品牌
经销商厂商性质
所在地
ImSpector系列成像光谱仪，是高光谱成像技术Specim公司推出的高性能光谱仪，专为VIS（380-800nm）、VNIR（400-1000nm）和NIR（900-1700nm）波段设计。ImSpector成像光谱仪为世界各地的集成商和机器制造商提供了一种简单的、高性能的、高性价比的集成方法，当它与科学灰度CCD/CMOS相机或InGaAs传感器相结合时，即组成了一个线扫描光谱成像设备，应用于日常使用的各种检查、分类和其他机器视觉解决方案。
ImSpector成像光谱仪优化了每个模组的光谱分辨率、探测器尺寸、空间分辨率和成像速度，可提供市场上光学性能的无失真图像，以满足的应用要求。
可选前置光学镜头：
ü 标准系列：OL8、OL12、OL17、OL23、OL35用于2/3英寸或更小探测器
ü 增强系列：OLE9、OLE18.5、OLE23、OLE140用于2/3英寸或更大探测器
ü 其他系列：OLES15、OLES22.5、OLES30、OLES56用于N17E
可选配件：
ü 机械快门（增强系列）
ü 收集光纤
ü 带阻滤波器，OBF 570(矩形14×12mm或圆形20mm Ø和17mm Ø)，用于V10和V10E
ü 用于光源监测的光纤漫射辐照度传感器FODIS(增强系列)
技术参数：
ImSpector | V8 | V10E | V10H | N17E |
光学性能 | ||||
光谱范围 | 380-800nm *1 | 400-1000nm *1 | 400-1000nm *2 | 900-1700nm *2 |
色散 | 66nm/mm | 97.5nm/mm | 139nm/mm | 110nm/mm |
光谱分辨率 | 6nm （80μm狭缝） *2 | 2.8nm （30μm狭缝） *2 | 11.2nm （80μm狭缝） | 5nm （30μm狭缝） |
成像尺寸 | 6.6(光谱)×8.8(空间)mm，对应标准⅔”图像传感器 | 6.15（光谱）×14.2（空间）mm | 4.3（光谱）×6.6（空间）mm，对应标准½”图像传感器 | 7.6（光谱）×14.2（空间）mm |
空间分辨率 | 光斑半径＜30μm | 光斑半径＜9μm | 光斑半径＜40μm | 光斑半径＜15μm |
像差 | 轻微像散 | 无像散 | 轻微像散 | 无像散 |
光谱线在空间轴上的弯曲 | Smile＜45μm | Smile＜1.5μm | Smile＜30μm | Smile＜5μm |
空间线在光谱轴上的弯曲 | Keystone＜40μm | Keystone＜1μm | Keystone＜20μm | Keystone＜5μm |
数值孔径 | F/2.8 | F/2.4 | F/2.8 | F/2.0 |
默认狭缝宽度 | 50μm（30，80，150可选） | 30μm（18，50，80，150μm可选） | 50μm（30，80，150μm可选） | 30μm（30，80，150μm可选） |
狭缝长度 | 9.6mm | 14.2mm | 9.8mm | 14.2mm |
光输入 | N/A | 远心镜头 | N/A | 远心镜头 |
效率 | ＞50%，不受偏振影响 | |||
杂散光 | ＜0.5%（卤素灯，590nm长通滤波） | ＜0.5%（卤素灯，633nm陷波滤波） | ＜0.5%（卤素灯，1400nm长通滤波） | |
机械性能 | ||||
尺寸 | D 35×139mm | W 60×H 60×L 175mm | D 35×L 139mm | W 60×H 60×L 220mm |
重量 | 300g | 1100g | 300g | 1500g |
机身 | 阳极氧化铝管 | |||
相机接口 | 标准C-mount适配器 | |||
用户调节 | 成像轴相对于探测器行，可调后焦距+/- 1mm | |||
环境性能 | ||||
存储温度 | -20…＋85℃ | |||
运行温度 | ＋5…＋40℃，无凝水 | |||
注：
*1 可在探测器窗口前安装带阻滤波器
*2 系统光谱和空间分辨率还取决于探测器的离散成像特性和透镜质量
应用案例一：B1自然污染的花生分类
南京财经大学食品科学与工程学院Xueming He等研究人员，使用ImSpector V10e光谱仪+EMCCD相机组成400-1000nm高光谱成像系统，提取并整合光谱、颜色和纹理特征，并采用酶联免疫吸附试验（ELISA）方法测定参考AFB1水平，用以实现一种基于非破坏性高光谱成像方法来区分正常和自然B1（AFB1）污染的花生。
图1-1：高光谱成像系统示意图（左）；花生样品RGB及分割处理图像（右）：(a1)- (a4)依次为AFB1含量最小（0.1 ppb）的花生分割前RGB图像、ROI二值图像、分割后RGB图像和分割后灰度图像；(b1)-(b4)为AFB1含量（599.21 ppb）的花生对应图像
对全光谱进行了不同的预处理，线性判别分析（LDA）结果表明，*行Savitzky-Golay平滑（SGS），然后进行标准正态变换（SNV）可以实现判别，对校准集和验证集的准确率分别为90%和92%。最后，将偏最小二乘判别分析（PLS-DA）和支持向量机（SVM）的性能与LDA进行了比较，带有RBF核的支持向量机对校准集和验证集的准确率分别为93%和94%，结果。
图1-2：（a） 所有150个花生样品的原始光谱和（b）SGS+SNV光谱
本研究展示了高光谱成像在花生AFB1污染直接分类中的应用潜力，并证明纹理和光谱特征的结合可以改善建模结果。
应用案例二：葡萄籽无损快速品种识别和可视化表达
浙江大学生物系统工程与食品科学学院Yong He等研究人员，使用ImSpector N17E光谱仪+ Xeva 992相机组成HSI系统，分别采集了三个葡萄品种的14015、14300和15042颗葡萄种子在874-1734nm光谱范围内的高光谱图像。通过小波变换对像素级光谱进行预处理，然后提取每个葡萄籽的光谱。对高光谱图像进行主成分分析（PCA），使用前六个PCs的分数用于定性识别不同品种之间的模式，前六个PCs的载荷用于识别有效波长（EWs）。
图2-1：左：对前六个主成分（PCs）的图像进行评分：（a）PC1；（b） PC2；（c） PC3；（d） PC4；（e） PC5；和（f）PC6。右：前六个主成分的载荷：（a）PC1；（b） PC2；（c） PC3；（d） PC4；（e） PC5；和（f）PC6
使用支持向量机（SVM）建立基于EWs的光谱判别模型。结果表明，该方法能够准确地识别出每种葡萄籽的品种，验证精度为94.3%，预测精度为88.7%。使用每个品种的外部验证图像来评估所提出的模型，并形成分类图，其中每个单个葡萄籽被正确识别为属于不同的品种。
图2-2：（a）-（f）以此为品种I-Ⅲ的原始灰度图像和相应分类图
总体结果表明，高光谱成像（HSI）技术结合多元分析可以作为一种有效的工具，用于葡萄籽的无损快速品种识别和可视化表达，该方法在开发多光谱成像系统以供实际应用方面具有很大潜力。
参考文献：
[1] He X , Yan C , Jiang X , et al. Classification of aflatoxin B1 naturally contaminated peanut using visible and near-infrared hyperspectral imaging by integrating spectral and texture features[J]. Infrared Physics & Technology, 2021:103652.
[2] Yiying Z , Chu Z , Susu Z , et al. Non-Destructive and Rapid Variety Discrimination and Visualization of Single Grape Seed Using Near-Infrared Hyperspectral Imaging Technique and M*riate Analysis[J]. Molecules, 2018, 23(6):1352-.
