Antpedia LOGO WIKI资讯

LWIR高光谱成像技术应用于甲烷等痕量气体检测

目前,环保部门对在大区域范围内研究甲烷痕量气体的非正常排放的归属和量化方面存在很大的不确定性。尤其在化工园区、工业聚集区等存在潜在气体污染风险的地区,快速、灵敏地定位污染气体泄漏源头,量化气体排量,监测气体扩散分布,对有效预防灾害发生,降低风险,保障人民生命财产安全具有重要意义。AisaOWL长波红外高光谱成像技术,采用了温度稳定的LWIR成像光谱仪和超高灵敏度的冷却MCT探测器技术,并内置双黑体校准器,可为数据采集工作提供了高稳定性能。该仪器结构紧凑,可以安装在小型飞机上或者地面平台上,对低微浓度、并具有一定温度差异的痕量气体进行精准检测识别。为客户提供了一种满足从7.7到12.3μm热红外光谱范围的完整可用的低成本、高效益的遥感监测应用方案。图1:AisaOWL长波红外高光谱成像仪(左);不同羽流的检测(右)(摘自:Evaluation of thermal infrared hyperspectral imagery fo......阅读全文

LWIR高光谱成像技术应用于甲烷等痕量气体检测

目前,环保部门对在大区域范围内研究甲烷痕量气体的非正常排放的归属和量化方面存在很大的不确定性。尤其在化工园区、工业聚集区等存在潜在气体污染风险的地区,快速、灵敏地定位污染气体泄漏源头,量化气体排量,监测气体扩散分布,对有效预防灾害发生,降低风险,保障人民生命财产安全具有重要意义。AisaOWL长波红

高光谱成像技术应用于病原体检测

高光谱成像技术以其快速、无损、非接触、高通量和强大的光谱识别能力,日益引起生物医学研究和医疗检测的关注。意大利Brescia大学的科研人员Giovanni等对五种培养于显色琼脂上的UTI(尿路感染病原体)细菌进行了研究,他们使用Specim V10e采集了样本高光谱数据,并基于机器学习方法进行了

易科泰生态健康 高光谱成像技术应用于病原体检测

   高光谱成像技术以其快速、无损、非接触、高通量和强大的光谱识别能力,日益引起生物医学研究和医疗检测的关注。意大利Brescia大学的科研人员Giovanni等对五种培养于显色琼脂上的UTI(尿路感染病原体)细菌进行了研究,他们使用Specim V10e采集了样本高光谱数据,并基于机器学习方法进行

光谱成像技术应用于植物病害早期检测

植物在病原物的侵害影响下生理机能失调、组织结构受到破坏,是寄主植物和病原物相互作用的结果。植物受到病害的侵染过程分为侵入期、潜育期、发病期。其中潜育期短的几天,长的可达一年。肉眼观察到叶片病斑时已经是发病期。如何在潜育期尽早识别,解决在变量施药过程中定位喷雾和喷洒剂量的问题是精准施药的核心难题。通过

高光谱成像技术应用于预测小麦氮和水的分布与含量

在日益发展的当代精准农业研究中,通过地面传感器网络监测作物的表型性状,进一步分析作物生理生化特征、养分变化和评估生物量,有助于灌溉和施肥管理,提高作物养分利用效率。高光谱成像作为一种新兴的高通量、大尺度作物表型研究技术,它提供了一种快速、准确和无损的方法来评估作物生理和生化状况,可以应用于作物生命的

高光谱成像与XRF元素分析技术应用于湖底沉积样芯分析

2020年伊始,全世界各种灾害接连出现:中国新冠病毒爆发,东非蝗灾,澳大利亚山火肆虐,英国和西班牙遇到飓风,加拿大出现暴雪,菲律宾火山爆发,尼日利亚出现全新烈性传染病,巴西发现无法识别的新型病毒,南极洲的气温爬升到了零上20度......令人联想到一个古老而常新的名词现象——厄尔尼诺。 &

光谱成像技术应用于中药材品种品质检测鉴定

中药材真伪优劣问题是关系到中医药发展和国民健康的重要议题,也是生物安全的重要内容之一。传统上多采用经验鉴别的方法,包括看、尝、嗅、摸等,耗时且具有很大的不确定性。现代仪器分析技术多采用损伤性(取样处理)成分分析方法,繁琐、复杂。如何快速、无损、高通量检测鉴定中药材(包括饮片),具有特别重要的意义。&

高光谱成像与XRF元素分析技术应用于湖底沉积样芯分析

法国格勒诺布尔阿尔卑斯大学的Kévin Jacq等利用SPECIM高光谱成像技术与CoreScanner样芯元素扫描分析技术对法国布尔吉湖底沉积物样芯进行了分析研究,结果发表于2019年《Science of the Total Environment》(High-resolution pr

高光谱成像技术用于海关检验检疫

在当前全世界新冠疫情持续蔓延的背景下,进口海鲜产品样本频繁检出新冠病毒的新闻引起了全社会对海关检验检疫的关注。检验检疫实际上是为了保证进出口商品、动植物及其运输设备的安全和卫生符合国家有关法律法规规定;防止次劣产品、有害商品、动植物以及危害人类和环境的病虫害和传染源的输入和输出,保障生产建设安全和人

应用高光谱成像技术监测物种入侵

Steven Jay1 – Research AssistantDr. Rick Lawrence1 – Associate ProfessorDr. Kevin Repasky2 – Associate ProfessorCharlie Keith2 – R