iSpecHyper-VS1000是萊森光學(xué)（LiSen Optics）新明星產(chǎn)品擴大，一款操作簡單、配置靈活便攜式高光譜成像系統(tǒng)發揮效力，主要優(yōu)勢采樣了有高光通量分光設(shè)計新格局、信噪比靈敏度高、大靶面探測器安全鏈、高像質(zhì)等特點顯示。iSpecHyper-VS1000便攜式高光譜成像系統(tǒng)采用了透射光柵內(nèi)推掃原理，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)處理方法，高速USB3.0接口傳輸重要作用，全靶面高成像質(zhì)量光學(xué)設(shè)計 ，物鏡接口為標(biāo)準(zhǔn)C-Mount習慣，可根據(jù)用戶需求更換視場鏡頭充足。iSpecHyper-VS1000便攜式高光譜成像系統(tǒng)廣泛應(yīng)用于*/安刑偵、物證鑒定的積極性、精準(zhǔn)農(nóng)林綠色化發展、遙感遙測、 工業(yè)檢測不久前、 醫(yī)學(xué)醫(yī)療用上了、采礦勘探等各領(lǐng)域。
光譜范圍400-1000nm,分辨率優(yōu)于2.5nm
有高光通量分光成像設(shè)計能力建設、信噪比靈敏度高
24mm/35mm鏡頭電控自動對焦技術(shù)關註、自動曝光、自動成像掃描匹配無障礙、激光定位測距
高幀率連日來，輔助攝像頭實時監(jiān)控快速融入，內(nèi)置鋰電池供電無需額外電源
全靶面高成像質(zhì)量光學(xué)設(shè)計，點列斑直徑小于0.5像元
數(shù)據(jù)格式支持ENVI等分析軟件系統，支持多區(qū)域ROI,鏡頭可更換
軟件操作界面
便攜式系統(tǒng)方案示例圖
隨著我國農(nóng)產(chǎn)品加工業(yè)的發(fā)展和農(nóng)業(yè)現(xiàn)代化進(jìn)程的加快,使得農(nóng)產(chǎn)品品質(zhì)檢測和分級技術(shù)顯得*加重要就能壓製，迫切性日益增加，水果的內(nèi)部品質(zhì)表示水果內(nèi)部的生理適應能力、化學(xué)和物理性質(zhì)更優美，高光譜成像系統(tǒng)目前已經(jīng)開始應(yīng)用于水果分選，反映水果品質(zhì)光譜信息主要集中在650-950nm之間防控，水果的糖分含量是決定光譜品質(zhì)的重要因素成效與經驗，糖分光譜特征主要在700nm-820nm的吸收以及750nm附近800-900nm的峰值等。
高光譜成像系統(tǒng)水果分選利用工業(yè)領(lǐng)域的傳送帶作為高光譜相機的推掃成像機構(gòu)深刻內涵，高光譜相機利用龍門架結(jié)構(gòu)架設(shè)在傳送帶上方傳遞，配合專用線型光源進(jìn)行照明。系統(tǒng)主要包括高光譜相機及其支架深入闡釋、線型光源相關性、控制模塊、相關(guān)定位傳感器物聯與互聯、計算機（運行控制與數(shù)據(jù)采集軟件）等組成穩定。
2015年發(fā)表的論文“Hyperspectral optical tomography of intrinsic signals in the rat cortex”一文中，研究人員研究了大鼠大腦皮層的高光譜成像供給，研究者發(fā)現(xiàn)有氧血紅蛋白和脫氧血紅蛋白分別在529nm和630nm處有敏感變化優勢與挑戰。鑒于高光譜技術(shù)數(shù)據(jù)算法的靈活多邊性，作者開發(fā)了一種新的高光譜算法DOT解決方案，用于方便快捷的判斷血液中結(jié)合氧含量趨勢。
2017年發(fā)表的“Kleptoplast photosynthesis is nutritionally relevant in the sea slug Elysia viridis”一文中，研究了海蛞蝓的“光合作用”上高質量，海蛞蝓以大型藻類為食一站式服務，并將葉綠體滲入其腎小管細(xì)胞中，研究者利用高光譜成像對海蛞蝓體內(nèi)的葉綠體的豐度深入交流、分布和光合作用機制進(jìn)行了研究引領作用，發(fā)現(xiàn)黑暗饑餓24天的海蛞蝓體內(nèi)的葉綠體明顯變少，可見臺上與臺下，在極其惡劣的環(huán)境中用的舒心，海蛞蝓體內(nèi)的葉綠體可進(jìn)行分解，以滿足其能量需求集聚效應。
2012年發(fā)表的論文“Hyperspectral imaging and spectral-spatial classification for cancer detection”集成，文中提出高光譜成像是一種用于生物醫(yī)學(xué)應(yīng)用的新興技術(shù)。本研究提出了一種*的圖像處理和分類方法，用于分析前列腺癌檢測的高光譜圖像數(shù)據(jù)建議。開發(fā)了*小二乘支持向量機（LS-SVM）并對其進(jìn)行了評估以對高光譜數(shù)據(jù)進(jìn)行分類品率，以增強對癌組織的檢測。該方法用于檢測荷瘤小鼠的前列腺癌不斷發展。創(chuàng)建空間分辨圖像以突出癌癥的反射特性與正常組織的反射特性的差異。小鼠的初步結(jié)果表明自動化方案，高光譜成像和分類方法能夠可靠地檢測動物模型中的前列腺腫瘤緊密協作。高光譜成像技術(shù)可以為癌癥的光學(xué)診斷提供新工具。
Houzhu Dingd等（2015）線上線下、Michael S. Chin等（2015）本別以豬和裸鼠作為實驗動物發揮重要作用，對**分級和恢復(fù)進(jìn)行了高光譜成像研究。左圖為根據(jù)高光譜成像分析得出的**區(qū)域氧飽和分布與血紅蛋白分布數據顯示，T00高質量、T01、T04記得牢、T24分別為**0時註入了新的力量、1小時、4小時更多可能性、24小時后去創新；右圖上圖為裸鼠**皮膚彩色成像，中圖為高光譜成像分析的氧合血紅蛋白成像緊迫性，下圖為組織切片結構，高光譜成像可以將**深度進(jìn)行非損傷、非接觸高效、高通量分級溝通協調。
2013年發(fā)表的“Non-Invasive Measurement of Frog Skin Reflectivity in High Spatial Resolution Using a Dual Hyperspectral Approach”一文中，研究者采用了由兩個推掃式高光譜成像系統(tǒng)組成的雙攝像機設(shè)置體系，其產(chǎn)生400和2500nm之間的反射圖像保障性，分析了三種樹棲青蛙的光譜反射率。3中樹蛙都呈現(xiàn)出肉眼可見的綠色開拓創新，但物種之間的光譜反射率在700和1100nm之間顯著不同持續發展，依次可以區(qū)分不同種類。
自1974年兵馬俑被發(fā)現(xiàn)以來促進善治，一直為*世界關(guān)注擴大，被法國前總統(tǒng)希拉克譽為“*/界第八大奇跡”。但是道路，包括兵馬俑在內(nèi)的這些埋于地下兩千多年的珍貴文物規模設備，突然暴露在空氣中，極易發(fā)生變化指導，其修復(fù)和保護(hù)工作極為困難競爭力。高光譜成像技術(shù)通過非接觸直接獲取兵馬俑的圖像光譜信息充分，通過分析兵馬俑的圖像及光譜信息，可了解兵馬俑被病害侵蝕程度以及兵馬俑制造的顏料集聚，*后根據(jù)分析結(jié)果對其進(jìn)行模擬修復(fù)競爭力。
高光譜數(shù)據(jù)能區(qū)分作物更細(xì)微的光譜差異，探測作物在更窄波譜范圍內(nèi)的變化狀況，從而能夠準(zhǔn)確地對作物進(jìn)行詳細(xì)分類與信息提取機製性梗阻。目前*流行、應(yīng)用*廣的高光譜作物分類方法有光譜角分類（SAM）全過程、決策樹分層分類等集成應用。
中科院遙感所熊楨基于高光譜影像對常州水稻生長期進(jìn)行監(jiān)測，利用混合決策樹法對水稻的品種進(jìn)行了高光譜圖像的精細(xì)分類不負眾望，包括6個水稻品種的劃分高效流通，分類精度達(dá)到 94.9%。張兵充分考慮自然界地物分布的一般性規(guī)律精準調控，針對高光譜遙感海量數(shù)據(jù)的特征功能，利用光譜特征優(yōu)化的專家決策分類方法，用高光譜影像對日本南牧農(nóng)作物進(jìn)行精細(xì)分類機遇與挑戰。結(jié)果表明廣泛關註，這種分類模式一方面可以提高像元分類精度，另一方面也大大減少了分類結(jié)果圖像上的誤判噪聲集成技術。
我國是世界上*大的糧食生產(chǎn)國就能壓製，谷物類包含水稻、小麥適應能力、玉米更優美、花生等。通過高光譜成像技術(shù)對大米急性檢測防控，檢測質(zhì)量及種類成效與經驗，得到大米高光譜圖像，以主成分分析方式堅實基礎，對圖像中的數(shù)據(jù)降維處理稍有不慎，提取堊白度及形狀特點，以PCA行動力、BPNN建立谷物識別模型提供有力支撐，發(fā)現(xiàn)采用BPNN模型效果較為理想，其準(zhǔn)確率達(dá)到89.91%保供，而PCA準(zhǔn)確率為89.18%自行開發，兩者相差不大。BPNN和數(shù)據(jù)融合結(jié)合，準(zhǔn)確率進(jìn)一步提高應用情況，可達(dá)到94.45%保護好。因此，采用高光譜成像技術(shù)對谷物進(jìn)行檢測表現，對大米種類及質(zhì)量分析具有實用性特點。
森林樹種類型識別的主要目的是提取森林樹種的專題信息，為劃分森林類型結論、繪制林相圖和清查森林資源提供基礎(chǔ)和依據(jù)慢體驗。
目前研究多集中在河湖、鹽沼智能化、海岸灘等濕地生境的植被識別及制圖，即群落尺度的區(qū)分處理。結(jié)合地面調(diào)查來提取不同物種典型的特征光譜曲線建設。數(shù)據(jù)源采用高光譜成像儀實地測得的數(shù)據(jù)，通過建立光譜信息模型等方法助力各行，實現(xiàn)對主要物種前來體驗、森林類型或具體樹種的識別。有學(xué)者借此對植被空間分布制圖確定性、植被變化監(jiān)測進(jìn)行研究更加廣闊，均取得了與地面數(shù)據(jù)相當(dāng)好的一致性。（混合決策樹講故事、專家決策樹法常用于農(nóng)作物的精細(xì)分類非常完善，高光譜更多應(yīng)用于草原生物量估算、農(nóng)作物理化信息提取等方面全面革新。
