Sony предложение по оптимальным многоспектральным камерам с использованием многополосных фильтров
Мультиспектральной камеры SWIR камеры сенсоры изображения Spny:
В пищевой промышленности различные проверки необходимы для обеспечения безопасности пищевых продуктов.
Примерами являются проверки для обнаружения загрязняющих веществ (насекомых, семян растений, щепы, гравия, ракушек, керамических изделий и т. д.), которые могут присутствовать в процессе производства, а также идентификация компонентов пищи (воды, жира, сахара, белка и т. д.) и измерение их содержания. Обычно они принимают форму визуальных проверок людьми, часто поддерживаемых машинами, но предпринимаются попытки использовать камеры для автоматизации этого процесса с целью достижения более быстрой и точной проверки.
Доступные в настоящее время варианты
Когда продукты питания и загрязняющие вещества очень похожи по цвету и форме или при обнаружении в продуктах питания компонентов, наличие которых невозможно подтвердить визуально, становится затруднительным идентифицировать и обнаружить объекты с помощью цветной камеры.
В этом случае используется альтернативная система для захвата информации о длинах волн, отличных от диапазонов RGB, для идентификации/обнаружения объектов (загрязнителей и компонентов пищи). В настоящее время распространены следующие методы.
1) Использование мультиспектральной камеры:
Мультиспектральная камера — это устройство, предназначенное для захвата информации с сотен длин волн за один снимок с помощью одной камеры. Однако наличие множества изображений с разных длин волн затрудняет выбор изображения, которое лучше всего подходит для обнаружения определенных загрязняющих веществ или компонентов пищи. Они также, как правило, имеют большой размер и стоят дороже стандартных камер.
2) Использование нескольких стандартных камер с полосовыми фильтрами:
Это менее затратно, чем предыдущий вариант. Он требует предварительной идентификации соответствующих длин волн для идентификации загрязняющих веществ или обнаружения компонентов пищи, а камеры должны быть оснащены полосовыми фильтрами, которые пропускают выбранные диапазоны длин волн. Он требует столько же наборов полосовых фильтров и камер, сколько длин волн должно быть обнаружено. Хотя это менее затратно, чем установка многоспектральной камеры, каждой системе требуется достаточно места для нескольких камер. Поскольку для этого требуются вспомогательные элементы, такие как линзы и дополнительные полосовые фильтры, общая стоимость системы может быть значительной, если она должна обрабатывать много длин волн. Кроме того, создание изображения путем объединения изображений с разными длинами волн затруднено, поскольку для этого требуется захват целевого объекта под одним и тем же углом зрения и синхронизация изображений.
Учитывая все это, существует ряд вопросов, которые необходимо решить для внедрения усовершенствованной системы контроля, включая стоимость системы, ее размер и сложность.
Решение
Корпорация Sony Semiconductor Solutions Corporation (SSS) предложила концепцию оптимальной многоспектральной камеры, специализированной на обнаружении загрязняющих веществ и идентификации компонентов путем объединения имеющегося в продаже многополосного фильтра и датчика SWIR (IMX990 * ) в качестве решения проблем в пищевой промышленности.
*IMX990 — это высокопроизводительный датчик изображения SWIR, работающий на основе технологии SenSWIR™. Он разработан таким образом, что один блок может захватывать широкий спектр от 0,4 мкм до 1,7 мкм, включая видимый свет.（→ Датчик изображения SWIR）
Концепция оптимальных многоспектральных камер
Различные спектроскопические методы применяются в различных многоспектральных камерах, доступных сегодня на рынке. Один из них — это метод, который использует призму, дифракционную решетку или другой спектрометр для разделения света, проходящего через щель; затем информация о длине волны сканируется по линии и выводится датчиком изображения. (См. рисунок ниже: Обычные многоспектральные камеры.)
Этот метод выгоден тем, что разрешение изображения не ухудшается, но его недостатки включают в себя то, что камеры больше и дороже. Кроме того, из-за линейного сканирования использование системы ограничено контекстами, в которых либо цель, либо камера движутся с постоянной скоростью. Система широко применяется производителями, поскольку их сцены применения часто включают целевые продукты, постоянно движущиеся по конвейерам.
На этом фоне у SSS возникла идея, что, применив спектрометр, отличный от дифракционной решетки или призмы, можно будет создать оптимальную многоспектральную камеру, которая будет небольшой и недорогой.
В частности, в этом методе спектрометр многоспектральной камеры заменяется многополосным фильтром, который пропускает несколько различных длин волн. Эти многополосные фильтры относительно недороги по сравнению с призмами и дифракционными решетками. Их можно разместить непосредственно на датчике изображения, поэтому можно получить спектральную камеру линейного сканирования, которая не больше стандартной камеры. (См. рисунок ниже: оптимальная многоспектральная камера, предложенная SSS.)
6 Сравнение с обычными системами камер
Хотя многоспектральные камеры могут использоваться для обнаружения различных загрязняющих веществ и компонентов, мы предполагаем, что использование только четырех длин волн будет достаточным для достижения высокоточной идентификации, когда камера ограничена определенным вариантом использования. С этим в качестве базовой линии мы сравнили три типа систем, как показано ниже. Оптимальные многоспектральные камеры предлагают недорогой вариант, и система проста в установке, что упрощает обработку полученных данных. Камеры также имеют небольшие размеры и просты в установке
Сравнение систем обнаружения загрязняющих веществ с использованием 4 длин волн
Оптимальная многоспектральная камера
4 стандартные камеры
Мультиспектральная камера
(с полосовыми фильтрами на длинах волн, необходимых для обнаружения)
Расходы
Недорого
Дорогостоящий
Очень дорого
Количество длин волн, зафиксированных системой камер
4 длины волны
4 длины волны
Несколько сотен длин волн
Выбор длин волн
Не обязательно
Не обязательно
Необходимый
Площадь установки
Место для 1 камеры
Место для 4 камер
Место для более чем 10 камер
Одновременная съемка изображений 4 длин волн под одним и тем же углом зрения
Да
Нет
Да
Различные случаи обнаружения с использованием оптимальных многоспектральных камер
Давайте рассмотрим несколько примеров реальных проверок для различных приложений.
Камера, используемая в следующих примерах, оснащена многополосным фильтром, который выбирает четыре диапазона длин волн, подходящих для проверки пищевых продуктов, используя характеристики компонентов в пище для поглощения света на определенных длинах волн.
Многополосные фильтры используются для захвата изображений на определенных длинах волн, соответствующих поглощению липидов, воды и белков, что позволяет им получать информацию, которую обычные цветные камеры не могут. Кроме того, используя обработку изображений, соответствующую объекту на захваченных многоспектральных изображениях, нам удалось визуализировать компоненты и загрязняющие вещества, которые цветные камеры или однополосные камеры с трудом различают друг от друга.
[Визуализация случая 1] Измерение содержания воды в чайных листьях: обнаружение содержания воды
В этом исследовании предполагается проверка содержания воды в процессе сушки при производстве чайного листа. Уровень сухости чайных листьев можно определить по содержанию воды, но это трудно определить визуально. В этом исследовании сфотографированы четыре группы чайных листьев с различным содержанием воды. Содержание воды в чайных листьях визуализируется с использованием свойства воды поглощать свет при 1450 нм.
[Визуализация случая 2] Обнаружение загрязняющих веществ в грецких орехах: обнаружение загрязняющих веществ одинакового цвета
Это примеры изображений, предполагающих обнаружение загрязнения скорлупой грецкого ореха. Грецкие орехи обычно измельчают, а затем просеивают, чтобы удалить скорлупу, но сложно удалить всю треснувшую скорлупу просто просеиванием. Оставшуюся скорлупу необходимо найти и удалить вручную. В тесте, предполагающем этот этап ручной проверки, мы использовали цветную камеру и оптимальную многоспектральную камеру для сравнения.
На изображении, полученном с помощью цветной камеры, ядра грецкого ореха и скорлупа, которая не была полностью удалена, имеют почти одинаковый цвет, а скорлупу, которая имеет похожую на ядра форму, особенно трудно идентифицировать.
В этом исследовании случая изображения были получены на четырех длинах волн, выбранных для различения ядер грецкого ореха от скорлупы грецкого ореха, и на основе этих изображений было применено цветовое картирование, так что загрязняющие вещества (скорлупа) отображались красным цветом. Это привело к легкой идентификации загрязняющих веществ за счет повышения точности обнаружения посредством объединения данных с нескольких длин волн, хотя разницу вряд ли можно различить на изображении, полученном с помощью цветной камеры.
Примечание: Информация об алгоритме анализа основных компонентов, использованном в этом исследовании, будет доступна в официальном документе, публикация которого запланирована на ближайшее время! Если вы заинтересованы, пожалуйста, зарегистрируйтесь заранее, чтобы загрузить его
Перспективы
В приведенных выше случаях были представлены тесты с использованием 2- и 4-полосных изображений. Сочетание обработки изображений и изображений с нескольких длин волн имеет потенциал для дальнейшего расширения диапазона инспекционных приложений.
SSS занимается разработкой оптимальной многоспектральной камеры, предназначенной для различных инспекций в пищевой промышленности, и тестирует ее с учетом различных вариантов использования. Оптимальную многоспектральную камеру также можно адаптировать для приложений в других отраслях путем изменения спецификаций фильтра.
Если вас интересует оптимальная многоспектральная камера и ее применение, свяжитесь с нами.
(с полосовыми фильтрами на длинах волн, необходимых для обнаружения)
Многополосные фильтры используются для захвата изображений на определенных длинах волн, соответствующих поглощению липидов, воды и белков, что позволяет им получать информацию, которую обычные цветные камеры не могут. Кроме того, используя обработку изображений, соответствующую объекту на захваченных многоспектральных изображениях, нам удалось визуализировать компоненты и загрязняющие вещества, которые цветные камеры или однополосные камеры с трудом различают друг от друга.
