SWIR 短波紅外高光譜成像系統
SWIR成像儀是Specim推出了一款全新的、經過重新設計和加工的具有突破性特點的短波紅外高光譜成像系統。該系統在SWIR范圍內(1000 - 2500 nm)不但具有高速數據采集功能，還擁有更多的空間像素(384)，使用CameraLink連接，可實現高達450fps的圖像采集速率。
為了保證室內外不同條件下的使用，它具有堅固的防風雨的IP54外殼和溫度穩定的光學系統，而且具有更低的功耗，標稱功率僅為50W。
憑借其溫度穩定的光學系統，SWIR提供了當今挑戰性的近紅外化學成像應用領域所需的穩定性和靈敏度，并滿足實驗室、野外、和工業應用的要求，使其成為藥物質量保證、食品安全和農業分析等應用領域的得力助手。
主要特點
l覆蓋1000- 2500nm短波紅外波段
lCameraLink接口，USB/RS232控制
l幀頻高達450幀/秒(全畫幅)
l探測器: 低溫冷卻MCT檢測器
l超高的信噪比，大多數應用領域推薦使用
l可提供SDK，用于快速高效的應用程序開發
相機規格
光學特性 | ||
光譜范圍 | 1000-2500nm | |
狹縫寬度 | 30μm（50或80μm可選） | |
有效狹縫長度 | 9.2mm | |
電氣特性 | ||
探測器 | 低溫冷卻MCT探測器 | |
功耗 | 正常情況＜50W | |
輸入電壓 | 寬電壓24V | |
機械特性 | ||
大小（長×寬×高） | 傳感器 | 電源&控制單元 |
470×176×178mm | 300×190×130mm | |
重量 | 14kg | 約5kg |
用戶調節 | 不支持 | |
快門 | 用于暗參考圖像采集的電機械快門 | |
環境特性 | ||
存儲溫度 | -20…﹢50℃ | |
附件 | 鏡頭，輻射校準，校準白板，掃描平臺 | |
附件配置：SWIR系統提供多種附件供用戶擴大應用領域
l前置物鏡：優化900-2500nm光譜范圍的圖像和光譜數據質量。
l采集光纖：帶有采集鏡頭或SMA連接器的光纖: 不需要移動多路復用器，即可在一個分光計中包含4-110個輸入通道。
l鏡像掃描器或旋轉平臺：用于掃描靜態目標和戶外場景，或結合X-stage sample mover用于桌面和顯微鏡應用。
lLUMO軟件：支持，用于控制掃描平臺、采集數據、設置參數、影像實時可視化。
l數據存儲為ENVI、Matlab和R兼容格式數據立方，支持多款通用軟件進一步處理分析。還可以提供SDK，用于快速高效的應用程序開發。
應用領域
l化學及材料分揀
l醫藥制造
l資源回收
l礦物識別
l糧食和農業
l水分含量分布
l藝術研究與歸檔
檢測牛油果皮下斑點
應用案例
（1）血液作為一種優秀的信息載體，是診斷、毒理學和法醫學中的生物材料。通常，分析的材料直接從靜脈以液體的形式;然而，在某些情況下，分析在表面產生的血跡會更方便。高光譜成像在分析中的一個重要應用是估算時間，從而幫助現場調查人員確定案發時間。本實驗采用主成分分析（PCA）和最小噪聲分數（MNF）方法。
如下圖：DBS卡上血斑:a為 1-19樣本，b為 20-28樣本（左圖），經過最小噪聲分數算法血液斑點樣本a（基于PC2-PC3-PC4），b:（基于PC2-PC3-PC5）（右圖）。
所選血斑的光譜特征(S1，S6、S14、S16、S22、S26、S27)在SWIR范圍內如右圖所示，分析顯示，的變化發生在樣本血液表面涂敷后的個小時。進一步研究20-27個樣本發生的變化。對樣本進行散點圖分組，觀察散點形狀與血跡點空間分布的相關性（如下圖）。觀察到的變化是由于血斑逐漸干燥和血紅蛋白衍生物(主要是氧血紅蛋白和金屬血紅蛋白)含量的差異造成。
本研究采用的方法是無損的、有效的、快速的。通過高光譜成像、結合PCA和MNF算法最終成功區別出在0 ~29天的血斑，準確提供了在血斑干燥過程中發生的動態過程信息。
（2）高光譜成像在中藥質量控制中的應用——以神經毒性日本八角茴香為例
高光譜成像將傳統的光譜和成像技術結合起來，從樣本中獲取光譜和空間信息。在食品飲料、農業和制藥等行業，它被成功地用作評估原材料和產品質量的分析工具。與液相色譜等傳統分析方法相比，SWIR高光譜成像可以在更短的時間內進行無損分析。
八角茴香（Illicium verum）是治療小兒絞痛的常用藥物。然而，有記錄顯示在使用后出現了一些危及生命的不良事件，在一些情況下是由于與有毒的八角茴香(Illicium anisatum，日本八角茴香)的摻雜或替代所致。顯然，迅速有效的質量控制方法對于防止這種可怕后果的再次發生至關重要。
左圖上為日本毒八角茴香，下為中國八角茴香，右圖為日本毒八角茴香(綠色)和中國八角茴香(藍色)樣品的平均吸收光譜曲線
通過肉眼很難判斷真假，而采用光譜范圍為920-2514 nm的SWIR高光譜推掃成像系統獲取圖像。采用主成分分析法(PCA)對圖像進行分析，降低數據的高維性，去除不需要的背景，實現數據的可視化。利用偏最小二乘判別法(PLS-DA)建立了4個主成分、R2X_cum為0.84、R2Y_cum為0.81的2個物種分類模型。隨后使用該模型作為外部數據集，準確預測了引入模型的日本毒八角茴香(98.42%)和I. 中國八角茴香(97.85%)的身份。
結果表明，SWIR高光譜成像技術是一種客觀、無損的質量控制方法，可成功地對日本毒八角茴香和中國八角茴香進行精確鑒別。此外，該方法還可以升級到傳送帶系統從而檢測大批量中國八角茴香中摻雜的日本毒八角茴香。
