可见光下肉眼很难识别若未及时剔除受损组织会快速霉变造成果品批量损耗提升分选成本。传统可见光检测手段无法识别早期皮下损伤因此需要短波红外技术实现无损、快速的内部损伤筛查。检测原理橘子瘀伤处局部组织细胞破裂汁液渗透到果皮导致损伤区域含水量会较高。水能够吸收在1450 nm波长附近的红外光。使用短波红外相机拍摄时健康区域对1450 nm红外光吸收较少呈现亮区损伤区域因汁液积聚、吸光增强呈现暗区。基于上述成像差异可实现传统可见光手段无法完成的早期瘀伤检测。另外还可以使用外加红外光补光和使用滤光片以增强相机捕捉到橘子健康和损伤部分反射光不同强度的差异。二、测试设备与条件设备/组件型号/规格短波红外相机阿秒科技 SWIR051AU可见光相机阿秒科技 VIS028CU3.2-NC光源1300 nm 红外光源滤光片1300 nm 红外滤光片测试样品损伤健康橘子各一个环境条件室内环境除实验补光灯无特殊光源温度25℃三、测试结果1. 图像观察结果2 对比度定性分析图拍摄设备拍摄条件成像效果说明1VIS028CU3.2-NC自然光橘子果皮色彩正常肉眼无法从外观上分辨出皮下瘀伤。2SWIR051AU自然光短波红外图像下损伤橘子整体灰度明显低于健康橘子损伤位置灰度进一步降低可初步识别损伤区域。3SWIR051AU搭配1300nm光源补光健康、损伤橘子之间明暗差距增大损伤区域轮廓更加容易分辨。4SWIR051AU1300nm滤光片和光源图像背景干净橘子损伤暗区边界清晰健康部位与瘀伤部位灰度差异达到最大成像效果最优。3 对比度定量分析为定量评估橘子健康损伤的区分能力采用对比度公式计算CImax−Imin/255其中Imax和 Imin分别为健康橘子和损伤橘子的平均灰度值255为8bit图像灰度值范围。拍摄条件健康橘子灰度值损伤橘子灰度值计算对比度SWIR051AU 直接拍摄73.347.80.10使用1300 nm 光源补光154.897.50.22使用1300nm滤光片和光源206.7103.70.40四、结果分析功能验证SWIR051AU短波红外相机能够有效检测橘子品质损伤橘子与健康橘子成像能够很好地区分开能够精确定位到橘子的损伤部位。现象总结相比于短波红外相机直接拍摄加入1300nm滤光片和光源拍摄成像的对比度最高且对比度提升4倍。性能表现相机信噪比高图像背景干净健康橘子和损伤橘子明暗对比明显能够满足该场景需求。五、结论阿秒科技SWIR051AU短波红外相机能够可靠地应用于橘子品质检测中。在1300nm光源补光与1300nm滤光片配合下可获得最佳的橘子损伤部位图像对比度。该相机具有较高的信噪比和量子效率能够很好地满足该应用场景。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉