IQ-Thermo便攜式高光譜成像與紅外熱成像系統
本系統憑借便攜、輕巧、智能化、即開(kāi)即用、在線(xiàn)測量、實(shí)時(shí)分析的特點(diǎn)，廣泛適用于實(shí)驗室或野外等多種場(chǎng)景，通過(guò)對葉片或冠層水平光譜反射及溫度進(jìn)行高分辨率成像，可應用于快速無(wú)損、高通量原位生態(tài)遙感監測、植被生物及非生物脅迫監測、植物蒸騰及氣孔導度研究、生物多樣性監測等，尤其對葉片及冠層尺度植被生長(cháng)監測、物種多樣性調查、環(huán)境及生態(tài)系統動(dòng)態(tài)變化等具有重要意義。
本系統主要由光譜成像傳感器及便攜臺架組成，成像傳感器包括內置推掃智能高光譜成像單元和LWIR紅外熱成像單元。高光譜成像單元集采集、分析處理、結果可視化等功能特點(diǎn)于一體（ALL-IN-ONE），具備IP等級防護和全自動(dòng)運行特點(diǎn)，內置WiFi可遠程控制，實(shí)現無(wú)人機值守工作。曾榮獲2018年德國設計協(xié)會(huì )“紅點(diǎn)設計獎”—的工業(yè)設計獎項、連續兩年獲得“inVISION創(chuàng )意獎”。紅外熱成像單元具有高達640×512px的像素分辨率及0.03℃超高靈敏度，其低能耗、輕量級、堅固結構設計適用于野外復雜嚴苛條件下原位監測場(chǎng)景。
應用領(lǐng)域：
適用于光合作用研究和植被脅迫研究，農業(yè)、林業(yè)、生態(tài)系統監測等領(lǐng)域。研究?jì)热萆婕肮夂匣钚?、脅迫響應、病蟲(chóng)害監測、農田測繪及普查等
ü 野外原位生態(tài)遙感監測
ü 病蟲(chóng)害監測與防治
ü 森林資源調查評估
ü 樣方高通量遙感監測
ü 植物表型與形態(tài)學(xué)研究
ü 作物產(chǎn)量評估及農情監測
ü 作物干旱脅迫監測及灌溉管理
ü 農田測繪及農業(yè)普查
ü 作物育種及抗性篩選
ü 生物多樣性及種質(zhì)資源調查
作物冠層溫度分析
功能特點(diǎn)
§ 系統化一體式設計，輕量便攜，適合野外原位生態(tài)調查使用
§ 智能化高光譜成像傳感器，覆蓋400-1000nm波段，可計算數十種植被指數圖像
§ 高性能紅外熱成像測溫系統，溫度分辨率0.03℃，配有溫度數據專(zhuān)業(yè)分析軟件，提取感興趣區域溫度動(dòng)態(tài)變化曲線(xiàn)
§ 高光譜成像傳感器具備GPS模塊，便于不同地理位置的數據融合分析
主要技術(shù)指標：
1、 系統化支架設計：集全太陽(yáng)光譜雙光源、成像單元、云臺及三腳支架于一體，重約5kg，便攜組裝、易于操作
2、 400-1000nm智能高光譜成像：集光譜數據采集、自動(dòng)掃描成像、自動(dòng)分析處理、可視化分析結果等功能于一體，可通過(guò)光譜特征曲線(xiàn)創(chuàng )建App導入相機直接應用，進(jìn)行性狀快速篩選、檢測、識別等功能
a) 光圈F/1.7
b) 光譜分辨率7nm
c) 光譜波段：204，可選Bin 2x和Bin 3x
d) 內置GPS，每個(gè)高光譜數據立方均自帶地理標簽，便于精準定位、多源信息融合分析
e) 內置SAM算法，無(wú)需任何復雜處理，即可快速實(shí)時(shí)顯示分析結果
f) 自帶4.3英寸觸摸屏+13個(gè)物理按鍵，可快速實(shí)時(shí)測量分析得出結果
g) 具備USB或WIFI遠程控制功能，可通過(guò)USB線(xiàn)纜或無(wú)線(xiàn)WIFI在軟件中控制相機運行
3、7.5-13.5μm紅外熱成像成像，非制冷紅外焦平面檢測器，640×512像素，出廠(chǎng)黑體校準，內置NUC校準，含校準證書(shū)溫度分辨率0.03℃，9/30/60Hz可選
a) 測溫范圍：-25℃至+150℃或+40℃至+550℃，可選1500℃
b) 溫度靈敏度≤0.03℃（30mK）@ 30℃；
c) 數據傳輸：USB-3或GigE千兆以太網(wǎng)
d) 光學(xué)鏡頭，可選配6.8mm、9mm、13mm、19mm鏡頭
e) 具備14種調色板供任意選擇，可多樣化設置熱成像假彩色
f) 具備等溫模式、溫度預警、ROI分析、溫度剖面、3D溫度顯示、輸出報告等功能
g) 支持CSV、非輻射JPEG、輻射JPEG、輻射視頻、AVI、MP4等格式輸出
h) 防護等級：IP65，適用野外嚴苛條件下適用
野外使用照片
安裝培訓
熱成像軟件截圖（左）高光譜數據分析截圖（右）
高光譜用于擬南芥表型分析（案例）
參考文獻：
1) Jan B , Kelvin A , Dzhaner E , et al. Specim IQ: Evaluation of a New, Miniaturized Handheld Hyperspectral Camera and Its Application for Plant Phenotyping and Disease Detection[J]. Sensors, 2018, 18(2):441-.
2) Xiao Z , Wang J . Rapid Nondestructive Defect Detection of Scindapsus aureus Leaves Based on PCA Spectral Feature Optimization[J]. IOP Conference Series Earth and Environmental Science, 2020, 440:032018.
3) Detection of Diseases on Wheat Crops by Hyperspectral Data
4) Barreto, Abel & Paulus, Stefan & Varrelmann, Mark & Mahlein, Anne-Katrin. (2020). Hyperspectral imaging of symptoms induced by Rhizoctonia solani in sugar beet: comparison of input data and different machine learning algorithms. Journal of Plant Diseases and Protection. 10.1007/s41348-020-00344-8.
5) Sajad Kiani, Saskia M. van Ruth, Leo W.D. van Raamsdonk, Saeid Minaei. Hyperspectral imaging as a novel system for the authentication of spices: A nutmeg case study. LWT - Food Science and Technology. 104(2019)61-69.
6) Edelman, G.J. & Aalders, M.C.G. (2018). Photogrammetry using visible, infrared, hyperspectral and thermal imaging of crime scenes. Forensic Science International. 292. 10.1016/j.forsciint.2018.09.025.
7) Yuan, X.; Laakso, K.; Davis, C.D.; Guzmán Q., J.A.; Meng, Q.; Sanchez-Azofeifa, A. Monitoring the Water Stress of an Indoor Living Wall System Using the “Triangle Method”. Sensors 2020, 20, 3261.
8) Kruglikov, N. & Danilenko, I. & Muftakhetdinova, Razilia & Petrova, Evgeniya & Grokhovsky, V.. (2019). Spectral characteristics of the meteoritic material after the modeling of thermal and shock metamorphism. AIP Conference Proceedings. 2174. 020227. 10.1063/1.5134378.
