南宫NG28

IQ-Thermo便携式高光谱成像与红表热成像系统

本系统凭借便携、轻巧、智能化、即开即用、在线丈量、实时辰析的特点，宽泛合用于尝试室或野表等多种场景，通过对叶片或冠层水平光谱反射及温度进行高分辨率成像，可利用于急剧无损、高通量原位生态遥感监测、植被生物及非生物胁迫监测、植物蒸腾及气孔导度钻延注生物多样性监测等，尤其对叶片及冠层尺度植被成长监测、物种多样性调查、环境及生态系统动态变动等拥有沉要意思。

本系统重要由光谱成像传感器及便携台架组成，成像传感器蕴含内置推扫智能高光谱成像单元和LWIR红表热成像单元。高光谱成像单元集采集、分析处置、了局可视化等职能特点于一体（ALL-IN-ONE），具备IP等级防护和全自动运行特点，内置WiFi可远程节造，实现无人机值守工作。曾荣获2018年德国设计协会“红点设计奖”—国际公认的全球工业设计顶级奖项、陆续两年获得“inVISION全球顶级创意奖”。红表热成像单元拥有高达640×512px的像素分辨率及0.03℃超高活络度，其低能耗、轻量级、坚凝结构设计美满合用于野表复杂严苛前提下原位监测场景。

利用领域

合用于光合作用钻研和植被胁迫钻研，农业、林业、生态系统监测等领域。钻研内容涉及光合活性、胁迫响应、病虫害监测、农田测绘及普查等

 ♦野表原位生态遥感监测

 ♦病虫害监测与防治

 ♦丛林资源调查评估

 ♦样方高通量遥感监测

 ♦植物表型与状态学钻研

 ♦作物产量评估及农情监测

 ♦作物干旱胁迫监测及灌溉治理

 ♦农田测绘及农业普查

 ♦作物育种及抗性筛选

 ♦生物多样性及种质资源调查

作物冠层温度分析

职能特点

 ♦系统化一体式设计，轻量便携，适合野表原位生态调查使用

 ♦智能化高光谱成像传感器，覆盖400-1000nm波段，可推算数十种植被指数图像

 ♦高机能红表热成像测温系统，温度分辨率0.03℃，配有温度数据专业分析软件，提取感兴致区域温度动态变动曲线

 ♦高光谱成像传感用具备GPS？，便于分歧地理地位的数据融合分析 

重要技术指标

 1、系统化支架设计：集全太阳光谱双光源、成像单元、云台及三脚支架于一体，沉约5kg，便携组装、易于操作

 2、400-1000nm智能高光谱成像：集光谱数据采集、自动扫描成像、自动分析处置、可视化分析了局等职能于一体，可通过光谱特点曲线创建App导入相机直接利用，进行性状急剧筛选、检测、鉴别等职能

a)  光圈F/1.7

b)  光谱分辨率7nm

c)  光谱波段：204，可选Bin 2x和Bin 3x

d)  内置GPS，每个高光谱数据立方均自带地理标签，便于精准定位、多源信息融合分析

e)  内置SAM算法，无需任何复杂处置，即可急剧实时显示分析了局

f)  自带4.3英寸触摸屏+13个物理按键，可急剧实时丈量分析得出了局

g)  具备USB或WIFI远程节造职能，可通过USB线缆或无线WIFI在软件中节造相机运行

 3、7.5-13.5μm红表热成像成像，非造冷红表焦平面检测器，640×512像素，出厂黑体校准，内置NUC校准，含校准证书温度分辨率0.03℃，9/30/60Hz可选

a)  测温领域：-25℃至+150℃或+40℃至+550℃，可选1500℃

b)  温度活络度≤0.03℃（30mK）@ 30℃；

c)  数据传输：USB-3或GigE千兆以太网

d)  光学镜头，可选配6.8mm、9mm、13mm、19mm镜头

e)  具备14种调色板供肆意选择，可多样化设置热成像假彩色

f)  具备等温模式、温度预警、ROI分析、温度剖面、3D温度显示、输出汇报等职能

g)  支持CSV、非辐射JPEG、辐射JPEG、辐射视频、AVI、MP4等体式输出

h)  防护等级：IP65，合用野表严苛前提下合用

野表使用展示

装置培训

热成像软件截图（左）高光谱数据分析截图（右）

高光谱用于拟南芥表型分析（案例）

参考文件

 1) Jan B , Kelvin A , Dzhaner E , et al. Specim IQ: Evaluation of a New, Miniaturized Handheld Hyperspectral Camera and Its Application for Plant Phenotyping and Disease Detection[J]. Sensors, 2018, 18(2):441-.

 2) Xiao Z , Wang J . Rapid Nondestructive Defect Detection of Scindapsus aureus Leaves Based on PCA Spectral Feature Optimization[J]. IOP Conference Series Earth and Environmental Science, 2020, 440:032018.

 3) Detection of Diseases on Wheat Crops by Hyperspectral Data

 4) Barreto, Abel & Paulus, Stefan & Varrelmann, Mark & Mahlein, Anne-Katrin. (2020). Hyperspectral imaging of symptoms induced by Rhizoctonia solani in sugar beet: comparison of input data and different machine learning algorithms. Journal of Plant Diseases and Protection. 10.1007/s41348-020-00344-8.

 5) Sajad Kiani, Saskia M. van Ruth, Leo W.D. van Raamsdonk, Saeid Minaei. Hyperspectral imaging as a novel system for the authentication of spices: A nutmeg case study. LWT - Food Science and Technology. 104(2019)61-69.

 6) Edelman, G.J. & Aalders, M.C.G. (2018). Photogrammetry using visible, infrared, hyperspectral and thermal imaging of crime scenes. Forensic Science International. 292. 10.1016/j.forsciint.2018.09.025.

 7) Yuan, X.; Laakso, K.; Davis, C.D.; Guzmán Q., J.A.; Meng, Q.; Sanchez-Azofeifa, A. Monitoring the Water Stress of an Indoor Living Wall System Using the “Triangle Method”. Sensors 2020, 20, 3261.

 8) Kruglikov, N. & Danilenko, I. & Muftakhetdinova, Razilia & Petrova, Evgeniya & Grokhovsky, V.. (2019). Spectral characteristics of the meteoritic material after the modeling of thermal and shock metamorphism. AIP Conference Proceedings. 2174. 020227. 10.1063/1.5134378.