I modsætning til traditionel farvefotografering, som kun registrerer lys i tre farvebånd (rød, grøn og blå), opdeler spektralfotografering lyset i hundredvis af spektralbånd og indsamler detaljerede oplysninger ud over, hvad der er synligt for øjet.
To piller kan se identiske ud, men deres kemiske sammensætning kan være forskellig.
Et æble kan se fint ud på overfladen, men have et skjult blåt mærke.
En vanddråbe kan måske ikke ses på et normalt billede, men ved at bruge spektral billeddannelse kan man registrere bølgelængder i hele det elektromagnetiske spektrum og indsamle detaljerede oplysninger om det undersøgte materiale.
Avancerede algoritmer behandler disse data og analyserer spektret for hver pixel for at opdage variationer, som gør det muligt at identificere specifikke materialer eller funktioner, som f.eks. subtile forskelle i den kemiske sammensætning, materialeegenskaber og biologiske egenskaber ved de inspicerede genstande.
Hyperspektral billeddannelse bruger hundredvis af smalle bølgebånd, hvilket giver mulighed for store detaljer og evnen til at skelne mellem materialer på en måde, der ikke er mulig med multispektral billeddannelse.
Ulempen er kompleksiteten i databehandlingen og fortolkningen.
%20(1).jpg?width=1000&height=700&name=multispectral%20(1000%20x%20700%20px)%20(1).jpg)
Multispektral billeddannelse bruger færre, bredere bånd (ofte 3-10).
Det går ud over den meget detaljerede spektrale opløsning til fordel for en hurtigere og mere omkostningseffektiv løsning.
Brug af specifikke bølgebånd uden for det visuelle spektrum er en anden form for spektral billeddannelse.
Eksempler kunne være at bruge ultraviolet (UV), nær-infrarødt (NIR) eller kortbølget infrarødt (SWIR) lys til at detektere bestemte materialer.
.jpg?width=490&height=440&name=Water%20on%20steel%202%20(490%20x%20440%20px).jpg)
Hos JLI har vi brugt hyperspektral billeddannelse til at opdage uønskede vanddråber på overfladen af stålværktøjer, der har været igennem en autoklaveproces til sterilisering.
Hyperspektral billeddannelse kan bruges til at opdage de usynlige dråber, fordi de absorberer andre elektromagnetiske bølgelængder end stålet. Det er endda muligt at opdage vand på stålets overflade, når værktøjet er pakket ned i en pose.
Hyperspektral billeddannelse vil være nyttig til f.eks. at sortere plast i specifikke plasttyper.
Selvom plasten ser ens ud visuelt, er deres kemiske sammensætning - deres polymerbasis, fyldstof og andre tilsætningsstoffer som flammehæmmere, blødgørere osv. - er forskellig, og det kan registreres med et hyperspektralt kamera.
Hyperspektral billeddannelse er velegnet til kvalitetskontrol i den farmaceutiske industri.
Det kan være alt fra at opdage, om den kemiske sammensætning af et lægemiddel afviger fra standarden, til at måle tykkelsen af en pilles coating.
.jpg)
.png)
Bare fordi vi ikke kan se det, betyder det ikke, at det ikke er der.
I denne video forklarer Machine Vision Engineer Martin Falk Jensen, hvordan du kan bruge hyperspektral billeddannelse til at se det usynlige.
Han gennemgår en række anvendelsesmuligheder for hyperspektral billeddannelse, f.eks. at finde knaster i træplader.
Book et møde for at få mere at vide:
.png)
Send mig en e-mail på hb@jlivision.com
eller book et møde, og lad os finde ud af, hvordan vi kan hjælpe dig.
