使用 Specim FX17 高光谱相机测量棉花水分

水分的量化对于许多工业和研究应用至关重要。基于光谱学的定量模型对于监测水分含量而言是高效、无损且准确的。高光谱相机还可以揭示水分的空间分布，而点光谱仪只能提供一般分布。在这项研究中，我们监测了棉片的水分含量及其干燥情况。

NIR = 近红外（900 – 1700 nm）

PLS = 偏最小二乘法

PLS DA = 偏最小二乘判别分析

监测生产中的水分至关重要，例如在食品、造纸和木材行业中。近红外 (NIR) 光谱广泛用于监测各种应用中的水分含量。

光谱学家很重视近红外光谱范围内的水吸收峰。如下图所示，水会强烈吸收 970、1150 和 1450 纳米的光。Specim FX17 相机的光谱范围覆盖 900 – 1700 nm，非常适合检测吸水峰。除了提供水分定量的相关数据外，与高光谱图像一起嵌入的空间维度还揭示了水分分布。

在此研究中，我们监测并量化了棉片的干燥时间。我们将约 5 厘米的圆形棉垫（通常用于卸妆）浸入水中，然后将其涂抹在 Specim 实验室扫描仪 40×20 上。使用 Specim FX17 高光谱相机监测其干燥情况，每 4 分钟测量一次，直至其完全干燥。在 264 分钟内总共需要进行六十七 (67) 次测量。使用 SpecimINSIGHT 软件分析了数据。

每个图像首先根据黑色和白色参考进行标准化。然后，通过将实验期间获取的所有 67 张图像合并到一个文件中来创建马赛克。这幅马赛克描绘了不同干燥阶段的棉垫，从右上角开始，当它非常潮湿时，从右下角开始干燥。马赛克从左到右、从上到下逐排填满。

如图 1A 所示，干燥过程后可以看到假 RGB 马赛克图像的清晰渐变。光谱显示出相同的趋势：与湿样品相关的光谱在 970、1150 和 1420 nm 处显示出最深的光谱吸收，而这些峰值随着干燥时间而消失。3.5 小时后（过去十次测量），干燥速度也明显加快。

A) 假 RGB 图像（红色：1133 nm；绿色：1280 nm；蓝色：1488 nm）

B) 带有空间选择的假 RGB 图像 [与 (A) 相同]

C) 与每个图像相关的光谱，对每个选择进行平均 (B)

建立 PLS 回归来量化棉垫的干燥程度。回归变量称为“干燥”，范围从 0 到 264（对应于以分钟为单位的干燥时间）。请注意，使用 SpecimINSIGHT，可以仅在样本上构建回归，而不考虑背景如何。为了训练模型，隔一张图像采集一次。模型的准确性在所有其他图像上估计。

回归的预测性能如图 2 所示。对于每个棉垫，我们制作了代表干燥的热图，突出了高光谱成像与描述变量分布的相关性。构建的模型具有非常高的精度，R2 为 0.98。从实际值与预测值来看，高湿度棉花上的干燥更难以量化。图 1C 的光谱与此相关，表明在干燥开始时，与水相关的吸收峰的深度仅观察到轻微的变化。

我们构建了第二个模型，与之前介绍的模型类似，但这次是基于每秒采集 61 张图像。R2 为 0.97。在第二个模型中，更多地关注湿样品，实际值与预测值表明第二个模型在干燥过程开始时更准确。这表示，根据样本及其湿度水平，训练样本的选择对于构建准确的模型至关重要。

A) PLS 回归热图（最小值 = 0；最大值 = 264）

B) 第一个回归模型的回归图（每 4 分钟采集一次数据）

C) 第二个回归模型的回归图（每 2 分钟采集一次数据）

Specim FX17 适用于准确量化样品的水分含量，此处为棉垫。此外，SpecimINSIHGT 是执行此类分析并建立适当回归模型的相关软件。这些模型可以加载到 SpecimCUBE 中进行实时量化。

最后，本研究表明训练样本的选择显著影响模型的预测性能。

免责声明

Specim、Spectral Imaging Ltd. 编写了本技术说明，仅用于一般指导。我们保留修改内容的所有权利。