CHNSpec Technology （Zhejiang）Co.,Ltd 회사 소식

이 연구에서, 400-1000nm 하이퍼스펙트럴 카메라는 적용되었고 FS13, 한초우 컬러 스펙트럼 기술 Co., Ltd．의 제품이 관련 연구를 위해 사용될 수 있습니다. 스펙트럼 범위는 400-1000nm이고, 파장 분해능이 2.5nm 보다 더 낫고, 1200년까지 스펙트럼 채널이 도달될 수 있습니다. 획득 속도는 전체 스펙트럼에서 128FPS에 도달할 수 있고 밴드 선택 뒤에 있는 최대가 3300Hz (지지 다중 영역 밴드 선택) 입니다.   양상추는 단백질, 탄수화물, 비타민과 다른 영양소가 풍부하고 식재면적이 넓습니다. 질소는 양상추의 성장에 영향을 미치는 가장 중요한 요소 중 하나입니다. 양상추의 질소 컨텐트 검출을 위한 빠르고 효율적이고 비파괴 기법을 확립하는 것 양상추의 합리적 수정을 안내하도록 편리합니다. 요즈음, 양상추 잎에서 질소 함량을 발견하기 위한 초다분광 영상 기술의 사용에 대한 극소수의 보고가 있습니다. 이 연구에서, 초다분광 영상 기술은 양상추 잎에서 질소 함량의 비파괴적 탐지에 적용되었습니다. PLSB 모델링에 관한 다양한 괴기한 프리트리트먼트 방법의 효과를 연구함으로써, 적절한 괴기한 프리트리트먼트 방법은 양상추 잎으로 선택되었고 양상추 잎에서 질소 함량을 예상하는데 적합한 민감한 사고 방식이 최적화되었습니다. 양상추 잎에 질소 함량의 가장 단순하고 최적 예측 모델을 확립하는 시도가 있다. 방법의 이 일련은 보고되지 않았고 그것이 또한 강한 실질적인 값을 가지고 있는 가지고 다닐 수 있는 야채 영양 원소 검출기의 개발을 위한 원칙을 제공합니다.   60개 양상추 잎의 초다분광 영상은 초다분광 영상 기술에 의해 수집되었고 상응하는 양상추 잎의 질소 함량이 AutoAnalyzer3 연속적 흐름 분석기에 의해 결정되었습니다. 일반적인 날것 양상추 잎의 표면적으로 50×50 지역의 스펙트랄 데이터는 ENVI 소프트웨어에 의해 추출되었습니다. 추출된 평균 스펙트랄 데이터는 선행 처리되었습니다 (8 종류의 프리트리트먼트 방법). 마침내, 원래 스펙트랄 데이터와 8 종류의 전처리 스펙트랄 데이터는 양상추의 질소 함량의 예측모델들을 9명 확립하기 위해 PLSR의 입력으로서 사용되었습니다. 이러한 9 예측모델들에 의한 결과와 비교함으로써, 최적 예측모델 OSC+PLSR는 선택되었고 OSC+PLSR 모델의 회귀 계수 다이어그램이 분석되었습니다. 13 민감한 사고 방식은 선택되었고 그리고 나서 13 민감한 사고 방식이 PLSR 입력으로 받아들여졌습니다. 마침내, OSC+SW+PLSR 양상추 질소 함량의 예측모델은 확립되었습니다. OSC+PLSR 모델과 비교해서, 예측 효율은 매우 향상되었으며, 그것이 양상추 잎에서 질소 함량에 대한 예측을 위한 효율적이고 정확하고 비파괴 새로운 방안으로서 사용될 수 있고, 질소 영양 진단을 위한 참조와 양상추의 경제적이고 합리적 수정을 제공할 수 있습니다.

본 연구에서는 400-1000nm 초분광 카메라를 사용할 수 있으며 Hangzhou Color Spectrum Technology Co., LTD의 제품을 사용했습니다. FS13에서는 관련 연구를 진행하고 있습니다.스펙트럼 범위는 400-1000nm이고 파장 분해능은 2.5nm보다 좋으며 최대 1200입니다. 두 개의 스펙트럼 채널.전체 스펙트럼에서 최대 128FPS의 획득 속도, 대역 선택 후 최대 3300Hz(다중 영역 지원) 도메인 밴드 선택).   중국에서는 감자 주곡 전략이 추진되면서 감자 관련 산업체인이 급속히 발전했고, 감자 품질이 뜨거운 이슈로 떠올랐다.그러나 녹색 껍질 및 기계적 손상과 같은 결함은 감자의 전체 수량에 심각한 영향을 미치며, 특히 녹색 껍질 감자의 복잡한 모양은 결함을 식별하기가 쉽지 않고 감지의 어려움을 증가시킵니다.동시에, 녹색 감자의 솔라닌 함량이 식용 기준을 초과하면 식중독으로 이어져 식품 안전 문제를 일으킬 수 있습니다.따라서 감자 심층 가공 및 감자 산업 체인 확장을 위한 빠르고 비파괴적인 감지 방법을 연구하는 것은 큰 의미가 있습니다.   초분광 이미징 기술은 대역 범위가 넓다는 장점이 있으며, 검사 시료의 해당 대역 범위의 이미지와 스펙트럼 정보를 동시에 얻을 수 있어 농산물의 신속한 비파괴 검사에 널리 사용되었습니다.연한 녹색 껍질을 가진 감자가 임의의 위치에서 인식하기 쉽지 않은 문제를 해결하기 위해 반투과 및 반사 초분광 이미징 기술을 사용하여 비교 분석하고 다양한 초분광 이미징 방법에서 모델 인식 정확도를 결정했습니다. .감자 샘플의 반투과 초분광 이미지와 반사 초분광 이미지를 임의의 위치에서 수집하고, 각각 이미지 정보와 스펙트럼 정보를 기반으로 한 검출 모델을 구축하고, 서로 다른 모델의 인식률을 비교하였다.모델 성능을 향상시키기 위해 이미지와 스펙트럼 융합 모델 또는 다양한 이미징 융합 모델을 추가로 구축하고 최종적으로 최적의 모델을 결정합니다. (1) 다양한 초분광 이미징 방법을 사용한 영상정보 인식 모델의 정확도를 비교합니다.반전송 영상 정보를 기반으로 한 Deep Belief 네트워크 모델과 결합된 아이소메트릭 매핑의 인식률은 78.67%에 불과합니다.반영된 영상정보를 기반으로 한 Deep Belief Network 모델과 결합된 최대 분산 확장의 인식률은 77.33%에 불과합니다.그 결과, 단일 영상정보에 의한 연한 녹색 감자 검출의 정확도는 높지 않은 것으로 나타났다. (2) 다양한 초분광 이미징 방법을 사용한 스펙트럼 정보 인식 모델의 정확도를 비교합니다.반전송 스펙트럼 정보를 기반으로 한 Deep Belief 네트워크 모델과 결합된 국소 접선 공간 배열 인식률은 93.33%로 최고 수준입니다.반사 스펙트럼 정보를 기반으로 한 심층 신뢰 네트워크 모델과 결합된 국소 접선 공간 배열의 인식률은 최대 90.67%입니다.결과는 단일 스펙트럼 정보를 사용하여 연한 녹색 감자를 감지하는 것이 가능하지만 인식률을 더욱 향상시킬 필요가 있음을 보여줍니다. (3) 세 가지 다중 소스 정보 융합 방법이 인식 정확도에 미치는 영향을 비교합니다.반투과 이미지와 반투과 스펙트럼, 반사 이미지와 반사 스펙트럼, 반투과 스펙트럼과 반사 스펙트럼의 세 가지 융합 모델의 정확도는 단일 이미지 또는 스펙트럼 모델보다 높으며, 심층 신뢰 네트워크 융합 모델은 반투과 스펙트럼과 반사 스펙트럼이 가장 좋고, 보정 세트와 테스트 세트의 인식률은 100%이다.결과는 반투과 스펙트럼과 반사 스펙트럼의 융합 모델이 연한 녹색 껍질 감자의 비파괴 검사를 실현할 수 있음을 보여줍니다.

이 연구에서, 400-1000nm 밴드와 900-1700 nm의 초다분광 카메라는 적용되었고 한초우 컬러 스펙트럼 기술 Co., Ltd．의 FS13과 FS15 제품이 관련 연구를 위해 사용될 수 있습니다. 스펙트럼 범위는 400-1000nm이고, 파장 분해능이 2.5nm 보다 더 낫고, 1200년까지 스펙트럼 채널이 도달될 수 있습니다. 획득 속도는 전체 스펙트럼에서 128FPS에 도달할 수 있고 밴드 선택 뒤에 있는 최대가 3300Hz (지지 다중 영역 밴드 선택) 입니다. 고기는 주로 가축과 가금류를 포함하고 신체에 의해 필요한 수산물, 단백질, 지방산, 트레이스 소자와 다른 중요한 에너지 실체가 고기에서 나옵니다. 생활 수준의 지속적인 개선과 함께, 사람들은 다이어트에서 음식과 균형적 영양의 질에 많은 관심을 가지지만, 그러나 약간의 불법 사업이 특히 고기 불순품에 관한 2013 유럽의 말 고기 파도, 방아쇠식 사람들의 상당한 우려에서, 겉만 번지르르한 고급육으로의 약간의 저품질 고기를 섞을 것입니다. 고기 불순품 탐지 방법은 관능 평가, 휘황한 PCR 검출 기술, 전기 이동 분석과 표준 효소-결합 면역 분석 기술, 기타 등등을 포함하지만, 그러나 대부분의 그들이 샘플 프리트리트먼트를 요구하고 테스트 동작이 복잡하고 시간이 걸리고 현장에 대량 시료 크기의 빠르 실시간 탐지를 달성하기가 어렵습니다.   대부분의 기존 문학 보고서는 고기 불순품을 구별하기 위해 싱글-대역 초다분광 이미징 기술을 사용했지만, 그러나 소수가 비교 분석을 위해 2개 밴드를 이용했습니다. 이 실험에서, 고품질 녹는 양고기는 혼합물로 선택되었고 상대적으로 낮은 가격과 오리 고기가 도핑되었습니다. 샘플의 초다분광 정보는 눈에 보이는 근적외선 (400 ~ 1 000 nm)와 단파 근적외선 (900 ~ 1700 nm)의 2개 밴드에 모였고 정량적 모델이 적절한 프리트리트먼트 방법을 선택함으로써 확립되었습니다. 최적 모델은 영상 인버전으로 선택되었고 양고기 불순품의 빠른 정량적 검출을 위한 시각화 방법이 양고기 불순품의 정량적 검출에게 데이터와 기술 지원을 제공하기 위해 제안되었습니다. (1) 표준화 전처리가 최고 정밀도를 가지고 있는 후에 확립된 완전 대역 PLS 모델인 400 ~ 1000 nm의 밴드를 위해 ; 900-1700 nm 밴드를 위해, SNV 전처리 뒤에 확립된 완전 대역 PLS 모델은 최고 정밀도를 가지고 있습니다. 2개 스팩트럼 대역의 사고 방식을 선택함으로써 최적 프리트리트먼트 방법 하에, 선택된 파장 사이의 공선성이 제거하는 다중 공선성을 기초로 하여 최소이고 대표하며, 그것이 더욱 모델의 정확도와 간편성을 향상시킬 수 있다는 것이 발견됩니다.   (2) 900-1700 nm 밴드에 더 많은 고기 조성물과 관련된 그룹에 관한 정보가 있습니다, 더 잘 어느 것이 고기의 특성을 반영하고, 더 고기 불순품의 신분증에 적합할 수 있을 수 있습니까. 모델의 포괄성과 적용을 확대하기 위해, 실험은 적외선 스펙트럼 (1 700 ~ 2500 nm) 근처에 장파로 확장되어야 합니다. 동시에, 실험에서 선택된 고품질 양고기와 오리 고기는 지역 슈퍼마켓에서 완성품으로 패키지되었습니다. 후속 모델이 다른 환경 (온도, 습도, 형태, 기타 등등), 다른 품종, 다른 품질, 다양한 식이법과 다른 신선미 하에 양고기 불순품에 대한 연구에 적용될 수 있는지 더 나은 검증과 논의를 필요로 합니다.  

본 연구에서는 900~1700nm 초분광 카메라를 적용하였으며, 항저우 컬러스펙트럼테크놀로지(Hangzhou Color Spectrum Technology Co., LTD.)의 제품인 FS-15를 관련 연구에 활용할 수 있다.최대 200FPS의 전체 스펙트럼 획득 속도인 단파 근적외선 하이퍼스펙트럼 카메라는 성분 식별, 물질 식별, 머신 비전, 농산물 품질, 화면 감지 및 기타 분야에서 널리 사용됩니다.        토마토는 글루타티온, 비타민, 리코펜, 베타카로틴 및 기타 생리활성 성분을 포함한 다양한 영양소가 풍부하고 독특한 풍미를 지닌 장과류 작물로 식품 가치가 높습니다.세계 경제의 급속한 발전으로 소비자 시장에서 토마토 및 토마토 가공 제품에 대한 수요가 증가하고 있습니다.토마토는 또한 세계에서 가장 널리 재배되고 소비되는 채소 및 과일 작물 중 하나가 되었습니다.또한, 사람들의 생활 수준이 전반적으로 향상됨에 따라 토마토의 내부 품질, 외관 품질, 저장 및 운송 품질 및 우수한 풍미와 맛이 소비자에게 점점 더 중요해지고 있으며 중국 토마토 산업도 새로운 도전과 기회에 직면해 있습니다. .조사에 따르면 토마토의 성숙도와 저장 품질은 토마토 산업에 매우 중요하며, 방울토마토의 내부 품질은 물론 우수한 풍미와 맛이 소비자들에게 더 많은 관심을 받고 있습니다.빅 데이터의 개발 및 적용을 기반으로 토마토의 자동 심기, 기계화 따기 및 지능형 분류를 실현하여 토마토의 생산량 증가 및 효율성을 달성합니다.현재 국내외에서 스펙트럼 기반 토마토 품질 검출에 대한 연구가 일부 진행되고 있으나, 기존 토마토 품질 검출 모델에서는 효과적인 스펙트럼 정보 추출이 여전히 연구 난제이며, 적절한 방법을 통한 토마토 내부 품질 검출은 비파괴 검사 방법은 아직 연구 중입니다.     초분광 이미징 기술을 기반으로 한 방울토마토의 가용성 고형분 비파괴 검출 연구에서는 방울토마토 191개를 연구대상으로 선정하여 865.11~1711.71nm 범위의 초분광 영상 데이터를 수집하고, 체리 토마토 하이퍼스펙트럼 이미지는 K-평균 알고리즘으로 세그먼트화되었습니다.이 영역의 평균 스펙트럼은 방울토마토의 원래 스펙트럼 데이터로 추출되었습니다.MA와 MSC는 원본 스펙트럼 데이터를 전처리하는 데 사용되었으며 방울 토마토 샘플은 KS 알고리즘을 기반으로 훈련 세트와 테스트 세트로 나뉩니다.Feature Band에 포함된 정보의 유효성을 향상시키기 위해 SPA 알고리즘과 PCA 알고리즘을 결합하여 스펙트럼 데이터에 대한 주성분 분석을 수행한 후 체리의 PLSR 기반 SSC 검출 모델인 PCA 및 miRF 알고리즘과 비교하였다. 토마토가 확립되었고 테스트 세트 데이터로 모델이 검증되었습니다.결과는 SPA-PCA로 추출한 주성분 기반 모델의 탐지 정확도가 분명히 최적화되었음을 보여줍니다.모델의 검출 결과에서 세 가지 모델 중 SPA-PCA-PLSR 모델이 가장 좋은 검출 효과(R=0.9039)를 보였다.miRF-PLSR 모델의 검출 효과는 두 번째로 RF는 0.8878이었다.PCA-PLSR 모델의 피팅 효과는 최악이다.

본 연구에서는 400~1000nm 초분광 카메라를 적용하였으며, 항저우 컬러스펙트럼테크놀로지(Hangzhou Color Spectrum Technology Co., LTD.)의 제품인 FS13을 관련 연구에 활용할 수 있다.스펙트럼 범위는 400-1000nm이고 파장 해상도는 2.5nm보다 우수하며 최대 1200개의 스펙트럼 채널에 도달할 수 있습니다.수집 속도는 전체 스펙트럼에서 128FPS에 도달할 수 있으며 대역 선택 후 최대값은 3300Hz입니다(다중 지역 대역 선택 지원). 블루베리, 짙은 파란색 과일, 블루베리라고도 알려진 블루베리는 중국에서 떠오르는 작은 딸기 중 하나입니다.특유의 건강과 영양가로 인해 인체에 필요한 영양소가 많고 가공성이 우수해 주목을 받아왔다." 블루베리의 내부 품질은 블루베리 맛에 큰 영향을 미치며 또한 블루베리의 품질을 평가하는 중요한 지표 중 하나입니다.전통적인 테스트 방법은 일반적으로 측정 장치를 사용하여 블루베리의 당도와 경도를 감지합니다.단일 감지 지표로 인해 시간이 오래 걸리고 파괴적이므로 이러한 감지 방법은 어렵습니다. 따라서 과일의 당도와 경도를 산업적으로 감지하는 데 적용할 수 있기 때문에 내부 품질을 기반으로 블루베리의 당도와 경도를 비파괴적이고 효율적으로 감지하는 방법을 개발하는 것은 큰 의의가 있습니다.   과일 당 함량 및 경도 검출에 대한 국내외 연구를 통해 특징적인 파장 선택 방법을 사용하면 하이퍼 스펙트럼 이미지 데이터의 차원을 효과적으로 줄이고 스펙트럼 데이터의 중복을 줄이며 보정 성능 및 검출 효율을 향상시킬 수 있음을 알 수 있습니다. 모델의 좋은 예측 결과를 얻을 수 있습니다.이러한 특징적인 파장 선택 방법이 온라인 과일 감지를 실현하는 데 도움이 될 수 있음을 보여줍니다.그러나 이러한 연구는 주로 단일 지표의 탐지를 목표로 하며 과일의 여러 지표를 탐지하기 위해 여러 모델을 설정해야 하므로 데이터 처리의 복잡성이 증가합니다.따라서 시간을 절약하고 온라인 탐지의 효율성을 높이기 위해서는 다중지표 탐지를 위한 모델을 구축하는 것이 필요하다.본 연구에서는 초분광 영상에서 블루베리의 당도와 경도를 모두 검출하기 위한 다단계 특징 파장 선택 방법을 제안하기 위해 초분광 영상 기술을 사용하였다.블루베리의 당도와 경도를 모두 반영할 수 있는 특징 파장을 선택하기 위해 연속 투영 알고리즘이나 단계적 다중 선형 회귀와 같은 특징 파장 선택 방법을 순차적으로 사용하고 검출 모델로 BP 신경망 모델을 사용했습니다.블루베리 내부 품질에 대한 신속하고 비파괴적인 테스트를 구현하고 블루베리 온라인 품질 테스트 구축을 위한 이론적 근거를 제공하기 위해 블루베리의 당도 및 경도를 예측했습니다.

이 연구에서, 400-1000nm 하이퍼스펙트럴 카메라는 사용될 수 있고 한초우의 제품이 스펙트럼 기술 주식회사를 착색시킵니다이 연구에서, 400-1000nm 하이퍼스펙트럴 카메라는 사용될 수 있고 한초우의 제품이 스펙트럼 기술 주식회사를 착색시킵니다FS13은 관련 연구를 수행합니다. 스펙트럼 범위는 400-1000nm이고 파장 분해능이 1200년까지, 2.5nm 보다 더 낫습니다2 스펙트럼 채널. 전체 스펙트럼, 밴드 선택 (멀티존 지지 뒤에 있는 최고 3300Hz에서 128FPS에 달하는 획득 속도도메인 밴드 선택). FS13은 관련 연구를 수행합니다. 스펙트럼 범위는 400-1000nm이고 파장 분해능이 1200년까지, 2.5nm 보다 더 낫습니다2 스펙트럼 채널. 전체 스펙트럼, 밴드 선택 (멀티존 지지 뒤에 있는 최고 3300Hz에서 128FPS에 달하는 획득 속도도메인 밴드 선택). 누에 (누에나방 린네)은 오디와 회전 실크를 먹는 경제적 벌레이고 따라서 그것이 또한 누에로 불립니다. 누에는 고대 중국에서 시작되었고, 점진적으로 오디 나무에 살아 원누에 의해 길들여졌습니다. 5000년전으로서 이른 것으로, 노인들은 이식 오디와 오르는 누에의 기술을 습득했습니다. 고대에, 양잠은 경제와 문화의 발전에 대한 큰 기여를 했습니다. 요즈음, 오디 누에 산업은 농촌경제의 개발을 촉진하고, 농부들의 생활 수준을 향상시키고, 농산물에서 중요한 특별 활동 산업 중 하나입니다. 게다가 국제 시장에서의 주도적인 위치에서 있고, 우리 나라를 위해 수많은 외화 보유액을 만들면서, 누에 산업은 세계 무역에서 중요한 역할을 합니다. 그러므로, 오디 누에 산업의 환경 친화적 개발은 극단적으로 중요한 경제적 가치와 중요성을 가집니다. 전통적 화학적 검출 기술은 피검 시료를 미리처리할 필요가 있고, 동작 과정이 복잡하고, 많은 화학적인 반응물이 소비됩니다. 효소에 의한 고속 검출 기술의 정확도는 낮고 따라서 그것이 단지 1차 스크리닝을 위해 사용될 수 있습니다. 괴기한 비파괴적 검사 기술은 일방 정보 때문에 대표하지 않습니다. 그러므로, 상엽의 빠르고 믿을 만하고 포괄적 비파괴 시험은 모색됩니다.   살충제 잔여물의 기법은 위대한의 중요성이 안에 세이프티 탐지를 자른다는 것 입니다. 초다분광 이미징 기술은 피측정물, 포괄적인 정보 인수를 파괴하기 위한 어떤 필요를 이점이 있는 이미지 처리 기술과 스펙트럼 기술을 결합시키는 새로운 비파괴 시험 기술이고 높은 검출 정확도가 아닙니다. 본 논문에서, 스펙트럼 처리와 분석법에 결합된 기술이 익숙한 초다분광 이미징은 상엽에서 살충제 잔류물과 살충제 잔류물의 식별이 있을지 연구하고 상엽에서 클로르피리포스 살충제 잔류물의 정량적 검출을 연구하지 않기 위해 단지, 상엽에서 살충제 잔류물을 연구합니다. 본 논문의 연구 내용은 양잠 산업을 위한 기술 지원과 양잠 농부들의 소득을 위한 강력한 보증을 제공하고, 극단적으로 중요한 이론 값과 실용적인 중요성을 가지고 있는 양잠 산업의 지탱할 수 있고 철저한 개발을 촉진합니다. 본 논문에서, 양적으로 방법이 익숙한 스펙트럼 처리와 분석에 결합된 초다분광 이미징 기술은 상엽에서 클로르피리포스의 콘텐츠를 발견합니다. 다른 클로르피리포스 잔여물과 상엽은 초다분광 이미지 생성기에 의해 상엽의 초다분광 영상을 390-1050nm의 더 레인지에서 획득하기 위해 실험 대상으로서 사용되었습니다. 소프트웨어가 익숙한 ENVI는 블레이드의 관심 영역을 결정하고, 일반적인 지역의 스펙트랄 데이터를 산정합니다. 상엽 샘플의 평균 스펙트랄 데이터와 가스 크로마토그래프에 의해 결정된 상응하는 화학치 사이의 상관 관계 계수는 산정되었고 5 물결이 상관 관계 계수와 파장의 파형도에 따라 선택되었습니다.   최고치 경신에 해당한 사고 방식은 특징적인 파장 (561.25, 680.86, 706.58, 714.32, 724.66nm)로서 사용됩니다. 특징적인 파장에 있는 스펙트랄 데이터를 기반으로, 상엽 잔여물의 양적 검출모델은 다수의 선형 회귀와 서포트 벡터 후퇴를 이용하여 확립되었습니다. 보정 세트 결정곁수는 MLR 예측모델의 R2는 0.730 이고, 평균 근이 평균에러 RMSEC은 38.599 이고, 예측 세트 결정곁수 Ｒ가 획득됩니다. 0.637이고, 평균 제곱근 오차 RMSEP은 47.146입니다. 보정 세트 결정곁수는 R3은 0.920 이고, 오차 제곱평균제곱근이 RMSEC은 21.073 이고, 예측 세트 결정곁수가 R3은 0.874 이고, 오차 제곱평균제곱근이 RMSEP은 27.719 입니다. 통과하여 비교 분석 : SVR 예측모델이 MLR 예측모델 보다 더 좋은 성능을 가지고 있어서 SVR 예측모델에 결합된 비전 가까운 적외선 초다분광 이미징 기술은 상엽에 클로르피리포스 잔여물의 비파괴적 탐지에 익숙해져 있을 수 있습니다.

이 연구에서, 400-1000nm 하이퍼스펙트럴 카메라는 사용될 수 있고 FS13, 한초우 치스페크 기술 주식회사의 제품이 관련 연구를 위해 사용될 수 있습니다. 스펙트럼 범위는 400-1000nm이고, 파장 분해능이 2.5nm 보다 더 낫고, 1200년까지 스펙트럼 채널이 도달될 수 있습니다. 획득 속도는 전체 스펙트럼에서 128FPS에 도달할 수 있고 밴드 선택 뒤에 있는 최대가 3300Hz (지지 다중 영역 밴드 선택) 입니다. 복합 사료의 주요 영양분은 물, 재, 조단백질, 칼슘, 전 인과 기타를 포함합니다. 사료의 주요 영양분의 탐지는 생산 과정에서 없어서는 안 되는 기술적 링크고 공급 제품의 품질을 보증하기 위한 중요한 수단입니다. 공급의 탐지와 분석법은 그것의 품질 관리의 원칙입니다. 요즈음, 일반적으로 분석법이 익숙한 전통적 화학 제품은 복합 사료의 주요 영양분을 결정합니다. 시간 지연의 결과가 되면서, 확정의 전통적 방법이 종종 시간이 걸리고 노동 집약적인 반면에, 확정 비용은 높고 일부가 심지어 또한 운영자들과 실험실에 대한 더 높은 요건을 가지고 있는 샘플 자체를 파괴할 필요가 있습니다. 복합 사료의 주요 영양분의 고속 검출을 위한 방법을 탐구하기 위해, 검출 비율을 향상시키고 테스트중인 수준의 복합 사료의 개발을 촉진하기 위한 높은 사회적이고 경제적 혜택을 가지고 있는 피드 기업을 판단하는 실제 시험과 분석에 포괄적으로 그것을 장려하고 적용하세요. 초다분광 영상 탐지는 컴퓨터 비전의 첨단 세트고 분광 검출이고, 샘플 정보를 획득하기 위한 초다분광 영상 기술의 사용이 3차원적 이미지 블록의 수많은 분광 정보를 포함하고, 그것이 높은 스펙트럼 분해능만을 가지고 있지 않고, 이미지로부터 추출된 분광 정보가 표본의 내부 품질을 발견하는데 사용될 수 있습니다. 그러므로, 초다분광 영상 검출 기술은 국내외에서 점점 더 많은 부쳐 학자들을 있고, 넓게 농산품의 품질검출에서 사용되었지만, 그러나 복합 사료에서 응용 연구가 좀처럼 보고되지 않습니다. 이 연구에서, 초다분광 영상 기술은 상품에게 수분, 재, 조단백질, 칼슘과 전 인과 같은 복합 사료의 실험적인 샘플의 / 근적외선 분광 정보와 복합 사료에서 주요 영양소의 양적 분석 모델을 획득하는데 사용되었고 화학량론 방법을 이용하여 확립되었고 복합 사료에서 주요 영양소를 발견하기 위해 초다분광 이미징 기술을 사용하는 가능성을 탐구하는 것을 목표하면서, 모델이 검증되었습니다. 그것은 또한 복합 사료의 고속 검출에게 새로운 아이디어와 원칙을 제공합니다. 이 연구에서, 기술이 익숙한 초다분광 영상은 편최소 제곱 화학양론에 결합되는 조단백질, 거친 재, 물, 비정상 샘플 이동에 의한 전 인과 복합 사료에서 칼슘 콘탠츠, 샘플 세트 부문, 최적 괴기한 전처리와 특징적 밴드 선정의 양적 분석 모델들을 확립합니다. 모델들은 검증되었습니다. 특징적 밴드에서의 SPXY 방법에 의해 나눠진 조단백질 샘플 세트와 CG 방법에 의해 나눠지고 AS, FD의 조합에 결합된 거친 재 샘플 세트와 확립된 양적 분석 모델인 SNV는 최고 효과를 가집니다. 보정 세트는 최적 조단백질 모델의 결정곁수 R&는 0.8373 입니다, 오차 제곱평균제곱근이 RMSEC은 2.1327% 이고, 상대적 분석 오차 르프디시는 2.4851 이고, 유효성 확인 세트 RV는 0.7778 이고, RMSEP은 2.6155% 이고 르프드프는 2.1143 입니다. 최적 거친 재 R&, RMSEC 1.0107%, 르프디시 2.2064, RV 0.7758, RMSEP 1.0611%와 르프드프 2.1204는 획득되었습니다. 조단백질과 거친 재의 양적 분석 모델들은 둘다 좋은 예상 성능을 보여주고 실용적 정량 분석을 위해 사용될 수 있습니다. AS, OSC와 디트렌드의 전처리에 결합된 CG 방법에 의해 나눠진 물 샘플 세트는 특징적 밴드에서 최고 효과를 가집니다. 그것의 보정 세트는 RE는 0.6470 입니다, RMSEC이 1.8221%이고 RPD는 1.6849 입니다, 유효성 확인 세트가 리는 0.6314 이고 RMSEP은 1.6003% 입니다. 르프드프는 모델이 실용적 정량 분석에서 사용될 수 있을 지라도 1.9371입니다, 그것의 예측 정확도가 여전히 더욱 최적화될 필요가 있습니다. CG 방법에 의해 나눠진 전 인 샘플 세트로부터 획득된 양적 분석 모델에 의한 결과는 AS의 프리트리트먼트 방법과 결합했습니다, FD와 SNV가 최적이었습니다. RS의 비율이 각각 최적 모델의 RMSEC과 RPD는 0.6038, 0.1656%와 1.5700이었습니다. 유효성 확인 세트 R9가 각각 RMSEP과 RPD/는 0.4672, 0.1916%와 1.3570입니다. 모델이 가난한 예상된 능력을 가지는 것을 나타내고, 실제 정량 분석에서 사용될 수 없으면서, 둘다 보정 모델과 유효 모델의 성능 파라미터는 가난합니다. CG 방법에 의해 나눠지고 AS, OSC와 디트렌드 방법으로 결합된 칼슘 샘플 세트의 전처리 뒤에, 그것의 특징적 밴드에서 확립된 양적 분석 모델은 최고 효과를 가지고, 최적 모델의 RB는 0.4784 이고, 단지 검증 세트 Ｒ는 0.4406 입니다. 모델의 예측 효과는 가난하고 그것이 실용적 분석에 적용될 수 없습니다. 초다분광 영상 기술을 기반으로 하는 조단백질 최적 정량 분석 모델의 예측 정확도는 최고이고 거친 재 모델의 예측 성능이 초이고 양쪽이 실용적 탐지에서 정확하게 사용될 수 있습니다. 식수 최적 정량 분석 모델의 예측 정확도는 향상되어야 합니다. 그러나, 전 인과 칼슘의 최적 정량 분석 모델은 실용적 탐지를 위해 가난한 예상 성능을 가지고 있고, 사용될 수 없습니다.

이 연구에서, 400-1000nm 하이퍼스펙트럴 카메라는 적용되었고 FS13, 한초우 치스페크 기술 주식회사의 제품이 관련 연구를 위해 사용될 수 있습니다. 스펙트럼 범위는 400-1000nm이고, 파장 분해능이 2.5nm 보다 더 낫고, 1200년까지 스펙트럼 채널이 도달될 수 있습니다. 획득 속도는 전체 스펙트럼에서 128FPS에 도달할 수 있고 밴드 선택 뒤에 있는 최대가 3300Hz (지지 다중 영역 밴드 선택) 입니다. 약 젤리 무의미한 경질 캡슐은 일종의 특별한 약 첨가제이고, 여기서 크로미움 콘탠츠가 국가적 건강 표준의 규정된 중요한 시험 지수입니다. 지나친 크로미움 콘탠츠와 캡슐은 일반적으로 유독한 캡슐로 알려지고, 신체로 매우 유독합니다. 요즈음, 크로미움 콘탠츠는 전통적 화학분석 방법에 의해 결정됩니다. 전통적 크롬 탐지 방법은 시간이 걸리고, 장비가 비싸고, 다량의 질소를 함유하는 산 소화의 사용이 2차 오염을 유발하기 쉽고, 기기 작동이 완료하기 위한 전문직 인사를 필요로 합니다. 그러므로, 약 캡슐에서 크로미움 콘탠츠의 고속 검출을 위한 편리하고 빠른 방법의 개발은 중요한 애플리케이션 중요성과 시장 전망을 가집니다.   중금속류의 초다분광 검출의 실행가능성을 기반으로, 본 논문은 정상적 MEHGC와 MEHGC에 의한 수집 결과를 지나친 크로미움 콘탠츠와 비교하기 위해 전통적 원자 흡광 분광법을 사용하는 후, 초다분광 분석과 2 종류의 메하그크 자료를 수집하고, 주성분 분석법 (PCA)와 초다분광의 데이터를 분석하기 위한 PLS법을 이용하고, 마침내 관련 모델을 확립합니다. 독 캡슐의 정성 검정을 실현합니다.   초다분광의 데이터가 다수 밴드 이미지로 구성되기 때문에, 각각 사진은 기능으로 간주될 수 있습니다. 만약 초다분광의 데이터가 차원앨리 감소되면, 원 데이터가 화상 데이타 사이의 차이를 극대화하기 위해 새로운 좌표 시스템으로 변경되고 결과가 매우 원래 이미지와 다를 것입니다. 이 기술은 정보 내용, 고립화 소음과 삭감하는 데이터 차원을 강화해서 매우 효과적입니다. 초다분광 영상의 PCA 차원 감소가 인물 1에 나타나는 후 첫번째 4가지 주요 성분이 획득됩니다. 초다분광 영상의 이점은 화상 정보뿐 아니라, 분광 정보가 있다는 것입니다. 분광 정보를 획득하기 위해, 관심 영역은 각각 샘플로 선택되고 각각 관심 영역이 그것의 스펙트럼 응답 곡선을 가지고 있습니다. 캡슐 캡과 소형 본체 사이의 색깔 차이 때문에, 색채의 영향력을 결과에서 제거하기 위해, 2 관심 영역은 각각 캡슐 (캡슐 캡 위의 1과 소형 본체에서의 1)로 선택되었습니다. 관심 영역은 무작위로 캡슐의 초다분광 영상에 선택될 수 있고 각각 지역에서 화소의 수가 2에서 6의 범위였습니다. 관심 영역에 대한 마지막 스펙트랄 데이터는 지역에서 모든 화소의 평균으로 계산됩니다. 4개의 다른 지역 (캡슐의 스펙트럼 곡선과 정상적 캡슐과 유독한 캡슐의 캡은 각각) 수치들 2에 나타납니다. 450~900 nm의 초다분광의 데이터에서, 정상적 캡슐과 유독한 캡슐의 스펙트랄 데이터는 관심 영역을 선택함으로써 얻었으며, 그것이 먼저 정상화되었고 그리고 나서 자료 특징 축소와 판별 분석이 PLS-DA에 의해 수행되었습니다. 네 PLS 운영자들이 입력 특징으로 선택되었을 때, 정상적 캡슐과 유독한 캡슐의 인식 비율은 100%에 도달했습니다. 또한 전문성과 민감도는 100%입니다 ; 정상적 캡슐과 유독한 캡슐이 PLS-DA 판별법에 의해 구별될 수 있다는 것이 보일 수 있습니다. 독 캡슐을 발견하기 위해 초다분광 영상 기술을 사용하는 것 매우 전통적 방법의 복잡성을 감소시킬 수 있습니다.   신뢰성을 향상시키기 위해 게다가, 샘플은 형광 또는 자외선과 같은 더 넓은 스펙트럼 내에서 검사되어야 합니다. 성질상으로 독 캡슐을 수행하는 동안, 다양한 크로미움 콘탠츠와 젤리 템플릿을 만드는 것을 고려할 수 있고, 템플릿의 크로미움 콘탠츠와 스펙트랄 데이터 사이에 상관 관계 모델을 알아내고, 알려지지 않는 독 캡슐의 중금속 크로미움 콘탠츠를 예상하기 위해 이 모델을 이용한 그것에서의 양적 리서치를 수행하는 것은 또한 필요합니다. 독 캡슐 사건의 뒤이은 영향을 고려하여, 샘플은 발견하기가 어렵지만, 그러나 검사의 효율성을 향상시키기 위해, 크로미움 콘탠츠와 다양한 소형 샘플을 사용하는 것은 필요합니다.

이 연구에서, 400-1000nm 하이퍼스펙트럴 카메라는 사용될 수 있고 FS13, 한초우 치스페크 기술 주식회사의 제품이 관련 연구를 위해 사용될 수 있습니다. 스펙트럼 범위는 400-1000nm이고 파장 분해능이 1200년까지, 2.5nm 보다 더 낫습니다 2 스펙트럼 채널. 획득 속도는 전체 스펙트럼에서 128FPS에 도달할 수 있고 밴드 선택 뒤에 있는 최대가 3300Hz (지지 다중 영역 밴드 선택) 입니다. 사탕수수는 그것의 포도술 공업에서 곡물에 영양소가 "좋은 와인이 빨간 곡물에서 분리되 " 예민한 판단, 최고 2000만까지 Ｔ의 연간 소요를 가지고 있을 만큼 부유한 것 때문에, 중국에 중요한 식량작물 중 하나입니다. 요즈음, 와인 사탕수수의 주품종은 높은 전분 함량으로 뤼호우 빨갛, 치잉후양, 루누오 번호 7과 다른 차수수입니다. 많은 종류의 사탕수수와 다양한 채취 지구가 있기 때문에, 맛, 스타일, 질과 술의 생산량의 큰 차이로 이어지는 녹말, 단백질, 지방과 곡물에 타닌산의 내용은 매우 다릅니다. 사탕수수 원료의 뱃치 저장 전에 사탕수수 변종의 정확하고 효율적 식별이 고품질 술의 생산에 매우 중요한 이끄는 중요성을 가지며, 그것이 끓고 있는 프로세스 동안 거품이 이는 곡물의 시간, 물 사용량과 스트리밍 곡물과 같은 생산 과정을 제어할 수 있다는 것을 알 수 있습니다. 전통적 동정법은 주로 매뉴얼 경험적 식별과 생물학적 시료 채취 탐지를 포함합니다. 전자가 주관적 영향력, 낮은 효율에 따르고 통일 표준을 형성하기가 어렵는 반면에, 후자는 번거롭 시간이 걸리고 근면합니다. 그들 둘다는 사탕수수를 확인하기 위한 현대 술 기업의 필요를 충족시켜 줄 수는 없고 따라서 빠르고 정확하고 단순한 사탕수수 변종 분류와 탐지 방법을 발견하는 것은 긴급합니다. 이 연구의 목표는 분광 정보와 화상 정보를 결합시킴으로써 11 사탕수수 변종을 분류하고, 적용에서 그들의 정확도와 효율성을 향상시키기 위해, 비교와 외부 확인을 통하여 초다분광 기술과 기계 학습 방법을 최적화함으로써 다른 사탕수수 변종을 확인하는 것입니다.   사탕수수의 11이지 범주의 550개 샘플의 원래 스펙트럼 곡선과 MSC 전처리 뒤에 있는 스펙트럼 곡선은 형태 1에 나타납니다. 각각 색깔은 다른 카테고리를 대표합니다. 본 논문에서, 11그루 다양한 사탕수수의 신분증은 초다분광 스펙트럼과 화상 정보의 조합을 기반으로 연구되었습니다. 사탕수수의 초다분광 영상은 수집되었고, 48 특징 사고 방식이 스파 알고리즘에 의해 MSC 전-처리 뒤에 스펙트럼에서 선택되었고, 그리고 나서 이미지의 텍스추어 특징치가 추출되었습니다. SVM, PLS-DA와 ELM 분류 모델들은 각각 텍스추어 특징치, 전체 스펙트럼, 특징 영역과 그들의 합병된 화상 정보를 기반으로 확립되었습니다. 마침내, 모델링에 관련되지 않는 자료는 외부 확인을 위해 사용되었습니다. 특징 스펙트럼과 텍스추어 특징치의 조합을 기반으로 하는 SVM 분류 모델이 최고 효과를 가지는 것을 결과는 보여줍니다. 정상 인식은 시험 세트의 비율은 95.3% 이고 확인의 정확도가 세트는 91.8% 입니다. 가시 스펙트럼과 이미지의 조합은 효과적으로 포도주 사탕수수에 대한 빠른 인식을 실현하고 모델의 인식 정확도를 향상시킬 수 있습니다. 이것은 다른 양조 원료의 탐지와 끓고있는 자동화의 실현을 위한 이론적인 기초를 제공합니다.

이 연구에서, 하이퍼스펙트럴 카메라가 익숙한 400-1000nm은 호두나무의 내부를 발견하고 FS-13, 한초우 치스페크 기술 주식회사의 제품이 관련 연구를 위해 사용될 수 있습니다. 800-1700nm의 스펙트럼 범위에서 호두나무 표면을 발견하기 위해, 900-1700nm의 스펙트럼 범위에서 FS-15 초다분광 카메라는 2.5nm 보다 그리고 1200년 스펙트럼 채널까지 더 잘 파장 분해능과 함께 사용될 수 있습니다. 획득 속도는 전체 스펙트럼에서 128FPS에 도달할 수 있고 밴드 선택 뒤에 있는 최대가 3300Hz (지지 다중 영역 밴드 선택) 입니다. 호두유는 모든 시대와 중요한 목질 유료 작물에 적합한 견과류 식량입니다. 중국에서 호두나무의 식재면적과 생산량은 세계에서 제1위에 있습니다. 호두나무 핵심의 품질 테스팅과 등급은 호두나무 생산과 처리에 중요 링크입니다. 적절한 국가 표준에 따르면, 내부 품질 표시기가 살찐 콘텐츠와 단백질 함량을 포함하는 반면에, 호두나무 핵심의 출현 품질 표시기가 완전성과 피부색을 포함합니다. 생산 실적에서, 내부 품질을 구별하는 것을 어렵게 하면서, 호두 핵심 등급은 주로 등급에서 고비용과 높은 무작위성을 가지고 있는 출현과 컬러 중에서 수동 선택에 의존합니다. 샘플에 파괴적이고, 현대 생산 요구 조건에 적응하는 것을 어렵게 하면서, 전통적 화학적 테스팅은 탐색하기 위해 긴 시간이 걸립니다. 요즈음, 호두나무 품질검출을 위한 초다분광 기술의 사용에 대한 연구는 주로 월너트 쉘과 핵심의 분류에 초점을 맞추고 호두나무 핵심의 품질에 대한 어떤 적절한 보고도 있지 않았습니다. 동시에 호두나무 핵심의 내부 품질검출과 외모 분류를 실현하기 위해 방법을 탐구하기 위해, 이 연구는 호두나무 핵심의 살찐 콘텐츠, 단백질 함량과 색채의 특징적 스펙트럼을 지키기 위해 초다분광 이미징 기술을 사용했고, 호두나무 핵심 품질의 비파괴 시험의 적용에게 참조를 제공하기 위해 품질 표시기의 적절한 특징적 밴드를 선발되었습니다. 일반적인 근적외선 영역 (863-1704 밀리미터)과 프리 처리된 분광 정보에서 호두나무 핵심 샘플의 분광 정보는 수치 3에 나타납니다. 표본의 원래 분광 정보의 종합 특성은 물의 흡수 피크를 제외하고, 근본적으로 일관되고, 다른 성분의 흡수 피크가 명백하지 않고, 스펙트럼의 더욱 처리가 필요합니다. 샘플의 분광 정보를 원활하게 만들면서, MSE와 SNV를 결합시키는 전 처리 수단은 약간의 배경 소음의 영향을 제거합니다. 동시에, 그것은 더욱 분광 정보의 일관성을 강화하고, 스펙터럼 피크와 계곡을 강조하고, 스펙트럼 특징을 강화합니다. 분광 정보와 이미지 선들을 기반으로 하는 호두나무 핵심의 출현 등급 분류. 수치 6은 가시 광선과 단파 근적외선 영역 (382~1027nm)에서 일반적인 세 색 호두나무 핵심 표본의 스펙트럼 곡선을 보여줍니다. 스펙트럼의 앞과 백세그먼트에서 소음이 큰 영향을 가지기 때문에, 앞과 백세그먼트에서 20 주파대 지점은 제거됩니다. 수치들 6으로부터, 원래 스펙트럼에서, 3 다른 색과 호두나무 핵심 표본의 분광 반사율이 근적외선 범위에서 상대적으로 빛에서 깊이와 스펙트럼으로 변하는 것은 무질서하다는 것을 색깔로서의 가시광 범위의 중요한 하향세에게 보여준다는 것이 보일 수 있습니다. MSC와 SNV 방법의 조합에 의해 선행 처리된 분광 정보는 차후 스펙트럼 처리를 위해 도움이 된 분광 반사율에서 어떤 정규성과 일관성을 보여줍니다. 초다분광 이미징 첨단을 사용할 때, 호두나무 핵심의 내부의와 외부 품질을 발견하기 위한 방법은 연구되었습니다. 괴기하고 화상 정보를 결합시킴으로써, 완전성과 색을 기반으로 등급인 호두나무 핵심과 외양 품질의 단백질과 살찐 콘텐츠 예상은 달성되었습니다. 카스 알고리즘과 상관 계수법의 조합이 효과적으로 가득 찬 스팩트럼 대역에서 무관하고 예비 정보를 제거한다는 것을 결과는 보여줍니다. 가득 찬 스팩트럼 대역, 0.66에서부터 0.91까지 단백질 함량 2의 특징 밴드 예측모델의 유효성 확인 세트 Ｒ와 비교해서, RMSEP은 1.37%에서부터 0.78%까지 감소했습니다 ; 선택된 특징 밴드는 효과적으로 모델의 복잡성을 감소시켰고 그것의 예상된 능력을 향상시킨 것을 나타내면서, 0.83부터 0.93, RMSEP까지 살찐 콘텐츠 2를 위한 유효성 확인 세트 Ｒ는 0.98%에서부터 0.47%까지 감소했습니다. 색차 특징 스펙트럼을 이미지 통계 특징 매개 변수와 결합함으로써, 총컬러 차이 특징 밴드스펙트럼은 초다분광 영상으로부터 추출되었으며, 그것이 의미 심장하게 용장 정보의 간섭을 감소시키고 모델링 효율성을 향상시킬 수 있습니다. 총컬러 차이 특징 대역 스펙트럼을 이미지 통계 특징 매개 변수와 결합함으로써, 분류 정확도는 더욱 RGB 밴드와 비교하여 향상됩니다. 색상 구분 모델을 이용하는 것 DT 알고리즘에 의해 확립될 때, 모델은 가장 높은 분류 정확도 (98.6%)를 가지고 있습니다. 동시에 호두나무 핵심 질의 비파괴 시험의 앱에게 새로운 해결책을 제공하면서, 초다분광 영상의 사용은 (단백질 함량, 살찐 콘텐츠) 내부 품질 매개 변수의 탐지와 호두나무 핵심의 외양 품질 (완전성, 색)의 분류를 달성했습니다.    

초등학교 과학에 연결하도록 합시다. 이것은 가시 스펙트럼 - 우리가 육안으로 볼 수 있는 빛 그러나 전자기 스펙트럼의 적은 부분입니다. 이것은 전자기 스펙트럼입니다. 그것은 극 좌측에 γ선으로 시작하고, 엑스레이, 전자레인지와 무선 전파를 통해 권리로 여행합니다. 오바가 포함되지 않는 한, 자외선과 적외선 사이의 작은 가시 스펙트럼은 인간들이 육안과 의견이 일치할 수 있는 유일한 범위의 부분입니다. 오바는 보이지 않는 적외선 빛의 부분을 흡수하고, 푸른 빛으로서 그것을 다시 방출합니다. 이것은 푸른 빛이 구성이 브라이터와 더 하얗게 보이게 하는 것을 반영했습니다. 위키피디아의 사진 제공. 이 사진은 왼쪽에 자외부와 오른쪽에 가시파장을 보여줍니다. 광학 밝기 조절제는 사람의 눈에 대하여 명백한 영역의 지역에서 이러한 자외선을 흡수하고 그들을 재흡수함으로써 일합니다.

광택은 빛을 반사하는 재료 표면의 능력을 평가하는 물리량입니다.물체의 표면 특성으로 광택은 빛에 대한 표면의 정반사 능력에 따라 달라집니다.정반사란 반사각이 입사각과 같아지는 반사 현상을 말합니다.광택은 기하학적으로 지정된 조건 집합에서 빛을 반사하는 재료 표면의 능력을 평가하는 물리량입니다.따라서 방향 선택으로 반사 속성을 표현합니다.광택의 특성에 따라 광택은 여러 범주로 나눌 수 있습니다.우리는 일반적으로 광택이 "거울 광택"을 의미한다고 말하므로 광택 측정기, 때로는 거울 광택 측정기라고도 합니다. 광택은 광택 유리 기준 표준에 비해 표면에서 반사된 빛의 양을 기준으로 측정됩니다.표면에서 반사되는 빛의 양은 입사각과 표면의 특성에 따라 다릅니다.광택의 단위는 광택단위(GU)입니다.GU가 낮을수록 광택 반사가 적습니다.GU가 높을수록 반사광이 높아집니다. 광택은 무광, 반광 및 고광택 마감으로 구분됩니다.측정된 각도는 입사광과 반사광 사이의 각도입니다.세 가지 측정 각도(20º/60º/85º)는 대부분의 산업용 코팅 응용 분야에 적용됩니다.필요에 맞는 올바른 각도를 결정하거나 선택하려면 광택계를 사용하여 각도를 60º에서 측정하고 원하는 광택 범위 내에서 각도를 선택하십시오.