CHNSpec Technology （Zhejiang）Co.,Ltd Tin tức công ty

Trong nghiên cứu này, có thể sử dụng máy ảnh siêu phổ 400-1000nm và các sản phẩm của Công ty TNHH Công nghệ Quang phổ Màu Hàng Châu FS13 tiến hành nghiên cứu liên quan.Dải phổ là 400-1000nm và độ phân giải bước sóng tốt hơn 2,5nm, lên tới 1200 Hai kênh quang phổ.Tốc độ thu nhận lên tới 128FPS trong toàn phổ, lên tới 3300Hz sau khi chọn băng tần (hỗ trợ đa vùng Lựa chọn băng tần miền).   Với việc thúc đẩy chiến lược ngũ cốc chủ yếu là khoai tây ở Trung Quốc, chuỗi công nghiệp liên quan đến khoai tây đã nhanh chóng phát triển và chất lượng khoai tây đã trở thành một vấn đề nóng.Tuy nhiên, các khuyết tật như vỏ xanh và hư hỏng cơ học ảnh hưởng nghiêm trọng đến tổng số lượng khoai tây, đặc biệt là hình dạng phức tạp của khoai tây vỏ xanh, các khuyết tật không dễ xác định và làm tăng độ khó phát hiện.Đồng thời, nếu hàm lượng solanin trong khoai tây xanh vượt quá tiêu chuẩn ăn được sẽ dẫn đến ngộ độc thực phẩm và gây ra vấn đề an toàn thực phẩm.Vì vậy, việc nghiên cứu phương pháp phát hiện nhanh và không phá hủy để chế biến sâu khoai tây và mở rộng chuỗi công nghiệp khoai tây là rất có ý nghĩa.   Công nghệ hình ảnh siêu phổ có ưu điểm là dải băng rộng, đồng thời có thể thu được thông tin hình ảnh và quang phổ trong dải băng tương ứng của mẫu được kiểm tra, do đó nó đã được sử dụng rộng rãi trong thử nghiệm nhanh không phá hủy các sản phẩm nông nghiệp.Để giải quyết vấn đề không dễ nhận biết khoai tây có vỏ màu xanh nhạt ở vị trí tùy ý, các kỹ thuật hình ảnh siêu phổ bán truyền và phản xạ đã được sử dụng để so sánh và phân tích, đồng thời xác định độ chính xác nhận dạng mô hình theo các phương pháp hình ảnh siêu phổ khác nhau. .Hình ảnh siêu phổ bán truyền và siêu phổ phản xạ của các mẫu khoai tây được thu thập ở bất kỳ vị trí nào và các mô hình phát hiện dựa trên thông tin hình ảnh và thông tin quang phổ được thiết lập tương ứng, đồng thời so sánh tốc độ nhận dạng của các mô hình khác nhau.Tiếp tục thiết lập các mô hình tổng hợp hình ảnh và quang phổ hoặc các mô hình tổng hợp hình ảnh khác nhau để cải thiện hiệu suất của mô hình và cuối cùng xác định mô hình tối ưu. (1) So sánh độ chính xác của các mô hình nhận dạng thông tin hình ảnh với các phương pháp hình ảnh siêu phổ khác nhau.Tỷ lệ nhận dạng của ánh xạ đẳng cự kết hợp với mô hình mạng niềm tin sâu dựa trên thông tin hình ảnh bán truyền chỉ đạt 78,67%.Tỷ lệ nhận dạng mở rộng phương sai tối đa kết hợp với mô hình mạng niềm tin sâu dựa trên thông tin hình ảnh phản ánh chỉ là 77,33%.Kết quả cho thấy độ chính xác của việc phát hiện khoai tây có màu xanh nhạt bằng thông tin ảnh đơn lẻ là không cao. (2) So sánh độ chính xác của các mô hình nhận dạng thông tin quang phổ với các phương pháp tạo ảnh siêu phổ khác nhau.Tỷ lệ nhận dạng sắp xếp không gian tiếp tuyến cục bộ kết hợp với mô hình mạng niềm tin sâu dựa trên thông tin phổ bán truyền là cao nhất 93,33%.Tỷ lệ nhận dạng sắp xếp không gian tiếp tuyến cục bộ kết hợp với mô hình mạng niềm tin sâu sắc dựa trên thông tin phổ phản xạ lên tới 90,67%.Kết quả cho thấy việc sử dụng thông tin quang phổ đơn để phát hiện khoai tây có màu xanh nhạt là khả thi, tuy nhiên tỷ lệ nhận dạng cần phải được cải thiện hơn nữa. (3) So sánh ảnh hưởng của ba phương pháp tổng hợp thông tin đa nguồn đến độ chính xác nhận dạng.Độ chính xác của ba mô hình tổng hợp hình ảnh bán truyền và phổ bán truyền, hình ảnh phản xạ và phổ phản xạ, phổ bán truyền và phổ phản xạ cao hơn mô hình hình ảnh đơn hoặc mô hình quang phổ và mô hình tổng hợp mạng niềm tin sâu sắc của Phổ bán truyền và phổ phản xạ là tốt nhất, tỷ lệ nhận dạng của bộ hiệu chỉnh và bộ kiểm tra là 100%.Kết quả cho thấy mô hình tổng hợp phổ bán truyền và phổ phản xạ có thể thực hiện thử nghiệm không phá hủy đối với khoai tây có vỏ màu xanh nhạt.

Trong nghiên cứu này, các camera siêu phổ dải tần 400-1000nm và 900-1700nm đã được áp dụng, đồng thời các sản phẩm FS13 và FS15 của Hangzhou Color Spectrum Technology Co., Ltd. có thể được sử dụng cho nghiên cứu liên quan.Phạm vi quang phổ là 400-1000nm, độ phân giải bước sóng tốt hơn 2,5nm và có thể đạt tới 1200 kênh quang phổ.Tốc độ thu nhận có thể đạt tới 128FPS trong toàn phổ và mức tối đa sau khi chọn băng tần là 3300Hz (hỗ trợ lựa chọn băng tần nhiều vùng). Thịt chủ yếu bao gồm gia súc, gia cầm và thủy sản, protein, axit béo, nguyên tố vi lượng và các chất năng lượng quan trọng khác cần thiết cho cơ thể con người đều có nguồn gốc từ thịt.Với mức sống không ngừng được cải thiện, mọi người chú ý nhiều hơn đến chất lượng thực phẩm và cân bằng dinh dưỡng trong chế độ ăn uống, nhưng một số doanh nghiệp bất hợp pháp sẽ trộn một số loại thịt chất lượng thấp vào thịt chất lượng cao, kém chất lượng, đặc biệt là vào năm 2013 "thịt ngựa" của châu Âu làn sóng", đã gây ra mối lo ngại cực độ của mọi người về việc pha trộn thịt.Các phương pháp phát hiện tạp nhiễm thịt bao gồm đánh giá cảm quan, công nghệ phát hiện PCR huỳnh quang, phân tích điện di và công nghệ xét nghiệm miễn dịch liên kết với enzyme, v.v., nhưng hầu hết chúng đều yêu cầu tiền xử lý mẫu và thao tác kiểm tra phức tạp, tốn thời gian và khó đạt được phát hiện nhanh chóng theo thời gian thực với kích thước mẫu lớn tại hiện trường.   Hầu hết các báo cáo tài liệu hiện có đã sử dụng công nghệ hình ảnh siêu phổ đơn dải để phân biệt thịt giả, nhưng một số ít sử dụng hai dải để phân tích so sánh.Trong thí nghiệm này, thịt cừu rã đông chất lượng cao được chọn làm chất pha tạp và thịt vịt có giá tương đối thấp được pha tạp.Thông tin siêu phổ của các mẫu được thu thập trong hai dải sóng cận hồng ngoại nhìn thấy được (400 ~ 1 000 nm) và sóng cận hồng ngoại ngắn (900 ~ 1700 nm) và một mô hình định lượng được thiết lập bằng cách chọn các phương pháp tiền xử lý thích hợp.Mô hình tối ưu đã được chọn để đảo ngược hình ảnh và một phương pháp trực quan để phát hiện định lượng nhanh sự pha trộn thịt cừu đã được đề xuất nhằm cung cấp dữ liệu và hỗ trợ kỹ thuật cho việc phát hiện định lượng sự pha trộn thịt cừu. (1) Đối với dải 400 ~ 1000nm, mô hình PLS toàn dải được thiết lập sau khi tiền xử lý chuẩn hóa có độ chính xác cao nhất;Đối với dải 900-1700nm, mô hình PLS toàn dải được thiết lập sau khi tiền xử lý SNV có độ chính xác cao nhất.Bằng cách chọn bước sóng của hai dải phổ theo phương pháp tiền xử lý tối ưu, người ta thấy rằng độ cộng tuyến giữa các bước sóng được chọn là tối thiểu và mang tính đại diện trên cơ sở loại bỏ đa cộng tuyến, điều này có thể cải thiện hơn nữa độ chính xác và đơn giản của mô hình.   (2) Có nhiều thông tin hơn về các nhóm liên quan đến thành phần thịt trong dải 900-1700 nm, có thể phản ánh tốt hơn các đặc tính của thịt và có thể phù hợp hơn để xác định thịt bị tạp nhiễm.Để mở rộng tính toàn diện và khả năng ứng dụng của mô hình, thử nghiệm nên được mở rộng sang phổ hồng ngoại gần sóng dài (1 700 ~ 2500 nm).Đồng thời, thịt cừu và thịt vịt chất lượng cao được chọn trong thí nghiệm được đóng gói thành phẩm tại các siêu thị địa phương.Liệu mô hình tiếp theo có thể được áp dụng cho nghiên cứu về sự pha trộn thịt cừu trong các môi trường khác nhau (nhiệt độ, độ ẩm, hình dạng, v.v.), các giống khác nhau, chất lượng khác nhau, phương pháp cho ăn khác nhau và độ tươi khác nhau hay không cần được xác minh và thảo luận thêm.  

Trong nghiên cứu này, máy ảnh siêu phổ 900-1700nm đã được áp dụng và FS-15, sản phẩm của Hangzhou Color Spectrum Technology Co., LTD., có thể được sử dụng cho nghiên cứu liên quan.Camera siêu phổ cận hồng ngoại sóng ngắn, tốc độ thu toàn phổ lên tới 200FPS, được sử dụng rộng rãi trong nhận dạng thành phần, nhận dạng chất, thị giác máy, chất lượng nông sản, phát hiện màn hình và các lĩnh vực khác.        Cà chua là loại quả mọng có hương vị độc đáo và giàu nhiều loại chất dinh dưỡng, bao gồm glutathione, vitamin, lycopene, beta-carotene và các thành phần hoạt tính sinh học khác, đồng thời có giá trị thực phẩm cao.Với sự phát triển nhanh chóng của nền kinh tế toàn cầu, nhu cầu về cà chua và các sản phẩm chế biến cà chua trên thị trường tiêu dùng ngày càng tăng.Cà chua cũng đã trở thành một trong những cây rau và trái cây được trồng và tiêu thụ rộng rãi nhất trên thế giới.Ngoài ra, với sự cải thiện chung về mức sống của người dân, chất lượng bên trong, chất lượng bên ngoài, chất lượng bảo quản và vận chuyển cũng như hương vị thơm ngon của cà chua ngày càng trở nên quan trọng đối với người tiêu dùng và ngành cà chua của Trung Quốc cũng đang đối mặt với những thách thức và cơ hội mới. .Theo khảo sát, độ chín và chất lượng bảo quản của cà chua rất quan trọng đối với ngành công nghiệp cà chua, và chất lượng bên trong của cà chua bi cũng như hương vị thơm ngon được người tiêu dùng quan tâm hơn.Dựa trên sự phát triển và ứng dụng dữ liệu lớn, việc trồng tự động, hái bằng máy móc và phân loại cà chua thông minh được thực hiện để tăng sản lượng và hiệu quả của cà chua.Hiện tại, đã có một số nghiên cứu về phát hiện chất lượng cà chua dựa trên phổ trong và ngoài nước, nhưng trong các mô hình phát hiện chất lượng cà chua hiện có, việc trích xuất thông tin phổ hiệu quả vẫn là một khó khăn nghiên cứu và việc phát hiện chất lượng bên trong của cà chua thông qua các phương pháp thích hợp. các phương pháp kiểm tra không phá hủy vẫn đang được nghiên cứu.     Trong nghiên cứu phát hiện không phá hủy hàm lượng chất rắn hòa tan của cà chua bi dựa trên công nghệ hình ảnh siêu phổ, 191 quả cà chua bi đã được chọn làm đối tượng nghiên cứu, dữ liệu hình ảnh siêu phổ trong khoảng 865,11 ~ 1711,71nm được thu thập và khu vực quan tâm của Hình ảnh siêu phổ của cà chua bi được phân đoạn bằng thuật toán K-means.Phổ trung bình của vùng này được trích xuất làm dữ liệu phổ gốc của cà chua bi.MA và MSC được sử dụng để tiền xử lý dữ liệu quang phổ ban đầu và các mẫu cà chua bi được chia thành các tập huấn luyện và tập kiểm tra dựa trên thuật toán KS.Để cải thiện hiệu quả của thông tin chứa trong dải đặc trưng, ​​thuật toán SPA và thuật toán PCA đã được kết hợp để thực hiện phân tích thành phần chính trên dữ liệu quang phổ, sau đó so sánh với thuật toán PCA và miRF, mô hình phát hiện SSC dựa trên PLSR của cherry. cà chua đã được thiết lập và mô hình đã được xác minh bằng dữ liệu của bộ thử nghiệm.Kết quả cho thấy độ chính xác phát hiện của mô hình dựa trên thành phần chính được trích xuất bởi SPA-PCA rõ ràng là được tối ưu hóa.Từ kết quả phát hiện của các mô hình, trong ba mô hình, mô hình SPA-PCA-PLSR có hiệu quả phát hiện tốt nhất, R, 0,9039.Hiệu quả phát hiện của mô hình miRF-PLSR là thứ hai, RF là 0,8878.Hiệu quả phù hợp của mô hình PCA-PLSR là tồi tệ nhất.

Trong nghiên cứu này, máy ảnh siêu phổ 400-1000nm đã được áp dụng và FS13, sản phẩm của Hangzhou Color Spectrum Technology Co., LTD., có thể được sử dụng cho nghiên cứu liên quan.Phạm vi quang phổ là 400-1000nm, độ phân giải bước sóng tốt hơn 2,5nm và có thể đạt tới 1200 kênh quang phổ.Tốc độ thu nhận có thể đạt tới 128FPS trong toàn phổ và mức tối đa sau khi chọn băng tần là 3300Hz (hỗ trợ lựa chọn băng tần nhiều vùng). Quả việt quất hay còn gọi là quả việt quất, quả màu xanh đậm, quả mọng hay còn gọi là quả việt quất, là một trong những loại quả mọng nhỏ mới nổi ở Trung Quốc.Do giá trị dinh dưỡng và sức khỏe độc ​​đáo của nó, nó có nhiều chất dinh dưỡng cần thiết cho cơ thể con người, đặc tính chế biến tuyệt vời, v.v., và đã được chú ý." Chất lượng bên trong của quả việt quất có ảnh hưởng lớn đến hương vị của quả việt quất, cũng là một trong những chỉ tiêu quan trọng để đánh giá chất lượng của quả việt quất.Phương pháp kiểm tra truyền thống thường sử dụng thiết bị đo lường để phát hiện hàm lượng đường và độ cứng của quả việt quất.Do chỉ số phát hiện duy nhất, mất nhiều thời gian và phá hoại nên các phương pháp phát hiện này gặp nhiều khó khăn được áp dụng để phát hiện hàm lượng đường và độ cứng của trái cây trong công nghiệp.Do đó, việc phát triển một phương pháp hiệu quả và không phá hủy để phát hiện hàm lượng đường và độ cứng của quả việt quất dựa trên chất lượng bên trong là rất quan trọng.   Xuyên suốt các nghiên cứu trong và ngoài nước về phát hiện hàm lượng đường và độ cứng của trái cây, có thể thấy rằng việc sử dụng phương pháp lựa chọn bước sóng đặc trưng có thể giảm kích thước của dữ liệu hình ảnh siêu âm một cách hiệu quả, giảm sự dư thừa của dữ liệu quang phổ, cải thiện hiệu suất hiệu chuẩn và hiệu quả phát hiện của mô hình và thu được kết quả dự đoán tốt.Nó cho thấy rằng các phương pháp lựa chọn bước sóng đặc trưng này có thể có lợi để thực hiện phát hiện trái cây trực tuyến.Tuy nhiên, các nghiên cứu này chủ yếu nhằm phát hiện các chỉ tiêu đơn lẻ, cần thiết lập nhiều mô hình để phát hiện nhiều chỉ tiêu của trái cây, điều này làm tăng độ phức tạp trong xử lý số liệu.Vì vậy, cần thiết lập một mô hình dò ​​tìm đa chỉ số để tiết kiệm thời gian và nâng cao hiệu quả dò tìm trực tuyến.Trong nghiên cứu này, công nghệ hình ảnh siêu phổ được sử dụng để đề xuất phương pháp lựa chọn bước sóng đặc trưng nhiều giai đoạn để phát hiện cả hàm lượng đường và độ cứng của quả việt quất trong hình ảnh siêu phổ.Các phương pháp lựa chọn bước sóng đặc trưng như thuật toán chiếu liên tục hoặc hồi quy tuyến tính từng bước được sử dụng liên tiếp để chọn các bước sóng đặc trưng có thể phản ánh cả hàm lượng đường và độ cứng của quả việt quất và mô hình mạng thần kinh BP được sử dụng làm mô hình phát hiện.Hàm lượng đường và độ cứng của quả việt quất đã được dự đoán để thực hiện thử nghiệm nhanh chóng và không phá hủy chất lượng bên trong của quả việt quất, đồng thời cung cấp cơ sở lý thuyết cho việc xây dựng thử nghiệm chất lượng trực tuyến của quả việt quất.

Trong nghiên cứu này, có thể sử dụng camera siêu phổ 400-1000nm và sản phẩm của Hangzhou Color Spectrum Technology Co., LTDTrong nghiên cứu này, có thể sử dụng camera siêu phổ 400-1000nm và sản phẩm của Hangzhou Color Spectrum Technology Co., LTDFS13 tiến hành nghiên cứu liên quan.Dải quang phổ là 400-1000nm và độ phân giải bước sóng tốt hơn 2,5nm, lên tới 1200Hai kênh quang phổ.Tốc độ thu nhận lên tới 128FPS ở toàn phổ, lên tới 3300Hz sau khi chọn băng tần (hỗ trợ đa vùngLựa chọn băng miền).FS13 tiến hành nghiên cứu liên quan.Dải quang phổ là 400-1000nm và độ phân giải bước sóng tốt hơn 2,5nm, lên tới 1200Hai kênh quang phổ.Tốc độ thu nhận lên tới 128FPS ở toàn phổ, lên tới 3300Hz sau khi chọn băng tần (hỗ trợ đa vùngLựa chọn băng miền). Con tằm (Bombyx mori Linnaeus) là loài côn trùng kinh tế ăn dâu tằm và kéo sợi tơ nên còn được gọi là con tằm.Tằm có nguồn gốc từ Trung Quốc cổ đại và dần dần được thuần hóa bởi những con tằm ban đầu sống trên cây dâu tằm.Ngay từ 5000 năm trước, người xưa đã làm chủ được kỹ thuật trồng dâu nuôi tằm.Vào thời cổ đại, nghề nuôi tằm đã có những đóng góp to lớn cho sự phát triển kinh tế và văn hóa.Hiện nay, ngành dâu tằm tơ thúc đẩy phát triển kinh tế nông thôn, nâng cao đời sống nông dân, là một trong những ngành phụ quan trọng trong sản xuất nông nghiệp.Ngoài ra, ngành dâu tằm tơ đang giữ vị trí hàng đầu trên thị trường quốc tế và đóng vai trò quan trọng trong thương mại thế giới, tạo ra nguồn dự trữ ngoại hối lớn cho nước ta.Vì vậy, việc phát triển bền vững ngành dâu tằm tơ có giá trị và ý nghĩa kinh tế vô cùng quan trọng. Công nghệ phát hiện hóa chất truyền thống cần xử lý trước các mẫu được thử nghiệm, quy trình vận hành phức tạp và tiêu tốn rất nhiều thuốc thử hóa học.Độ chính xác của công nghệ phát hiện nhanh bằng enzyme thấp nên chỉ có thể được sử dụng để sàng lọc sơ cấp.Công nghệ kiểm tra không phá hủy quang phổ không mang tính đại diện vì thông tin một chiều.Do đó, một thử nghiệm không phá hủy nhanh chóng, đáng tin cậy và toàn diện đối với lá dâu tằm được tìm kiếm.   Phương pháp dư lượng thuốc trừ sâu có ý nghĩa lớn trong việc phát hiện an toàn cây trồng.Công nghệ hình ảnh Hyperspectral là công nghệ kiểm tra không phá hủy mới kết hợp giữa công nghệ hình ảnh và công nghệ quang phổ, có ưu điểm là không cần phá hủy đối tượng đo, thu thập thông tin toàn diện và độ chính xác phát hiện cao.Trong bài báo này, công nghệ chụp ảnh siêu phổ kết hợp với phương pháp xử lý và phân tích quang phổ được sử dụng để nghiên cứu dư lượng thuốc bảo vệ thực vật trong lá dâu tằm, không chỉ nghiên cứu xem lá dâu tằm có tồn dư thuốc bảo vệ thực vật hay không và xác định dư lượng thuốc bảo vệ thực vật mà còn nghiên cứu định lượng. phát hiện dư lượng thuốc trừ sâu chlorpyrifos trong lá dâu tằm.Nội dung nghiên cứu của bài báo này cung cấp hỗ trợ kỹ thuật cho ngành dâu tằm tơ và đảm bảo mạnh mẽ thu nhập của nông dân trồng dâu nuôi tằm, thúc đẩy ngành dâu tằm tơ phát triển bền vững và có chiều sâu, có giá trị lý luận và ý nghĩa thực tiễn vô cùng quan trọng. Trong bài báo này, công nghệ chụp ảnh siêu phổ kết hợp với phương pháp xử lý và phân tích quang phổ được sử dụng để phát hiện định lượng hàm lượng chlorpyrifos trong lá dâu tằm.Lá dâu tằm với các dư lượng chlorpyrifos khác nhau được sử dụng làm đối tượng thử nghiệm để thu được hình ảnh siêu phổ của lá dâu tằm trong phạm vi 390-1050nm bằng thiết bị chụp ảnh siêu phổ.Phần mềm ENVI được sử dụng để xác định vùng quan tâm của phiến và tính toán dữ liệu phổ trung bình của vùng.Hệ số tương quan giữa dữ liệu phổ trung bình của mẫu lá dâu tằm với các giá trị hóa học tương ứng xác định bằng sắc ký khí được tính toán, 5 sóng được chọn theo giản đồ dạng sóng của hệ số tương quan và bước sóng.   Các bước sóng tương ứng với cực đại và cực tiểu được sử dụng làm bước sóng đặc trưng (561,25, 680,86, 706,58, 714,32, 724,66nm).Dựa trên dữ liệu quang phổ ở bước sóng đặc trưng, ​​một mô hình phát hiện định lượng dư lượng lá dâu tằm đã được thiết lập bằng cách sử dụng hồi quy tuyến tính bội và hồi quy véc tơ hỗ trợ.Hệ số xác định tập hiệu chỉnh R² của mô hình dự đoán MLR là 0,730, sai số bình phương trung bình gốc RMSEC là 38,599 và thu được hệ số xác định tập dự đoán R.Là 0,637 và lỗi bình phương trung bình gốc RMSEP là 47,146.Hệ số xác định tập hiệu chỉnh R3 là 0,920, lỗi bình phương trung bình gốc RMSEC là 21,073, hệ số xác định tập dự đoán R3 là 0,874 và lỗi bình phương trung bình gốc RMSEP là 27,719.Qua phân tích so sánh: Mô hình dự đoán SVR có hiệu suất tốt hơn so với mô hình dự đoán MLR nên có thể sử dụng công nghệ hình ảnh siêu phổ cận hồng ngoại kết hợp với mô hình dự đoán SVR để phát hiện không phá hủy dư lượng chlorpyrifos trong lá dâu tằm.

Trong nghiên cứu này, có thể sử dụng máy ảnh siêu phổ 400-1000nm và FS13, một sản phẩm củaCông ty TNHH Công nghệ Hàng Châu CHNSpec, LTD., có thể được sử dụng cho các nghiên cứu liên quan.Phạm vi quang phổ là 400-1000nm, độ phân giải bước sóng tốt hơn 2,5nm và có thể đạt tới 1200 kênh quang phổ.Tốc độ thu nhận có thể đạt tới 128FPS trong toàn phổ và mức tối đa sau khi chọn băng tần là 3300Hz (hỗ trợ lựa chọn băng tần nhiều vùng). Các chất dinh dưỡng chính của thức ăn tổng hợp bao gồm nước, tro, protein thô, canxi, tổng phốt pho, v.v.Việc phát hiện các chất dinh dưỡng chính của thức ăn chăn nuôi là một mắt xích kỹ thuật không thể thiếu trong quy trình sản xuất và là phương tiện quan trọng để đảm bảo chất lượng sản phẩm thức ăn chăn nuôi.Phương pháp phát hiện và phân tích thức ăn là cơ sở để kiểm soát chất lượng của nó.Hiện nay, phương pháp phân tích hóa học truyền thống thường được sử dụng để xác định các chất dinh dưỡng chính của thức ăn hỗn hợp.Phương pháp xác định truyền thống thường tốn nhiều thời gian và công sức, dẫn đến thời gian trễ, trong khi chi phí xác định cao, thậm chí một số cần phải tự hủy mẫu, điều này cũng có yêu cầu cao hơn đối với người vận hành và phòng thí nghiệm.Để khám phá một phương pháp phát hiện nhanh các chất dinh dưỡng chính của thức ăn hỗn hợp, thúc đẩy toàn diện và áp dụng nó vào thử nghiệm và phân tích thực tế của các doanh nghiệp thức ăn chăn nuôi, mang lại lợi ích kinh tế và xã hội cao để cải thiện tỷ lệ phát hiện và thúc đẩy sự phát triển của cấp độ thử nghiệm thức ăn hỗn hợp.Phát hiện hình ảnh siêu phổ là một bộ phát hiện phổ và thị giác máy tính công nghệ cao, việc sử dụng công nghệ hình ảnh siêu phổ để lấy thông tin mẫu chứa một số lượng lớn thông tin phổ của khối hình ảnh ba chiều, nó không chỉ có độ phân giải phổ cao mà thông tin phổ được trích xuất từ ​​​​hình ảnh có thể được sử dụng để phát hiện chất lượng bên trong của mẫu.Do đó, công nghệ phát hiện hình ảnh siêu phổ ngày càng được các học giả trong và ngoài nước ưa chuộng và đã được sử dụng rộng rãi trong việc phát hiện chất lượng nông sản, nhưng nghiên cứu ứng dụng trong thức ăn hỗn hợp hiếm khi được báo cáo.Trong nghiên cứu này, công nghệ hình ảnh siêu phổ được sử dụng để thu được thông tin phổ nhìn thấy/gần hồng ngoại của các mẫu thức ăn hỗn hợp thử nghiệm và mô hình phân tích định lượng các chất dinh dưỡng chính trong thức ăn hỗn hợp, chẳng hạn như độ ẩm, tro, protein thô, canxi và tổng phốt pho, được thiết lập bằng cách sử dụng phương pháp cân bằng hóa học và mô hình đã được xác minh, nhằm khám phá tính khả thi của việc sử dụng công nghệ hình ảnh siêu phổ để phát hiện các chất dinh dưỡng chính trong thức ăn hỗn hợp.Nó cũng cung cấp một ý tưởng mới và cơ sở để phát hiện nhanh thức ăn hỗn hợp. Trong nghiên cứu này, công nghệ hình ảnh siêu phổ được sử dụng để thiết lập các mô hình phân tích định lượng protein thô, tro thô, nước, hàm lượng phốt pho và canxi tổng số trong thức ăn hỗn hợp bằng phương pháp loại bỏ mẫu bất thường, chia bộ mẫu, tiền xử lý quang phổ tối ưu và lựa chọn dải đặc trưng, ​​kết hợp với phép cân bằng hóa học bình phương nhỏ nhất từng phần.Các mô hình đã được xác minh.Bộ mẫu protein thô chia theo phương pháp SPXY và bộ mẫu tro thô chia theo phương pháp CG, kết hợp với sự kết hợp của AS, FD và SNV, mô hình phân tích định lượng được thiết lập trong dải đặc trưng có hiệu quả tốt nhất.Hệ số xác định bộ hiệu chỉnh R& của mô hình protein thô tối ưu là 0,8373, lỗi bình phương trung bình gốc RMSEC là 2,1327%, lỗi phân tích tương đối RPDc là 2,4851, bộ xác thực RV là 0,7778, RMSEP là 2,6155% và RPDv là 2,1143.Đã thu được tro thô tối ưu R&, RMSEC 1,0107%, RPDc 2,2064, RV 0,7758, RMSEP 1,0611% và RPDv 2,1204.Các mô hình phân tích định lượng protein thô và tro thô đều cho thấy hiệu suất dự đoán tốt và có thể được sử dụng để phân tích định lượng thực tế.Bộ chia mẫu nước theo phương pháp CG kết hợp tiền xử lý AS, OSC và Detrend cho hiệu quả tốt nhất ở dải đặc trưng.Bộ hiệu chỉnh RE của nó là 0,6470, RMSEC là 1,8221%, RPD là 1,6849, bộ xác thực Ry là 0,6314, RMSEP là 1,6003%.RPDv là 1,9371, mặc dù mô hình có thể được sử dụng trong phân tích định lượng thực tế nhưng độ chính xác dự đoán của nó vẫn cần được tối ưu hóa hơn nữa.Kết quả mô hình phân tích định lượng thu được từ bộ mẫu phân lân tổng theo phương pháp CG kết hợp với các phương pháp tiền xử lý AS, FD và SNV là tối ưu.Tỷ lệ RS, RMSEC và RPD của mô hình tối ưu lần lượt là 0,6038, 0,1656% và 1,5700.Bộ xác thực R9, RMSEP và RPD/ lần lượt là 0,4672, 0,1916% và 1,3570.Các tham số hiệu suất của cả mô hình hiệu chỉnh và mô hình xác nhận đều kém, cho thấy mô hình có khả năng dự đoán kém và không thể được sử dụng trong phân tích định lượng thực tế.Sau khi tiền xử lý bộ mẫu canxi được chia theo phương pháp CG và kết hợp với phương pháp AS, OSC và Detrend, mô hình phân tích định lượng được thiết lập trong dải đặc trưng của nó có hiệu quả tốt nhất, RB của mô hình tối ưu là 0,4784 và bộ kiểm chứng R≈ chỉ còn 0,4406.Hiệu quả dự báo của mô hình kém, không áp dụng được trong phân tích thực tế.Độ chính xác dự đoán của mô hình phân tích định lượng tối ưu protein thô dựa trên công nghệ hình ảnh siêu phổ là tốt nhất và hiệu suất dự đoán của mô hình tro thô là thứ hai và cả hai đều có thể được sử dụng chính xác trong phát hiện thực tế.Độ chính xác dự đoán của mô hình phân tích định lượng tối ưu nước cần được cải thiện.Tuy nhiên, mô hình phân tích định lượng tối ưu của tổng phốt pho và canxi có hiệu suất dự đoán kém và không thể được sử dụng để phát hiện thực tế.

Trong nghiên cứu này, một máy ảnh siêu phổ 400-1000nm đã được áp dụng và FS13, một sản phẩm củaCông ty TNHH Công nghệ Hàng Châu CHNSpec, có thể được sử dụng cho nghiên cứu liên quan.Phạm vi quang phổ là 400-1000nm, độ phân giải bước sóng tốt hơn 2,5nm và có thể đạt tới 1200 kênh quang phổ.Tốc độ thu nhận có thể đạt tới 128FPS trong toàn phổ và mức tối đa sau khi chọn băng tần là 3300Hz (hỗ trợ lựa chọn băng tần nhiều vùng). Viên nang cứng rỗng gelatin dược liệu là một loại tá dược dược phẩm đặc biệt, trong đó hàm lượng crom là một chỉ số kiểm tra quan trọng theo tiêu chuẩn y tế quốc gia.Viên nang có hàm lượng crom quá mức thường được gọi là "viên nang độc hại" và rất độc đối với cơ thể con người.Hiện tại, hàm lượng crom được xác định bằng phương pháp phân tích hóa học truyền thống.Phương pháp phát hiện crom truyền thống tốn thời gian, thiết bị đắt tiền, sử dụng một lượng lớn axit nitric phân hủy dễ gây ô nhiễm thứ cấp và vận hành thiết bị cần nhân viên chuyên nghiệp hoàn thành.Do đó, việc phát triển một phương pháp thuận tiện và nhanh chóng để phát hiện nhanh hàm lượng crom trong viên nang thuốc có ý nghĩa ứng dụng quan trọng và triển vọng thị trường.   Dựa trên tính khả thi của việc phát hiện kim loại nặng bằng siêu phổ, bài báo này sử dụng phép đo phổ hấp thụ nguyên tử thông thường để so sánh các kết quả thu được của MEHGC và MEHGC bình thường với hàm lượng crom vượt mức, sau đó thu thập hai loại dữ liệu MehGC bằng phân tích siêu phổ và sử dụng phân tích thành phần chính (PCA) và phương pháp bình phương nhỏ nhất từng phần để phân tích dữ liệu siêu phổ, và cuối cùng thiết lập mô hình có liên quan.Để thực hiện việc phát hiện định tính "viên nang độc".   Vì dữ liệu siêu phổ bao gồm nhiều hình ảnh dải, nên mỗi hình ảnh có thể được coi là một đối tượng địa lý.Nếu dữ liệu siêu phổ bị giảm kích thước, dữ liệu gốc sẽ được thay đổi thành hệ tọa độ mới để tối đa hóa sự khác biệt giữa dữ liệu hình ảnh và kết quả sẽ rất khác so với hình ảnh gốc.Kỹ thuật này rất hiệu quả để tăng cường nội dung thông tin, tách nhiễu và giảm kích thước dữ liệu.4 thành phần chính đầu tiên thu được sau khi giảm kích thước PCA của hình ảnh siêu phổ được thể hiện trong Hình 1. Ưu điểm của ảnh siêu phổ là không chỉ có thông tin ảnh mà còn có cả thông tin quang phổ.Để có được thông tin phổ, vùng quan tâm được chọn cho từng mẫu và mỗi vùng quan tâm có đường cong phản ứng phổ của nó.Do sự khác biệt về màu sắc giữa nắp viên nang và thân viên nang, để loại bỏ ảnh hưởng của màu sắc đến kết quả, hai vùng quan tâm đã được chọn cho mỗi viên nang (một trên nắp viên nang và một trên thân viên nang).Các vùng quan tâm có thể được chọn ngẫu nhiên trên hình ảnh siêu phổ của viên nang và số lượng pixel trong mỗi vùng nằm trong khoảng từ 2 đến 6. Dữ liệu phổ cuối cùng cho vùng quan tâm được tính là giá trị trung bình của tất cả các pixel trong vùng.Các đường cong quang phổ của 4 vùng khác nhau (viên nang và mũ của viên nang bình thường và "viên nang độc hại" tương ứng) được thể hiện trong Hình 2. Trong dữ liệu siêu phổ 450 ~ 900nm, dữ liệu phổ của viên nang bình thường và "viên nang độc hại" thu được bằng cách chọn vùng quan tâm, vùng này được chuẩn hóa trước, sau đó PLS-DA tiến hành giảm kích thước dữ liệu và phân tích phân biệt.Khi bốn toán tử PLS được chọn làm tính năng đầu vào, tỷ lệ nhận dạng của viên nang bình thường và "viên nang độc hại" đạt 100%.Độ đặc hiệu và độ nhạy cũng là 100%;Có thể thấy rằng viên nang bình thường và "viên nang độc hại" có thể được phân biệt bằng phương pháp phân biệt PLS-DA.Sử dụng công nghệ hình ảnh siêu quang phổ để phát hiện "viên nang độc" có thể làm giảm đáng kể sự phức tạp của các phương pháp truyền thống.   Ngoài ra, để cải thiện độ tin cậy, các mẫu phải được kiểm tra trong phổ rộng hơn, chẳng hạn như huỳnh quang hoặc tia cực tím.Trong khi tiến hành định tính "viên nang độc", cũng cần tiến hành nghiên cứu định lượng về nó, có thể cân nhắc chế tạo các tiêu bản gelatin với hàm lượng crom khác nhau, tìm ra mô hình tương quan giữa hàm lượng crom trong tiêu bản và dữ liệu quang phổ, đồng thời sử dụng mô hình này để dự đoán hàm lượng crom kim loại nặng của "viên nang độc" chưa biết.Do tác động tiếp theo của sự cố "viên nang độc", các mẫu rất khó tìm, nhưng để nâng cao hiệu quả của xét nghiệm, cần phải sử dụng nhiều mẫu viên nang có hàm lượng crom.

Trong nghiên cứu này, có thể sử dụng máy ảnh siêu phổ 400-1000nm và FS13, một sản phẩm củaCông ty TNHH Công nghệ Hàng Châu CHNSpec, có thể được sử dụng cho các nghiên cứu liên quan.Dải quang phổ là 400-1000nm và độ phân giải bước sóng tốt hơn 2,5nm, lên tới 1200 Hai kênh quang phổ.Tốc độ thu nhận có thể đạt tới 128FPS trong toàn phổ và mức tối đa sau khi chọn băng tần là 3300Hz (hỗ trợ lựa chọn băng tần nhiều vùng). Cao lương là một trong những cây lương thực quan trọng ở Trung Quốc, bởi vì nó giàu chất dinh dưỡng trong ngũ cốc nên ngành công nghiệp sản xuất rượu vang có nhận định sâu sắc "rượu ngon không thể tách rời khỏi hạt đỏ", nhu cầu hàng năm lên tới 20 triệu tấn.Hiện tại, các loại lúa miến làm rượu chính là Luzhou Red, Qinghuyang, Runuo số 7 và các loại lúa miến nếp có hàm lượng tinh bột cao.Do có nhiều loại lúa miến và vùng sản xuất khác nhau nên hàm lượng tinh bột, đạm, chất béo và tanin trong hạt lúa miến rất khác nhau, dẫn đến hương vị, kiểu dáng, chất lượng và sản lượng rượu có sự khác biệt lớn.Có thể thấy rằng việc xác định chính xác và hiệu quả các giống cao lương trước khi lưu trữ hàng loạt nguyên liệu cao lương có ý nghĩa định hướng rất quan trọng để sản xuất rượu chất lượng cao, có thể kiểm soát quá trình sản xuất như thời gian hạt sủi bọt, tiêu thụ nước và hạt hấp trong quá trình sản xuất bia.Các phương pháp nhận dạng truyền thống chủ yếu bao gồm nhận dạng theo kinh nghiệm thủ công và phát hiện lấy mẫu sinh học.Cái trước chịu ảnh hưởng chủ quan, hiệu quả thấp và khó hình thành một tiêu chuẩn thống nhất, trong khi cái sau thì cồng kềnh, tốn thời gian và công sức.Cả hai đều không thể đáp ứng nhu cầu của các doanh nghiệp rượu hiện đại trong việc xác định lúa miến, vì vậy cần phải tìm ra một phương pháp phát hiện và phân loại lúa miến nhanh, chính xác và đơn giản.Mục tiêu của nghiên cứu này là phân loại 11 giống lúa miến bằng cách kết hợp thông tin quang phổ và thông tin hình ảnh, đồng thời xác định các giống lúa miến khác nhau bằng cách tối ưu hóa công nghệ siêu phổ và phương pháp học máy thông qua so sánh và xác minh bên ngoài, nhằm cải thiện độ chính xác và hiệu quả của chúng trong ứng dụng.   Các đường cong phổ ban đầu của 550 mẫu thuộc 11 loại lúa miến và các đường cong phổ sau khi tiền xử lý MSC được thể hiện trong Hình 1. Mỗi màu đại diện cho một loại khác nhau. Trong bài báo này, việc xác định 11 giống lúa miến đã được nghiên cứu dựa trên sự kết hợp giữa phổ siêu phổ và thông tin hình ảnh.Các hình ảnh siêu phổ của lúa miến đã được thu thập, 48 bước sóng đặc trưng được chọn từ quang phổ sau khi xử lý trước MSC bằng thuật toán SPA, sau đó các đặc điểm kết cấu của hình ảnh được trích xuất.Các mô hình phân loại SVM, PLS-DA và ELM được thiết lập dựa trên các đặc điểm kết cấu, phổ đầy đủ, phổ đặc trưng và thông tin hình ảnh kết hợp của chúng tương ứng.Cuối cùng, dữ liệu không liên quan đến mô hình hóa đã được sử dụng để xác minh bên ngoài.Kết quả cho thấy mô hình phân loại SVM dựa trên sự kết hợp giữa phổ đặc trưng và đặc trưng kết cấu có hiệu quả tốt nhất.Tỷ lệ nhận dạng chính xác của bộ kiểm tra là 95,3% và độ chính xác của bộ xác minh là 91,8%.Sự kết hợp giữa quang phổ nhìn thấy được và hình ảnh có thể nhận ra hiệu quả việc nhận dạng nhanh lúa miến rượu và cải thiện độ chính xác nhận dạng của mô hình.Điều này cung cấp một cơ sở lý thuyết để phát hiện các nguyên liệu sản xuất bia khác nhau và thực hiện tự động hóa sản xuất bia.

Trong nghiên cứu này, một máy ảnh siêu phổ 400-1000nm đã được sử dụng để phát hiện bên trong quả óc chó và FS-13, một sản phẩm của Hangzhou CHNSpec Technology Co., Ltd, có thể được sử dụng cho nghiên cứu liên quan.Để phát hiện bề mặt quả óc chó trong dải quang phổ 800-1700nm, có thể sử dụng máy ảnh siêu phổ FS-15 trong dải quang phổ 900-1700nm với độ phân giải bước sóng tốt hơn 2,5nm và lên đến 1200 kênh quang phổ.Tốc độ thu nhận có thể đạt tới 128FPS trong toàn phổ và mức tối đa sau khi chọn băng tần là 3300Hz (hỗ trợ lựa chọn băng tần nhiều vùng). Quả óc chó là một loại hạt thực phẩm phù hợp với mọi lứa tuổi và là cây lấy dầu quan trọng.Diện tích trồng và sản lượng quả óc chó ở Trung Quốc đứng đầu thế giới.Việc kiểm tra chất lượng và phân loại nhân quả óc chó là một mắt xích quan trọng trong quá trình sản xuất và chế biến quả óc chó.Theo các tiêu chuẩn quốc gia có liên quan, các chỉ số chất lượng bên ngoài của nhân quả óc chó bao gồm tính toàn vẹn và màu da, trong khi các chỉ số chất lượng bên trong bao gồm hàm lượng chất béo và hàm lượng protein.Trong thực tế sản xuất, việc phân loại nhân quả óc chó chủ yếu dựa vào việc lựa chọn thủ công về hình thức và màu sắc nên chi phí sản xuất cao, phân loại có tính ngẫu nhiên cao nên khó phân biệt chất lượng bên trong.Thử nghiệm hóa học truyền thống phá hủy các mẫu và mất nhiều thời gian để phát hiện, gây khó khăn cho việc thích ứng với các yêu cầu sản xuất hiện đại.Hiện tại, nghiên cứu sử dụng công nghệ siêu quang phổ để phát hiện chất lượng quả óc chó chủ yếu tập trung vào việc phân loại vỏ và nhân quả óc chó, chưa có báo cáo liên quan về chất lượng của nhân quả óc chó. Để khám phá một phương pháp đồng thời thực hiện việc phát hiện chất lượng bên trong và phân loại bề ngoài của nhân quả óc chó, nghiên cứu này đã sử dụng công nghệ hình ảnh siêu quang phổ để sàng lọc quang phổ đặc trưng của hàm lượng chất béo, hàm lượng protein và màu sắc của nhân quả óc chó, đồng thời sàng lọc ra các dải đặc trưng có liên quan của các chỉ số chất lượng để cung cấp tài liệu tham khảo cho việc áp dụng thử nghiệm không phá hủy chất lượng nhân quả óc chó. Thông tin phổ trung bình của các mẫu nhân quả óc chó trong vùng cận hồng ngoại (863-1704 mm) và thông tin phổ được xử lý trước được thể hiện trong Hình 3. Các đặc điểm chung của thông tin phổ ban đầu của các mẫu về cơ bản là nhất quán, ngoại trừ các đỉnh hấp thụ của nước, các đỉnh hấp thụ của các thành phần khác không rõ ràng và cần xử lý thêm phổ.Phương pháp tiền xử lý kết hợp MSE và SNV giúp loại bỏ ảnh hưởng của một số nhiễu nền, làm cho thông tin phổ của mẫu mượt mà hơn.Đồng thời, nó tăng cường hơn nữa tính nhất quán của thông tin quang phổ, làm nổi bật các đỉnh và thung lũng quang phổ, đồng thời củng cố các đặc điểm quang phổ. Phân loại cấp độ xuất hiện của nhân quả óc chó dựa trên thông tin quang phổ và các đặc điểm hình ảnh.Hình 6 cho thấy đường cong quang phổ trung bình của ba mẫu nhân quả óc chó màu trong vùng ánh sáng khả kiến ​​và vùng cận hồng ngoại sóng ngắn (382~1027nm).Do nhiễu ở phần trước và sau của quang phổ có tác động lớn nên 20 điểm dải sóng ở phần trước và sau sẽ bị loại bỏ.Từ Hình 6, có thể thấy trong phổ ban đầu, độ phản xạ phổ của các mẫu nhân quả óc chó với ba màu khác nhau cho thấy xu hướng giảm đáng kể trong dải ánh sáng khả kiến ​​khi màu thay đổi từ nhạt sang đậm và phổ tương đối rối loạn trong vùng cận hồng ngoại.Thông tin quang phổ được xử lý trước bằng sự kết hợp của các phương pháp MSC và SNV cho thấy tính đều đặn và nhất quán nhất định trong hệ số phản xạ quang phổ, giúp ích cho quá trình xử lý quang phổ tiếp theo. Sử dụng công nghệ hình ảnh siêu quang phổ, một phương pháp phát hiện chất lượng bên trong và bên ngoài của nhân quả óc chó đã được nghiên cứu.Bằng cách kết hợp thông tin quang phổ và hình ảnh, dự đoán hàm lượng protein và chất béo của nhân quả óc chó và phân loại chất lượng bề ngoài dựa trên tính toàn vẹn và màu sắc đã đạt được.Kết quả cho thấy sự kết hợp giữa thuật toán CARS và phương pháp hệ số tương quan giúp loại bỏ hiệu quả các thông tin không liên quan và dư thừa trong toàn dải phổ.So với dải quang phổ đầy đủ, bộ xác thực R của mô hình dự đoán dải đặc trưng cho hàm lượng protein ² Từ 0,66 xuống 0,91, RMSEP giảm từ 1,37% xuống 0,78%;Bộ xác thực R cho hàm lượng chất béo ² Từ 0,83 xuống 0,93, RMSEP giảm từ 0,98% xuống 0,47%, cho thấy rằng các dải đặc trưng được chọn đã giảm độ phức tạp của mô hình một cách hiệu quả và cải thiện khả năng dự đoán của mô hình.Bằng cách kết hợp phổ đặc trưng chênh lệch màu với các tham số đặc trưng thống kê hình ảnh, tổng phổ dải đặc trưng chênh lệch màu được trích xuất từ ​​​​hình ảnh siêu phổ, có thể giảm đáng kể nhiễu thông tin dư thừa và cải thiện hiệu quả mô hình hóa.Bằng cách kết hợp tổng phổ dải tính năng khác biệt màu với các tham số tính năng thống kê hình ảnh, độ chính xác phân loại được cải thiện hơn nữa so với dải RGB.Khi sử dụng mô hình phân loại màu được thiết lập bởi thuật toán DT, mô hình có độ chính xác phân loại cao nhất (98,6%).Việc sử dụng hình ảnh siêu phổ đồng thời đạt được việc phát hiện các thông số chất lượng bên trong (hàm lượng protein, hàm lượng chất béo) và phân loại chất lượng bên ngoài (độ nguyên vẹn, màu sắc) của nhân quả óc chó, cung cấp một giải pháp mới cho ứng dụng kiểm tra không phá hủy nhân quả óc chó chất lượng.    

Hãy quay trở lại khoa học tiểu học.Đây là quang phổ khả kiến ​​- ánh sáng mà chúng ta có thể nhìn thấy bằng mắt thường - nhưng là một phần nhỏ của quang phổ điện từ. Đây là quang phổ điện từ.Nó bắt đầu với tia gamma ở phía bên trái và di chuyển sang bên phải thông qua tia X, vi sóng và sóng vô tuyến.Phổ nhỏ có thể nhìn thấy giữa tia cực tím và hồng ngoại là phần duy nhất của quang phổ mà con người có thể nhìn thấy bằng mắt thường, trừ khi có sự tham gia của OBA. OBA hấp thụ một phần ánh sáng cực tím không nhìn thấy được và phát lại dưới dạng ánh sáng xanh.Ánh sáng xanh phản chiếu này làm cho vải sáng hơn và trắng hơn. Hình ảnh lịch sự của Wikipedia. Hình ảnh này hiển thị các bước sóng khả kiến ​​ở bên phải và vùng cực tím ở bên trái.Chất làm sáng quang học hoạt động bằng cách hấp thụ các tia UV này và tái hấp thụ chúng trong vùng quang phổ mà mắt người có thể nhìn thấy.

Độ bóng là đại lượng vật lý đánh giá khả năng phản xạ ánh sáng của bề mặt vật liệu.Là một đặc tính bề mặt của một vật thể, độ bóng phụ thuộc vào khả năng phản xạ của bề mặt đối với ánh sáng.Phản xạ đặc biệt là hiện tượng phản xạ mà Góc phản xạ bằng Góc tới.Độ bóng là một đại lượng vật lý đánh giá khả năng phản xạ ánh sáng của bề mặt vật liệu trong một tập hợp các điều kiện hình học xác định.Do đó, nó thể hiện tính chất của sự phản xạ với sự chọn lọc có hướng.Theo đặc tính của độ bóng, độ bóng có thể được chia thành nhiều loại.Chúng tôi thường nói độ bóng đề cập đến "độ bóng gương", vì vậy máy đo độ bóng, đôi khi còn được gọi là máy đo độ bóng gương. Độ bóng được đo dựa trên lượng ánh sáng phản xạ khỏi bề mặt so với tiêu chuẩn tham chiếu của kính đánh bóng.Lượng ánh sáng phản xạ khỏi bề mặt phụ thuộc vào Góc tới và bản chất của bề mặt.Đơn vị đo độ bóng là đơn vị độ bóng (GU).GU càng thấp, độ phản chiếu độ bóng càng ít.GU càng cao thì độ bóng phản xạ càng cao. Độ bóng được chia thành các loại hoàn thiện mờ, bán bóng và bóng cao.Góc đo được là Góc giữa ánh sáng tới và ánh sáng phản xạ.Ba góc đo (20º / 60º / 85º) được chỉ định để phủ hầu hết các ứng dụng sơn công nghiệp.Để xác định hoặc chọn Góc phù hợp với nhu cầu của bạn, hãy sử dụng máy đo độ bóng để đo Góc ở 60º và chọn Góc trong phạm vi độ bóng mong muốn.

Cần ba thứ để nhìn thấy màu sắc — mắt, ánh sáng và vật thể — và cả ba thứ đều có thể thay đổi.   Những thay đổi ở mắt người: Di ​​truyền, trí nhớ màu sắc, mỏi mắt, mù màu và thuốc men chỉ là một số biến số ảnh hưởng đến khả năng phân biệt sự khác biệt về màu sắc của chúng ta.Thêm vào đó, tất cả chúng ta đều đã thấy một chút khác biệt về màu sắc, dẫn đến sự phân chia giữa các nhà điều hành và sự thay đổi.   Thay đổi loại ánh sáng: Ánh sáng có ảnh hưởng lớn nhất đến màu sắc mà chúng ta nhìn thấy.Quang phổ khả kiến, còn được gọi là cầu vồng (RGBIV), chứa ánh sáng có bước sóng khoảng 400 đến 700 nanomet và được chia thành ba màu cơ bản: đỏ, lục và lam.Mỗi loại ánh sáng, chẳng hạn như đèn sợi đốt, đèn huỳnh quang và ánh sáng ban ngày, có sự kết hợp khác nhau của các bước sóng và do đó phát ra một loại ánh sáng khác nhau.   Sự phản chiếu của một vật thể: Bản thân vật thể đó không có màu sắc.Tính chất của chúng quyết định bước sóng ánh sáng nào bị hấp thụ và bước sóng nào bị phản xạ.Nó là một hỗn hợp của ánh sáng phản xạ đi vào mắt chúng ta, cho chúng ta nhận thức về màu sắc.Khi loại ánh sáng thay đổi, chẳng hạn như giữa đèn huỳnh quang trong nhà máy và ánh sáng ban ngày, lượng ánh sáng phản xạ bởi các đối tượng - và màu sắc kết quả - cũng thay đổi.