新闻详情

新闻详情

首页 / 资讯中心 / 详情

SWIR051AU短波红外相机对不透明塑料瓶液位检测成像实验

发布时间:2026/11/15 7:02:58来源:尧图网络
SWIR051AU短波红外相机对不透明塑料瓶液位检测成像实验
一、实验目的针对可见光下不透明塑料瓶内部液位难以直接观察的问题本文采用阿秒科技SWIR051AU短波红外相机对装有酒精、水、油、清洁液和洗洁精的不透明塑料瓶进行成像实验并与可见光成像对比评估短波红外相机成像结果。二、应用背景与原理1.应用背景在化工、制药、食品饮料及日化产品生产中液位检测是质量控制的关键环节而许多容器采用不透明塑料材质以保护内容物或满足结构强度要求。传统可见光相机无法穿透这类瓶壁肉眼更无法直接观察内部液位因此需要一种能够透视不透明塑料的成像手段。2.应用原理短波红外成像则提供了一种非接触式的光学方案多数在可见光下不透明的塑料如PET、PP、HDPE等在SWIR波段具有一定的透射性。瓶内液体与空气对短波红外的吸收、散射和透射特性不同。液体区域和空气区域在短波红外图像中会呈现灰度差异液位分界线因此可以被识别。本文选取水、油、洗洁精、清洁液、酒精五种典型液体在可见光相机、短波红外相机下进行系统的成像对比。三、测试设备与参数设备/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测试样品5个不透明塑料瓶瓶内溶液分别为酒精、水、油、清洁液、洗洁精环境条件室内环境无特殊光源温度25℃四、测试步骤固定SWIR051AU相机调整塑料瓶位置使其位于镜头视野中央。手动调节相机焦距及光圈大小使成像清晰。选择合适的曝光时间本次实验曝光时间选用100ms。SWIR051AU相机在室内环境下进行拍摄。使用可见光相机VIS028CU3.2-NC在相同位置拍摄对照图像。五、测试结果1.图像观察结果可见光相机拍摄短波红外相机拍摄2.对比度定性分析上图分别给出了酒精、水、油、洗洁精、清洁液五种液体在可见光与短波红外条件下的成像对比。在可见光图像中不透明瓶壁完全遮挡内部无法观察到液位短波红外图像中瓶壁不再完全遮挡瓶内液体区域与空气区域出现灰度差液位边界可见。五种液体的液位均可在短波红外图像中识别。3.对比度定量分析为定量评估液位成像的区分能力采用对比度公式计算对比度Imax−Imin/灰度值范围其中 Imax 和 Imin分别为无液体区域和液体区域的平均灰度值灰度值范围取8bit图像下的255。瓶内液体SWIR051AU相机ImaxImin对比度酒精140.6112.90.10水150.5112.90.15油155.2120.00.14清洁液188.4145.10.17洗洁精161.1121.70.15六、结论本文通过可见光与短波红外成像对比实验验证了短波红外相机对不透明塑料瓶内液位的成像能力。实验结果表明可见光条件下无法观察到瓶内液位短波红外条件下瓶壁具有一定透射性瓶内液体与空气形成灰度差异水、油、洗洁精、清洁液和酒精五种液体的液位均可被识别。研究结果为不透明塑料容器液位检测提供了一种非接触式光学方案。如想了解更多关于SWIR051AU相机的内容欢迎点击阿秒科技官网https://attostek.cn
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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/15 4:06:36

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
📞 ✉