重新评估光谱通道的解释

在这次采访中，Confluent科学咨询公司的首席顾问Frederick G. Haibach博士与AZoM讨论了我们应该如何以不同的方式解释光谱通道，以及这将如欧洲杯线上买球何影响该行业。

你什么时候第一次发展你对成像的兴趣？

在2001年，我注意到我所从事的大多数项目都在定位一个功能，就像他们在识别功能的组成一样。在许多不同的尺度上，我们感兴趣的是一个物体或物体的场景是如何不均匀的。在传统的光谱学中，我们使用精密的仪器来记录单个光斑的光谱响应。与感兴趣的特征相比，那个点可能大也可能小。如果它很小，那么我们几乎没有迹象表明功能的范围。在极端的情况下，我们可能会完全错过这个特性。如果光斑的大小比特征大，那么周围的区域就会稀释信号。在光谱学方面，这意味着该仪器具有比任务所需的更严格的规格。项目就会变得比需要的更昂贵和繁琐。

例如，我参与了一个项目，以识别硅污染的注塑泡沫部分的汽车。汽车工业认识到，硅酮是一种优秀的模压零件的脱模剂，但硅酮很容易转移到，并污染，其他部分，他们不能容忍。因此，该方法需要非接触和高对比度的硅酮。在注射成型过程中，过量的硅酮脱模剂被扫入成型零件上的一个小区域，导致零件某一部分的浓度较高。使用廉价的成像仪器，污染区域很容易被探测到，但我们现有的技术需要多点测量。

您是如何看待多元光学元件框架的?

多变量光学元件（MOES）适用于增强场景中的对比度。MOE是一种二向色滤波器，具有跨越光谱设计的透射率和反射曲线。给定感兴趣的特征的光谱特征，可以设计过滤器以产生透射率和反射谱，其差异与提供成像和光谱的一些优点的签名相关。结果比使用单个波长更具体和敏感。在成像设置中使用双重图像是具有挑战性的，但它已在学术和商业环境中反复展示。

虽然使用MOES在光谱仪和单波长成像仪中使用MOES的优点，但限制也很大。MoE仅限于其设计标准，但仍然不容易确定何时超出该范围。这意味着它不会优雅地失败。例如，需要通过需要评估透射率和反射率的差异和总和来复杂3D对象的图像分析。如果没有这种处理，由于照明伪影和表面纹理可能会发生虚假的结果。

使用光谱结构光和离心图像，可以实现MOES的优点以及传统光谱法的优点。使用像LED等单色源易于实现光谱结构光。当您认为光谱结构光作为提供感兴趣的光谱特征的对比度的一组图案时，结果类似于傅立叶，小波和其他变换在图像上突出显示特定纹理的方式。这些信息中的大部分可以用少数明智地选择的模式或波长进行编码。在硅氧烷释放剂示例中，单个波长红外二极管和热相机将足够。如果已添加到硅油中的罗丹明或荧光素，则灰度成像器和紫外线灯将检测到荧光示意器。

您认为基本差异位于光谱通道的解释中？

大多数成像应用都集中在制造空间中的可见光，可能是因为个人经验。如果我们可以看到我们眼睛的缺陷，那么我们应该能够用可见光的成像仪测量它。如果我们在可见光范围内使用信息，则有很多关于材料的组成和结构的具体信息。随着测量速度在制造，荧光，反射和吸收是最常用的。我使用仪器从紫外线到中红外线的仪器。

紫外线提供有关表面的信息，通常小于几百纳米，因为材料具有高度吸收或散射。欧洲杯足球竞彩不同材料之间的紫外线中的对比度可以是非常戏剧性的。欧洲杯足球竞彩一些材料还欧洲杯足球竞彩发荧光，这使得硅探测器的检测更容易。如果调制照明，可以检测甚至可以检测到微弱的荧光。

在硅成像仪中，可见范围提供了最大的灵敏度。尽管我们的眼睛只提供广泛的光谱信息，主要是红色、绿色和蓝色，但产生这些颜色的色素和染料的信息更多。我们可以通过观察异谱来直接体验这一点，异谱是指物体在不同“白光”照明下表面颜色的变化。此外，偏振是有用的，例如识别聚合物部分的分子顺序或玻璃中的应变。

近红外线（NIR）是食品加工和制造业的主力。几乎所有在国际市场上销售的小麦都是由近红外分析仪的特征。大量行业使用NIR检测水和水分。NIR的优点是许多材料的相对透明度，允许测量在表面下的特征毫米和对分子结构的敏感性。欧洲杯足球竞彩虽然金属没有分子结构，但在某些情况下可以测量氧化物涂层。光谱范围通常通过可用的检测器技术分为两个。短波NIR可与硅探测器一起使用，用于高达1100nm的波长。长波NIR与INGAAS，INSB和热电探测器一起使用，用于波长高达5μm。长波NIR具有相对较高的对比度，但成像阵列具有高分量成本，一些传感器阵列制造商具有出口限制。

分子信息是中红外线中最富有的，但它也是技术上最具挑战性的。中红外线已被用于揭示分子结构的组合物和细节，如聚合物和无机材料中的结晶度的量和类型。欧洲杯足球竞彩除了激光器之外，中红外线的光源是暗淡的。热电堆和微悬臂成像探测器相对较慢，但不占仪器成本。由于有用的图像不需要许多像素，因此中红外成像可能变得更加常见。

目前如何影响制造业的光谱通道中的这些差异如何？

通过信息增强了制造过程的洞察力。光谱信息提供关于与材料结构和强度相关的特性的独特见解，并且可以自动分析提供紧密，闭环控制。欧洲杯足球竞彩

制造不应通过质量控制减慢。硅成像探测器，如CMOS和CCD，是集成到生产线的理想选择，提供高灵敏度，空间分辨率和远距离距离毫米到米。当不需要100％检查时，否则难以访问质量属性;可以使用长波NIR和中红外线考虑较慢的方法。

您认为在行业内可以在哪个变化，以改善光谱解释和表演？

通过主流相机制造商和第三方工具提供的sdk，机器学习识别零件轮廓和三维形状得到了很好的发展。解释和设计基于光谱的系统仍处于初级阶段。这可能是因为将过程的特性与光谱特征联系起来通常不是工程师培训的一部分。此外，图像中用于识别零件和纹理的算法也不太适合额外的光谱维数。反之亦然，用于自动解释光谱的典型算法在图像上也不能有效地工作。将来自成像和光谱数据的信息结合在一起是可能的，但如何获取光谱数据和处理的选择仍然取决于领域专家。

在使用光谱机械之后，这对过程学习有什么影响?

追求形式和功能的可靠性，超越了形状和纹理识别到次表面和分子特性。光学方法也可以进行快速、无损检测。改进的检验率允许显著细化的过程控制，降低过程过差和过差的风险。缺陷分析还可以提高对导致超出规格产品的变量的理解。在采用了这种过程监控的制造设施中，改进的过程理解已经导致了大量的成本节约。

关于弗雷德里克G. Haibach Ph.D.

弗雷德里克G. Haibach，Ph.D.自2001年新墨西哥州毕业以来一直参与过程和工业光谱。他在紫外线到中红外线的各种光谱学领域拥有超过15个成功的项目。作为顾问，他有三个成像光谱的项目。