CN114127520A - 光谱仪装置 - Google Patents
光谱仪装置 Download PDFInfo
- Publication number
- CN114127520A CN114127520A CN202080051314.8A CN202080051314A CN114127520A CN 114127520 A CN114127520 A CN 114127520A CN 202080051314 A CN202080051314 A CN 202080051314A CN 114127520 A CN114127520 A CN 114127520A
- Authority
- CN
- China
- Prior art keywords
- filter
- detector
- signal
- spectrometer arrangement
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000463 material Substances 0.000 claims abstract description 375
- 238000011156 evaluation Methods 0.000 claims abstract description 192
- 238000003384 imaging method Methods 0.000 claims abstract description 38
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 32
- 230000001902 propagating effect Effects 0.000 claims abstract description 19
- 230000003287 optical effect Effects 0.000 claims description 415
- 238000005286 illumination Methods 0.000 claims description 119
- 239000011159 matrix material Substances 0.000 claims description 109
- 230000001419 dependent effect Effects 0.000 claims description 99
- 238000000034 method Methods 0.000 claims description 74
- 238000001228 spectrum Methods 0.000 claims description 57
- 238000012360 testing method Methods 0.000 claims description 57
- 238000012544 monitoring process Methods 0.000 claims description 37
- 238000004611 spectroscopical analysis Methods 0.000 claims description 34
- 230000004044 response Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 18
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000033001 locomotion Effects 0.000 claims description 15
- 239000012491 analyte Substances 0.000 claims description 14
- 238000010191 image analysis Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 11
- 235000013305 food Nutrition 0.000 claims description 10
- 239000004033 plastic Substances 0.000 claims description 8
- 230000010287 polarization Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000001311 chemical methods and process Methods 0.000 claims description 4
- 238000002485 combustion reaction Methods 0.000 claims description 4
- 230000000052 comparative effect Effects 0.000 claims description 4
- 238000004868 gas analysis Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 238000003908 quality control method Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 238000004064 recycling Methods 0.000 claims description 4
- 239000004460 silage Substances 0.000 claims description 4
- 239000002689 soil Substances 0.000 claims description 4
- 238000004186 food analysis Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 abstract description 90
- 230000000875 corresponding effect Effects 0.000 description 41
- 210000001519 tissue Anatomy 0.000 description 41
- 238000005259 measurement Methods 0.000 description 27
- 238000012937 correction Methods 0.000 description 26
- 230000010354 integration Effects 0.000 description 24
- 229910052751 metal Inorganic materials 0.000 description 12
- 239000002184 metal Substances 0.000 description 12
- 238000012546 transfer Methods 0.000 description 12
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 11
- 238000012935 Averaging Methods 0.000 description 9
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 229910052710 silicon Inorganic materials 0.000 description 9
- 239000010703 silicon Substances 0.000 description 9
- 241001465754 Metazoa Species 0.000 description 8
- 239000002537 cosmetic Substances 0.000 description 8
- 239000006260 foam Substances 0.000 description 8
- 238000002310 reflectometry Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 239000007788 liquid Substances 0.000 description 7
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 6
- 229910000673 Indium arsenide Inorganic materials 0.000 description 6
- 238000000540 analysis of variance Methods 0.000 description 6
- 239000000428 dust Substances 0.000 description 6
- RPQDHPTXJYYUPQ-UHFFFAOYSA-N indium arsenide Chemical compound [In]#[As] RPQDHPTXJYYUPQ-UHFFFAOYSA-N 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 6
- 210000000056 organ Anatomy 0.000 description 6
- 230000035515 penetration Effects 0.000 description 6
- 239000004065 semiconductor Substances 0.000 description 6
- 239000012620 biological material Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000005670 electromagnetic radiation Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 235000013336 milk Nutrition 0.000 description 5
- 239000008267 milk Substances 0.000 description 5
- 210000004080 milk Anatomy 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- YBNMDCCMCLUHBL-UHFFFAOYSA-N (2,5-dioxopyrrolidin-1-yl) 4-pyren-1-ylbutanoate Chemical compound C=1C=C(C2=C34)C=CC3=CC=CC4=CC=C2C=1CCCC(=O)ON1C(=O)CCC1=O YBNMDCCMCLUHBL-UHFFFAOYSA-N 0.000 description 4
- 241000251468 Actinopterygii Species 0.000 description 4
- 229910000661 Mercury cadmium telluride Inorganic materials 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 238000003705 background correction Methods 0.000 description 4
- 235000013361 beverage Nutrition 0.000 description 4
- 239000006071 cream Substances 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 235000019688 fish Nutrition 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000003702 image correction Methods 0.000 description 4
- WPYVAWXEWQSOGY-UHFFFAOYSA-N indium antimonide Chemical compound [Sb]#[In] WPYVAWXEWQSOGY-UHFFFAOYSA-N 0.000 description 4
- 229910010272 inorganic material Inorganic materials 0.000 description 4
- 239000011147 inorganic material Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012886 linear function Methods 0.000 description 4
- 235000013372 meat Nutrition 0.000 description 4
- 239000011368 organic material Substances 0.000 description 4
- 239000003973 paint Substances 0.000 description 4
- 239000000123 paper Substances 0.000 description 4
- 210000001747 pupil Anatomy 0.000 description 4
- 238000001055 reflectance spectroscopy Methods 0.000 description 4
- 239000012780 transparent material Substances 0.000 description 4
- 239000002023 wood Substances 0.000 description 4
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 3
- 238000001237 Raman spectrum Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 239000012769 display material Substances 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 239000008101 lactose Substances 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 229920002472 Starch Polymers 0.000 description 2
- 238000004847 absorption spectroscopy Methods 0.000 description 2
- 229910021417 amorphous silicon Inorganic materials 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000001124 body fluid Anatomy 0.000 description 2
- -1 carpet Substances 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 235000019646 color tone Nutrition 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 235000020061 kirsch Nutrition 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000005499 meniscus Effects 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 229910052754 neon Inorganic materials 0.000 description 2
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 description 2
- 229910052755 nonmetal Inorganic materials 0.000 description 2
- 150000002843 nonmetals Chemical class 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 230000005693 optoelectronics Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 229910052704 radon Inorganic materials 0.000 description 2
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000008107 starch Substances 0.000 description 2
- 235000019698 starch Nutrition 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 238000002235 transmission spectroscopy Methods 0.000 description 2
- 235000013618 yogurt Nutrition 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000000599 controlled substance Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004838 photoelectron emission spectroscopy Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0272—Handheld
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0289—Field-of-view determination; Aiming or pointing of a spectrometer; Adjusting alignment; Encoding angular position; Size of measurement area; Position tracking
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0256—Compact construction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/027—Control of working procedures of a spectrometer; Failure detection; Bandwidth calculation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/58—Extraction of image or video features relating to hyperspectral data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Abstract
公开了一种光谱仪装置(110)。光谱仪装置(110)被配置为确定至少一个对象(112)的至少一项光谱或光谱学信息。光谱仪装置(110)被配置为确定从对象(112)传播到光谱仪装置(110)的至少一个光束的组分波长信号的强度。光谱仪装置(110)包括至少一个距离检测器(134)。距离检测器(134)被配置为确定关于至少一个对象(112)与光谱仪装置(110)之间的距离的至少一项距离信息。光谱仪装置(110)包括至少一个像素化成像检测器(121)，该至少一个像素化成像检测器(121)被配置为确定对象(112)的至少一个图像。光谱仪装置(110)包括至少一个评估装置(120)，该至少一个评估装置(120)被配置为通过评估由像素化成像检测器(121)确定的对象(112)的至少一个图像来确定至少一项材料信息。评估装置(120)被配置为在考虑所确定的距离信息和材料信息的情况下，对组分波长信号的所确定的强度执行至少一种光谱分析。
Description
技术领域
本发明涉及一种光谱仪装置、一种用于确定来自至少一个对象的至少一个光束的至少一个光特性的至少一个差异的方法，以及该光谱仪装置的各种用途。通常，此类装置和方法可用于各种应用，例如用于调查或监测的目的，特别是，红外检测应用；光谱学应用；排气监测应用；燃烧过程监测应用；污染监测应用；工业过程监测应用；化学过程监测应用；食品加工过程监测应用；水质监测应用；空气质量监测应用；质量控制应用；运动控制应用；排气控制应用；气体感测应用；气体分析应用；化学感测应用；农业应用，例如土壤、青贮饲料、肥料、作物或农产品的特性；监测植物健康；塑料识别和/或回收应用等。然而，其他种类的应用也是可能的。
背景技术
各种光谱仪装置和系统是已知的。光谱仪通常朝着样品或对象发射光，并测量反射的、透射的、散射的或接收的光。光谱分析基于发射光和接收光之间的差异。光谱仪确定与样品或对象相互作用之前和之后的波长相关强度差异。光谱仪可以进一步确定诸如波长相关偏振差异之类的特性。
为了分析与样品或对象相互作用之前和之后的光特性差异，重要的是以最小的变化测量这些光特性。因此，在已知的光谱仪中，光谱仪中与样品或对象相互作用的路径保持固定和封闭。然而，需要可移动光谱仪，其中，在可移动光谱仪中，相互作用的路径例如由于可移动光谱仪的移动而是可变的。
光谱仪装置可以在反射或透射模式中工作，其中，在反射模式中，光从样品反射，并且在透射模式中，光被发送通过样品。在不透明或几乎不透明的情况下，在反射模式中工作的光谱仪装置可能是有利的。此外，对于透射光谱学，常常在反应杯或小瓶中填充样品。在反射光谱学中，用光谱仪刚好接触样品或甚至从一定距离处测量样品是可能的。因此，反射光谱学在可移动光谱学中可能是特别方便的。
然而，在反射光谱学中，知道到样品的距离是重要的，因为需要测量样品的光衰减。在半透明或部分不透明的样品的情况下，该距离变得不清晰或难以测量。此外，即使与样品直接接触，知道样品的半透明参数也将是重要的，以根据比尔-兰伯特定律确定衰减。
此外，光谱学用于消费者应用，其包括针对特定分析物的不同样品的分析。例如，消费者应用可包括确定牛奶样品的乳糖或脂肪含量。由于各种潜在样品和分析物，因此这些消费者应用常常是耗时、困难且不可靠的。
US 2008/191137 A1描述了一种手持式增强光电发射光谱(“EPS”)检测系统，该系统用于识别特定物质(例如，受控物质、非法药物和爆炸物，以及其他将有益于微量检测的物质)及其混合物，以便向官员提供信息用于识别目的并且协助与此类物质的合法性、危险性和/或处置决定有关的确定。
US 2009/219525 A1描述了一种方法，该方法包括通过根据用于激光器运动的坐标移动激光器用激光扫描多个样本，并且测量多个样本中的每一者的距离；基于其与激光器的距离及其用于激光运动的坐标，将位置信息与多个样本中的每个样本相关联；记录针对多个样本的拉曼光谱；将拉曼光谱与多个样本中的每个样本相关联；以及指示用于至少一个样本的拉曼光谱和位置信息。
本发明解决的问题
因此，本发明的目的是提供面对已知装置和方法的上述技术挑战的装置和方法。具体地，本发明的目的是提供能够可靠地确定光谱信息的非接触式光谱学的移动光谱学的可移动光谱装置和方法。
发明内容
该问题由具有独立专利权利要求的特征的本发明来解决。在从属权利要求和/或在以下说明书和详细的实施例中呈现本发明的可单独地或组合地实现的有利发展。
如下文所使用的，术语“具有”、“包括”或“包含”或其任何语法变体以非排他性的方式使用。因此，这些术语可以指本文描述的实体中除了由这些术语引入的特征之外不存在其它特征的情形，也可以指还存在一个或多个其它特征的情形。作为示例，表述“A具有B”、“A包括B”和“A包含B”可以指A中除了B之外不存在其它要素(即，A仅仅且排他地由B组成)的情形，也可以指实体A中除了B之外还存在一个或多个其它要素(例如要素C、要素C和D、或甚至其它要素)的情形。
此外，应注意，术语“至少一个”、“一个或多个”或者指示特征或要素可以存在一次或多于一次的类似表述通常将仅在引入相应的特征或要素时使用一次。在下文中，在多数情况下，当提及相应的特征或要素时，将不会重复表述“至少一个”或“一个或多个”，但是承认相应的特征或要素可以存在一次或多于一次的事实。
此外，如下文所使用的，术语“优选地”、“更优选地”、“特别地”、“更特别地”、“具体地”、“更具体地”或类似的术语可以与可选特征结合使用，而不限制其它可能性。因此，由这些术语引入的特征是可选的特征，并不意图以任何方式限制权利要求的范围。如本领域的技术人员将认识到的，本发明可通过使用替代特征来执行。类似地，由“在本发明的实施例中”或类似表述引入的特征旨在为可选的特征，而对本发明的替代实施例没有任何限制，对本发明的范围没有任何限制，并且对组合以此方式引入的特征与本发明的其它可选的或非可选的特征的可能性没有任何限制。
在本发明的第一方面，公开了一种光谱仪装置。术语“光谱仪装置”是指能够相对于光谱的相应波长或其一部分(诸如波长区间)记录信号强度的装置，其中信号强度可以优选地作为能够用于进一步评估的电信号来提供。光谱仪装置被配置为确定至少一个对象的至少一项光谱或光谱学信息。具体地，光谱仪装置被配置为执行至少一个光谱测量，也表示为光谱分析。如通常所使用的，术语“光谱”是指电磁光谱或波长光谱。具体地，光谱可以是可见光谱范围和/或红外(IR)光谱范围，特别是近红外(NIR)光谱范围的一部分。在此，光谱的每个部分由光学信号构成，光学信号由信号波长和相应的信号强度限定。光谱仪装置可以被配置为透射和/或反射光谱。例如，光谱仪装置可包括至少一个波长选择元件，诸如至少一个线性可变过滤元件、至少一个棱镜、至少一个光栅等，其被配置为将入射光分离为组分波长信号的光谱。这些波长信号的相应强度可通过采用至少一个像素化光学检测器和/或至少一个光栅和至少一个单像素检测器(也称为单像素光学检测器)来确定，如下文将更详细地概述的。在使用至少一个光栅和至少一个单像素检测器的情况下，光栅的位置可以逐渐改变，使得仅一个波长或具有窄分布的波长范围可以入射在单像素检测器上。例如，光谱仪装置可被配置用于吸收光谱，并且可包括例如至少一个傅里叶变换红外光谱学(FTIR)分光光度计。在该实施例中，光谱仪装置可包括至少一个宽带光源。FTIR分光光度计可包括至少一个干涉仪，例如至少一个迈克尔逊干涉仪。FTIR分光光度计可被配置为用具有时间相关光谱的至少一个光束照射对象。FTIR分光光度计可包括至少一个移动反射镜元件，其中通过反射镜元件的运动，由宽带光源产生的光束被干涉仪交替阻挡和透射。光谱仪装置还可包括至少一个配置用于控制反射镜元件的微机电系统(MEMS)。FTIR分光光度计可以被配置为取决于波长来调制光束，使得以不同速率调制不同波长。FTIR分光光度计可以包括至少一个固定检测器，该固定检测器被配置为检测已通过对象的光束的吸收光谱。例如，FTIR分光光度计可包括至少一个单像素光学检测器。
如本文所使用的，术语“光”通常是指电磁辐射的划分，其通常被称为“光谱范围”，并且包括可见光谱范围、紫外光谱范围和红外光谱范围中的一者或多者。在此，术语“紫外光谱范围”通常是指波长为1nm至380nm，优选地为100nm至380nm的电磁辐射。此外，部分地根据在本文发布之日有效版本的标准ISO-21348，术语“可见光谱范围”通常是指380nm至760nm的光谱范围。术语“红外光谱范围”(IR)通常是指760nm至1000μm的电磁辐射，其中760nm至1.5μm的范围通常被称为“近红外光谱范围”(NIR)，而1.5μm至15μm的范围被称为“中红外光谱范围”(MidIR)，15μm至1000μm的范围被称为“远红外光谱范围(FIR)”。优选地，用于本发明的典型目的的光是红外(IR)光谱范围内的光，更优选地是近红外(NIR)和中红外(MidIR)光谱范围内的光，尤其是波长为1μm至5μm，优选地为1μm至3μm的光。
光谱仪装置被配置为确定从对象传播到光谱仪装置的至少一个光束的组分波长信号的强度。光谱仪装置包括至少一个距离检测器。距离检测器被配置为确定关于至少一个对象与光谱仪装置之间的距离的至少一项距离信息。光谱仪装置包括至少一个像素化成像检测器，该至少一个像素化成像检测器被配置为确定对象的至少一个图像。光谱仪装置包括至少一个评估装置。评估装置被配置为通过评估由像素化成像检测器确定的对象的至少一个图像来确定对象的至少一项材料信息。评估装置被配置为在考虑所确定的距离信息和材料信息的情况下，对所确定的组分波长信号的强度执行至少一种光谱分析。
光谱仪装置被配置为确定从对象传播到光谱仪装置的至少一个光束的组分波长信号的强度。例如，光谱仪装置可包括至少一个波长选择元件，诸如至少一个线性可变过滤元件、至少一个棱镜、至少一个光栅等，其被配置为将入射光分离为组分波长信号的光谱。这些波长信号的相应强度可通过采用至少一个像素化光学检测器和/或至少一个光栅和至少一个单像素检测器来确定。如本文所使用的，术语“波长选择元件”是指适于将入射光分离为组分波长信号的光谱的光学元件。例如，波长选择元件可以是或可以包括至少一个线性可变滤波器元件、至少一个棱镜、至少一个光栅等。例如，波长选择元件可以是和/或可以包括至少一个光学滤波器，例如长度可变滤波器，即包括多个滤波器(优选地多个干涉滤波器)的光学滤波器，这些多个滤波器特别地可以以连续滤波器布置的方式提供。在此，每个滤波器可以沿着长度可变滤波器的接收表面上的单个维度(通常用术语“长度”表示)形成针对滤波器上的每个空间位置(优选地连续地)具有可变中心波长的带通。在优选示例中，可变中心波长可以是滤波器上空间位置的线性函数，在这种情况下，长度可变滤波器通常被称为“线性可变滤波器”或简称为“LVF”。然而，其他种类的函数也适用于可变中心波长与滤波器上空间位置之间的关系。在此，滤波器可以位于透明基板上，该透明基板特别地可以包含至少一种材料，该材料可以在可见和/或红外(IR)光谱范围内，尤其是在近红外(NIR)光谱范围内表现出高度光学透明性，如以下更详细地描述的，由此可以实现沿着滤波器的长度变化的滤波器光谱特性，尤其是连续变化的光谱特性。特别地，滤波元件可以是楔形滤波器，其可以适于在透明基板上承载至少一个响应涂层，其中该响应涂层可以表现出空间可变特性，特别地，空间可变厚度。然而，包含其他材料或表现出其他空间可变特性的其他类型的长度可变滤波器也是可行的。在入射光束的法向入射角处，长度可变滤波器所包括的每个滤波器的带通宽度可以等于特定滤波器的中心波长的一部分，通常为百分之几。举例来说，对于波长范围为1400至1700nm，带通宽度为1％的长度可变滤波器，法向入射角处的带通宽度在14nm至17nm之间变化。然而，其他示例也是可行的。由于长度可变滤波器的这种特殊设置，只有具有在由带通宽度指示的公差内，并且等于被分配给滤波器上特定空间位置的中心波长的波长的入射光才能够在特定空间位置传播通过长度可变滤波器。因此，可以针对长度可变滤波器上的每个空间位置定义“透射波长”，该透射波长可以等于带通宽度的中心波长±1/2。换句话说，透射波长处的所有未通过长度可变滤波器的光可以被长度可变滤波器的接收表面吸收或大部分被反射。因此，长度可变滤波器具有变化的透射率，这使得该滤波器能够将入射光分离成光谱。
光谱仪装置可包括至少一个光谱检测器，其被配置为确定从对象传播到光谱仪装置的至少一个光束的组分波长信号的强度。光谱检测器可包括至少一个像素化光学检测器，其被配置为确定组分波长信号的强度。光谱检测器可以包括光学传感器的矩阵。光谱检测器的光学传感器各自可以具有光敏区域。光谱检测器的每个光学传感器可被配置为响应于由从至少一个对象传播到光谱仪装置的至少一个光束对光敏区域的照射而产生至少一个传感器信号。因此，光谱检测器可以包括一系列光学传感器，这些光学传感器可以优选地沿着长度可变滤波器的长度在单个行中排列为一维矩阵，或者在多于一行，尤其是在两个、三个或四个平行的行中排列为二维矩阵形式，特别地，以便尽可能多地接收入射光的大部分强度。因此，一个方向上的像素数N可能比另一方向上的像素数M高，从而可以获得一维1×N矩阵或矩形的二维M×N矩阵，其中M＜10且N≥10，优选地N≥20，更优选地N≥50。另外，本文中使用的矩阵也可以交错排列地放置。在此，尤其是为了易于制造一系列光学传感器，本文所使用的光谱检测器的每个光学传感器可以具有相同的或在公差水平内的相似的光学灵敏度。然而，其他种类的布置也是可行的。例如，如上所述，光谱仪装置可被配置用于吸收光谱，并且可包括例如至少一个傅里叶变换红外光谱学(FTIR)分光光度计。特别地，FTIR分光光度计可包括至少一个单像素光学检测器。
光谱检测器的光学传感器中的每一者可以适于接收组分波长信号之一的至少一部分。每个组分波长信号与每个组分波长的强度有关。可在波长选择元件上的特定空间位置处通过波长选择元件的光可以随后入射在光谱检测器上。换句话说，光谱检测器可优选地以这样的方式放置：光可首先入射在波长选择元件上，并且此后仅可穿过波长选择元件上的特定空间位置的光的部分能够入射在光谱检测器的像素化光学检测器上的对应空间位置。作为结果，波长选择滤波器元件因此可用于通过其相关联的(一个或多个)波长将入射光分离为至少一个对应的空间位置，而由像素化光学检测器包括的特定光学传感器可以因此用于测量入射光的强度，该入射光由于其特定波长可能能够在对应的空间位置处穿过波长选择滤波器元件，并且因此，入射在被提供用于确定特定波长处的入射光的强度的特定光学传感器。因此，在特别优选的实施例中，检测器可以包括光学传感器的序列，该光学传感器的序列可以以一个接一个的一系列光学传感器的形式定位，其中，光谱检测器的光学传感器的序列可以以相对于干扰滤波器的连续布置平行的方式沿着波长选择元件的长度放置。
特别地，为了实现光谱仪装置的高分辨率，光谱检测器的每个光学传感器可以因此适于仅在小空间角度上接收入射光。该布置特别反映了波长选择元件的设置，该波长选择元件被设计为根据入射光沿波长选择元件的长度入射的空间位置来产生所需的光谱。该特殊布置可以通过光谱检测器来实现，该光谱检测器包括多个像素化光学检测器，其中每个像素化光学检测器适于接收由长度可变滤波器提供的组分波长信号之一的至少一部分。如上所述，每个组分波长信号由此与每个组分波长的强度有关。如通常所使用的，术语“像素化光学检测器”或“像素化光学传感器”是指包括个体像素传感器的阵列的光学检测器，其中每个个体像素传感器至少具有光敏区域，该光敏区域根据入射光的强度来产生电信号，其中电信号可以特别地被提供给评估装置以做进一步评估。在此，每个个体光学传感器所包括的光敏区域尤其可以是单个均匀的光敏区域，该光敏区域被配置为接收入射在个体光学传感器上的入射光。然而，也可以构想光学传感器的其他布置。
光谱检测器可以被设计为产生与入射在个体光学传感器上的入射光的强度相关联的信号，优选地为电子信号。该信号可以是模拟信号和/或数字信号。相应地，相邻的光学传感器的电子信号可以同时或以时间上连续的方式产生。举例来说，在线扫描或行扫描期间，有可能产生一系列电子信号，这些电子信号对应于被布置成行的一系列个体像素。另外，个体光学传感器优选地可以是有源像素传感器，其适于在将电子信号提供给外部评估单元之前对该电子信号进行放大。为此，光谱检测器可以包括一个或多个信号处理器件，例如一个或多个用于处理和/或预处理电子信号的滤波器和/或模数转换器。
光谱检测器可以选自任何已知的像素传感器，特别地选自像素化有机相机元件，优选地为像素化有机相机芯片，或选自像素化无机相机元件，优选地为像素化无机相机芯片，更优选地选自目前在各种相机中常用的CCD芯片或CMOS芯片。作为替代，光谱检测器可以是或包括基于诸如PbS、PbSe、Ge、InGaAs、扩展InGaAs、InSb或HgCdTe之类的材料的光电导体或光电二极管。作为另一替代，其可以包括热电、辐射热测量计或热电堆检测器元件。因此，这里可以使用具有1×N像素或M×N像素的矩阵的相机芯片，其中M＜10且N≥10，优选地N≥20，更优选地N≥50。进一步地，可以使用单色相机元件，优选地为单色相机芯片，其中可以针对每个像素传感器不同地选择单色相机元件，尤其是根据沿着一系列光学传感器的变化的波长。
因此，光谱检测器可以适于提供可由像素化光学检测器所包括的光学传感器的光敏区域产生的多个电信号。由光谱仪装置的像素化光学检测器提供的电信号随后可以被转发到评估装置。在本文中，术语“评估装置”是指被指定用于确定与对象(其光谱已被记录，特别是使用本文所述的光谱仪装置)的光谱相关的信息的装置，其中所述信息通过评估由光谱仪装置的检测器提供的检测器信号来获得。所述信息例如可以以电子的、可视的、可听的方式或它们的任意组合来提供。此外，所述信息可以被存储在光谱仪装置的数据存储装置中或单独的存储装置中和/或可以经由至少一个接口(例如无线接口和/或有线连接接口)来提供。
光谱仪装置可以包括至少一个聚光器装置，也称为光聚合器，用于将光束引导至波长选择元件。如通常使用的，术语“聚光器装置”是指具有输入和输出的非成像光学元件，输入也被称为“入射光瞳”或“入射光圈”，输出位于输入的相反面，其中输出可以还由术语“出射光瞳”或“出射光圈”之一表示，聚光器装置还具有位于输入和输出之间的光学引导结构，其中聚光器装置在正常操作方向上适于在输入处以大角展度捕获光，将捕获的光聚集在光引导结构内，并在输出处发射所聚集的光。在光谱仪装置中，可以以反向操作模式使用聚光器装置，其中面向对象的入射光瞳可以是聚光器装置的较小光圈，以便仅捕获来自对象的光，其中面向光谱检测器的出射光瞳可以是聚光器装置的较大光圈，以便将所有收集的光分配到像素化光学检测器上。因此，举例来说，光聚合器可以用在聚合的光伏中，以便允许在尽可能大的入射角下高度太阳光聚合。例如，聚光器装置可以选自：至少一个锥形或圆锥形光聚合器、复合抛物线聚合器、复合椭圆形聚合器和复合双曲线聚合器。
另外，光谱仪装置还可以包括至少一个转移装置。从对象射出的光束可以首先穿过转移装置，直到其随后通过波长选择元件，并且最终入射在光谱检测器上为止。因此，如本文所使用的，术语“转移装置”是指可被配置为将从反向操作的聚光器装置射出的光束转移到光谱检测器的光学组件。因此，在特定的实施例中，转移装置可被设计为在光束被引导到长度可变滤波器之前对其进行整形。特别地，转移装置可以选自光学透镜、反射镜、光栅和衍射光学元件。更特别地，光学透镜尤其选自双凸透镜、平凸透镜、双凹透镜，平凹透镜、非球面透镜、圆柱透镜和弯月形透镜。因此，转移装置可以包括至少部分透明的材料，优选地在上述波长选择元件的整个波长范围内。为此，也可以使用在这方面提到的相同或相似的光学透明材料。然而，其他光学元件也是可行的。
从对象发出的光可以源于对象本身，但也可以可选地具有不同的起源，从该起源传播到对象，然后传播到光谱仪装置。后一种情况特别地会受到所使用的至少一个照射源的影响。因此，从对象传播到光谱仪装置的光可以是可被对象反射和/或散射的光。替代地或附加地，光可以至少部分地透射通过对象。
光谱仪装置可以包括至少一个照射源。如本文所使用的，术语“照射源”是指适于产生和/或提供用于照射对象的至少一个光束的任意装置。照射源可以以各种方式实现。因此，照射源例如可以是壳体中的光谱仪装置的一部分。然而，替代地或附加地，至少一个照射源也可以布置在壳体外部，例如作为单独的光源。照射源可以与对象分开布置，并从远处照射对象。如上所述，照射源也可以替代地或附加地与对象相连或作为对象的一部分，例如使得从对象发出的电磁辐射也可以由照射源直接产生。举例来说，至少一个照射源可以布置在对象上和/或对象内并直接产生电磁辐射。
照射源可优选地包括一种发光元件，诸如热辐射源，其可已知在视觉光谱范围和/或红外(IR)光谱范围内，特别地在近红外(NIR)光谱范围内提供足够的发射，特别是白炽灯和/或热红外发射器，例如可在来自Axetris AG,Schwarzenbergstrasse 10,CH-6056
Switzerland的emirs50下可用的微机械热红外发射器、来自LASER COMPONENTSGmbH,Werner-von-Siemens-Str.15 82140Olching,Germany的热红外发射器、或来自Hawkeye Technologies,181Research Drive#8,Milford CT06460,United States的红外发射器。替代地或附加地，照射源可以选自以下照射源中的至少一者：激光器，特别是激光二极管，但是也可以使用其他类型的激光器；发光二极管；有机光源，特别是有机发光二极管；霓虹灯；结构化光源；火焰源；热源。替代地或附加地，可以使用其他照射源。在此，特别优选的是，由对象和/或照射源发出的光表现出与检测器的光谱灵敏度密切相关的光谱范围，尤其是以确保可以被相应照射源照射的检测器能够提供高强度的检测器信号的方式，从而使能评估具有足够信噪比且同时具有高分辨率的检测器信号。光谱检测器可以在照射源的发射范围内是敏感的。
光谱仪装置包括至少一个距离检测器。如本文所使用的，术语“距离检测器”可以是指配置用于确定关于对象与光谱仪装置之间的距离的距离信息，特别是对象的至少一个纵向坐标的任意装置。距离检测器可以包括至少一个像素化光学检测器。距离检测器的像素化光学检测器可以被设计为进一步的像素化光学检测器和/或光谱检测器，如上文或下文更详细地描述的，可以用作距离检测器的像素化光学检测器。例如，光谱检测器和距离检测器的像素化光学检测器可以被设计为相同或不同。光谱仪装置可以被配置为同时或顺序地确定距离信息和与对象的光谱有关的信息。
光谱仪装置可以构成坐标系，其中纵坐标是沿着光谱仪装置的光轴的坐标。坐标系可以是极坐标系，其中光谱仪装置的光轴形成z轴，并且其可以使用距z轴的距离和极角作为附加坐标。平行于或反平行于z轴的方向可被视为纵向方向，并且沿着z轴的坐标可被视为纵向坐标或距离。任何垂直于z轴的方向都可被视为横向方向，并且极坐标和/或极角可被视为横向坐标。如本文所使用的，术语“距离信息”是指关于对象的纵向坐标和/或光谱仪装置与对象之间的距离值的信息。如本文所使用的，术语“确定至少一项距离信息”是指获得和/或测量和/或推导和/或估计距离信息。可通过使用以下技术中的一者或多者获得对象与光谱仪装置之间的距离：光子比率测距(depth-from-photon-ratio)、结构化光、光束轮廓分析、飞行时间、从运动恢复形状(shape-from-motion)、对焦测距(depth-from-focus)、三角测量、离焦测距、立体传感器。此外，可以使用至少一个FiP传感器来获得距离信息，如WO 2012/110924 A1或WO 2014/097181 A1中所述。附加地或替代地，距离检测器可以被配置为基于三角测量原理(诸如至少一个三角测量接近传感器)确定对象与光谱仪装置之间的距离。距离检测器可以包括至少一个飞行时间传感器。例如，光学传感器中的至少一个可以适于根据照射光束从照射源传播到对象并且反射光束从对象传播到飞行时间传感器所用的飞行时间(TOF)来产生至少一个传感器信号。飞行时间传感器可以选自：至少一个脉冲飞行时间检测器；至少一个相位调制飞行时间检测器；至少一个直接飞行时间检测器；至少一个间接飞行时间检测器。例如，脉冲飞行时间检测器可以是至少一个距离选通成像器和/或至少一个直接飞行时间成像器。例如，相位调制飞行时间检测器可以是具有至少一个相位检测器的至少一个RF调制光源。飞行时间传感器可以适于确定照射源的照射光束发出与反射光束的接收之间的时间延迟。
光谱仪装置可以适于在光谱测量之前和/或期间和/或之后执行距离信息(诸如纵向坐标)的确定。
优选地，光谱仪装置，特别是距离检测器，可以适于基于光子比率测距技术确定位置。关于基于光子比率测距技术的方法和装置的细节，请参考2017年11月17日提交的国际专利申请号PCT/EP2017/079577、PCT/EP2017/079558、PCT/EP2017/079564以及在2018年3月15日提交的国际专利申请号PCT/EP2018/056545，这些专利申请的全部内容通过引用被包括在本文中。光子比率测距是一种距离测量技术，该技术在检测器技术方面非常灵活，因此在所用光源的波长方面也非常灵活。已知的可移动光谱仪技术使用硅、InAs、InGaAs或扩展InGaAs检测器，其中硅的波长范围非常有限，而InAs和InGaAs都很昂贵。铅盐检测器在移动应用方面相当有前景，这是因为新颖的封装技术允许紧凑的传感器设计，例如请参见WO2018/019921A1。使用光子比率测距可以允许可靠的距离测量，并且在较少的额外工作量的情况下可在光谱仪中轻松实现。
距离检测器的像素化光学检测器可包括具有光学传感器的矩阵的至少一个传感器元件。例如，如上文或如下文更详细地描述的，光谱检测器可以用作距离检测器的像素化光学检测器。附加地或替代地，除了光谱检测器之外，光谱仪装置还可以包括具有光学传感器的矩阵的传感器元件。距离检测器的光学传感器各自可以具有光敏区域。距离检测器的每个光学传感器可被配置为响应于由从至少一个对象传播到光谱仪装置的至少一个光束对光敏区域的照射而产生至少一个传感器信号，在以下中表示为“距离传感器信号”。距离检测器的光学传感器中的至少一个第一光学传感器可以适于响应于由第一组分波长照射而产生第一传感器信号，并且距离检测器的光学传感器中的至少一个第二光学传感器可以适于响应于由第一组分波长照射而产生第二传感器信号。评估装置可以被配置为通过评估第一传感器信号和第二传感器信号的组合信号Q，确定对象的至少一个纵向坐标z。评估装置可以被配置为通过在考虑所确定的纵向坐标z的情况下执行至少一种光谱分析来评估由光谱检测器产生的至少一个传感器信号。
如本文所使用的，“光学传感器”通常是指用于检测光束，诸如用于检测由至少一个光束产生的照射和/或光斑的光敏装置。如本文进一步使用的，“光敏区域”通常是指可被至少一个光束从外部照射的光学传感器的区域，响应于该照射，产生至少一个传感器信号。光敏区域具体可以位于相应光学传感器的表面上。然而，其他实施例也是可行的。光谱仪装置可以包括多个光学传感器，每个光学传感器具有光敏区域。如本文所使用的，术语“每个光学传感器具有至少一个光敏区域”是指具有多个单独的光学传感器，每个光学传感器具有一个光敏区域的配置，以及具有一个组合的光学传感器，该组合的光学传感器具有多个光敏区域的配置。此外，术语“光学传感器”是指被配置为产生一个输出信号的光敏装置。
距离检测器的每个光学传感器可被实现为使得相应的光学传感器中存在恰好一个光敏区域，例如通过提供恰好一个可被照射的光敏区域，响应于该照射，针对整个光学传感器创建恰好一个均匀的传感器信号。因此，距离检测器的每个光学传感器可以是单一区域光学传感器。然而，单一区域光学传感器的使用使得检测器的设置特别简单和有效。因此，作为示例，可在装置中使用可商购的光电传感器，诸如可商购的硅光电二极管，每个光电传感器恰好具有一个光敏区域。然而，其他实施例也是可行的。距离检测器的光学传感器可以是像素化光学器件的一部分或构成像素化光学器件。例如，距离检测器的光学传感器可以是和/或可以包括至少一个CCD和/或CMOS器件。作为示例，距离检测器的光学传感器可以是具有像素矩阵的至少一个CCD和/或CMOS器件的一部分或构成所述至少一个CCD和/或CMOS器件，每个像素形成光敏区域。
用于确定距离信息的光学传感器和用于光谱学的光学传感器可以是相同的。具体地，用于确定距离信息的光学传感器可用作用于光谱学的光学传感器，反之亦然。因此，用于确定距离信息的光学传感器可以对应于或可被设计为用于光谱学的光学传感器和/或传感器元件的光学传感器的矩阵可以对应于或可以被设计为像素化光学检测器。
距离检测器的光学传感器具体地可以是或可以包括至少一个光电检测器，优选地无机光电检测器，更优选地无机半导体光电检测器，最优选地硅光电检测器。具体地，距离检测器的光学传感器可以在红外光谱范围内是敏感的。矩阵中的所有像素或矩阵中的至少一组光学传感器具体可以是相同的。具体地，可针对不同光谱范围提供矩阵中的多组相同的像素，或者所有像素具有相同的光谱灵敏度。此外，像素可以具有相同的尺寸和/或电子或光电子特性。具体地，光学传感器可以是或可以包括在红外光谱范围内，优选在700nm至3.0微米范围内敏感的至少一个无机光电二极管。具体地，光学传感器可以在近红外区域的一部分中是敏感的，在该部分中，具体地在700nm至1100nm范围内，可应用硅光电二极管。可用于光学传感器的红外光学传感器是可商购的红外光学传感器，例如德国D-67056Ludwigshafen am Rhein的TrinamiX GmbH公司推出的商标名称为HertzstueckTM的可商购红外光学传感器。因此，作为示例，光学传感器可以包括至少一个本征光伏类型的光学传感器，更优选地，包括选自以下的至少一个半导体光电二极管：Ge光电二极管、InGaAs光电二极管、扩展InGaAs光电二极管、InAs光电二极管、InSb光电二极管、HgCdTe光电二极管。附加地或替代地，光学传感器可以包括至少一个非本征光伏类型的光学传感器，更优选地，包括选自以下的至少一个半导体光电二极管：Ge:Au光电二极管、Ge:Hg光电二极管、Ge:Cu光电二极管、Ge:Zn光电二极管、Si:Ga光电二极管、Si:As光电二极管。附加地或替代地，光学传感器可以包括至少一个光电导传感器，例如PbS或PbSe传感器、辐射热测量计，优选地选自VO辐射热测量计和非晶Si辐射热测量计的辐射热测量计。
距离检测器的矩阵可以由诸如独立光学传感器之类的独立像素构成。因此，可以构成无机光电二极管的矩阵。然而，替代地，可以使用商购矩阵，例如CCD检测器(例如CCD检测器芯片)和/或CMOS检测器(例如CMOS检测器芯片)中的一者或多者。因此，一般而言，距离检测器的光学传感器可以是和/或可以包括至少一个CCD和/或CMOS器件，和/或检测器的光学传感器可以形成传感器阵列(例如上述矩阵)或可以是传感器阵列的一部分。因此，作为示例，距离检测器的光学传感器可以包括和/或构成像素阵列，诸如具有m行和n列的矩形阵列，其中m、n分别为正整数。例如，距离传感器的传感器元件可以包括线传感器，其中n或m等于1。例如，距离检测器的传感器元件可以包括布置成行和/或列的至少两个光学传感器，例如双单元。例如，距离检测器的传感器元件可以是包括2×2光学传感器矩阵的象限二极管系统。例如，给出多于一个列和多于一个行，即n＞1，m＞1。因此，作为示例，n可以为2至16或更高，并且m可以为2至16或更高。优选地，行数与列数之比接近1。作为示例，可以选择n和m，使得0.3≤m/n≤3，诸如通过选择m/n＝1:1、4:3、16:9或类似的值。例如，阵列可以是具有相等数目的行和列的正方形阵列，例如通过选择m＝2，n＝2或m＝3，n＝3等。
具体地，距离检测器的矩阵可以是具有至少一行(优选地多行)和多列的矩形矩阵。作为示例，行和列可以基本上垂直地取向。如本文所使用的，术语“基本上垂直”是指垂直取向的条件，其公差为例如±20°或更小，优选地公差为±10°或更小，更优选地公差为±5°或更小。类似地，术语“基本上平行”是指平行取向的条件，其公差为例如±20°或更小，优选地公差为±10°或更小，更优选地公差为±5°或更小。因此，作为示例，小于20°，具体地小于10°，或甚至小于5°的公差是可以接受的。为了提供宽广的视野，矩阵具体地可以具有至少10行，优选地至少500行，更优选地至少1000行。类似地，矩阵可以具有至少10列，优选地至少500列，更优选地至少1000列。矩阵可以包括至少50个光学传感器，优选地至少100000个光学传感器，更优选地至少5000000个光学传感器。矩阵可以包括数百万像素范围内的多个像素。然而，其他实施例也是可行的。因此，在预期轴向旋转对称的设置中，优选地采用矩阵中的光学传感器(也可被称为像素)的圆形布置或同心布置。
优选地，距离检测器的光学传感器的光敏区域可以基本上垂直于光谱仪装置的光轴取向。光轴可以是直的光轴，或者可以弯曲，或甚至分裂，例如通过使用一个或多个偏转元件和/或通过使用一个或多个分束器，其中在后一种情况下，基本垂直的取向可以指示光学设置的相应分支或束路径中的局部光轴。
为了使用光子比率测距技术来确定对象的纵向坐标，可以采用距离检测器的至少两个光学传感器。如上所述，为了获得距离信息，光谱仪装置包括至少一个光学传感器和/或多个光学传感器。具体地，针对光谱学，可以采用与棱镜组合的一个光学传感器或与光学滤波器组合的若干个光学传感器。例如，针对光谱学，可以采用用于使用光子比率测距技术来确定对象的纵向坐标的光学传感器之一。例如，像素化光学检测器可被配置用于光谱学和使用光子比率测距技术确定对象的纵向坐标。因此，使用光子比率测距可以允许可靠的距离测量，并且在较少的额外工作量的情况下可在光谱仪中轻松实现。
如本文所使用的，“传感器信号”通常是指由光学传感器和/或光学传感器的至少一个像素响应于照射而产生的信号。具体地，传感器信号可以是或可以包括至少一种电信号，例如至少一个模拟电信号和/或至少一个数字电信号。更具体地，传感器信号可以是或可以包括至少一个电压信号和/或至少一个电流信号。更具体地，传感器信号可以包括至少一个光电流。此外，可以使用原始传感器信号，或者可以使距离检测器的像素化光学检测器、距离检测器的光学传感器或任何其他元件适于处理或预处理传感器信号，从而产生次级传感器信号，次级传感器信号也可用作传感器信号，例如通过滤波等进行预处理。术语“第一”和“第二”传感器信号和组分波长被用作名称，并不指示顺序或是否使用其他传感器信号和组分波长。光学传感器矩阵中的每个光学传感器可被配置为响应于从至少一个对象传播到光谱仪装置的至少一个光束(特别地，具有一个组分波长)对光敏区域的照射而产生至少一个传感器信号。距离检测器的光学传感器中的至少一个第一光学传感器可以适于响应于由第一组分波长的照射而产生第一传感器信号，并且距离检测器的光学传感器中的至少一个第二光学传感器可以适于响应于由第一组分波长的照射而产生第二传感器信号。
如上所述，评估装置可以适于评估组合信号。由此确定对象的至少一个纵向坐标。如本文所使用的，术语“对象的纵向坐标”是指距离检测器的光学传感器矩阵与对象之间的距离。评估可以包括评估第一传感器信号和第二传感器信号的组合信号。如本文所使用的，术语“组合信号”是指通过组合至少两个传感器信号，特别地通过以下一者或多者而产生的信号：对传感器信号做除法，对传感器信号的倍数做除法，或对传感器的线性组合做除法。评估装置可被配置为通过以下一者或多者导出组合信号：对传感器信号做除法，对传感器信号的倍数做除法，或对传感器的线性组合做除法。评估装置可被配置为使用组合信号与纵向坐标之间的至少一种预定关系来确定纵向坐标。该预定关系可以是经验关系、半经验关系和分析导出的关系中的一者或多者。评估装置可以包括用于存储预定关系的至少一个数据存储装置，例如查找列表或查找表。
可通过使用各种手段来确定组合信号。作为示例，可以使用并且可以在评估装置中实现用于导出商信号的软件手段和/或用于导出商信号的硬件手段。因此，作为示例，评估装置可以包括至少一个除法器，其中除法器被配置为导出商信号。除法器可以全部或部分地体现为软件除法器或硬件除法器中的一者或两者。除法器可以完全或部分地被集成到传感器元件应答中，或者可以完全或部分地体现为独立于传感器元件。
例如，通过下式导出组合信号Q：
其中x和y是横向坐标，A1和A2是在距离检测器的传感器元件的位置处的至少一个光束轮廓的不同区域，并且E(x,y,zo)表示在距离zo处给出的光束轮廓。如本文所使用的，术语“光束轮廓”是指光斑在光学传感器上的至少一个强度分布，该强度分布是像素的函数。光束轮廓可以选自梯形光束轮廓、三角光束轮廓、圆锥形光束轮廓、以及高斯光束轮廓的线性组合。
区域A1和区域A2可能不同。特别地，A1和A2并不一致。因此，A1和A2的形状或内容中的一者或多者可能不同。每个传感器信号可以包括光束轮廓的至少一个区域的至少一项信息。通常，光束轮廓取决于亮度L(zo)和光束形状S(x,y；zo)，E(x,y；zo)＝L·S。因此，通过导出组合信号，可以允许独立于亮度确定纵向坐标。另外，使用组合信号允许独立于对象尺寸来确定距离zo。因此，组合信号允许独立于待测量对象的材料特性和/或反射特性和/或散射特性并且独立于光源的变化(例如，通过制造精度、热、水、灰尘、镜头损坏等的变化)来确定距离zo。
第一传感器信号和第二传感器信号中的每一者可以包括光束轮廓的至少一个区域的至少一项信息。可以布置光敏区域，使得传感器信号中的一者包括光束轮廓的第一区域的信息，传感器信号中的另一者包括光束轮廓的第二区域的信息。光束轮廓的第一区域和光束轮廓的第二区域可以是相邻或重叠区域中的一者或两者。第一区域和第二区域在面积上可以不一致。光束轮廓的第一区域可以包括光束轮廓的基本上边缘信息，并且光束轮廓的第二区域可以包括光束轮廓的基本上中心信息。边缘信息可以包括与光束轮廓的第一区域中的光子数量有关的信息，并且中心信息包括与光束轮廓的第二区域中的光子数量有关的信息。评估装置可被配置为确定和/或选择光束轮廓的第一区域和光束轮廓的第二区域。光束轮廓可以具有中心，即光束轮廓的最大值和/或光束轮廓平顶的中心点和/或光斑的几何中心，以及从中心延伸的下降缘。第二区域可以包括横截面的内部区域，第一区域可以包括横截面的外部区域。如本文所使用的，术语“基本上中心信息”通常是指与中心信息的比例(即，与中心对应的强度分布的比例)相比，边缘信息的比例(即，与边缘对应的强度分布的比例)较低。优选地，中心信息中具有的边缘信息的比例小于10％，更优选地小于5％，最优选地，中心信息不包括任何边缘内容。如本文所使用的，术语“基本上边缘信息”通常是指与边缘信息的比例相比，中心信息的比例较低。边缘信息可以包括整个光束轮廓的信息，特别地，来自中心区域和边缘区域的信息。边缘信息中具有的中心信息的比例小于10％，优选地小于5％，更优选地，边缘信息不包括任何中心信息。如果光束轮廓的至少一个区域靠近或围绕中心并且包括基本上中心信息，则可以将该至少一个区域确定和/或选择为光束轮廓的第二区域。如果光束轮廓的至少一个区域包括横截面的下降缘的至少一些部分，则可以将该至少一个区域确定和/或选择为光束轮廓的第一区域。例如，可以将横截面的整个区域确定为第一区域。光束轮廓的第一区域可以是区域A1，光束轮廓的第二区域可以是区域A2。
第一区域A1和第二区域A2的其他选择也是可行的。例如，第一区域可以包括光束轮廓的基本上外部区域，第二区域可以包括光束轮廓的基本上内部区域。例如，在二维光束轮廓的情况下，光束轮廓可以被分为左部分和右部分，其中第一区域可以包括光束轮廓的基本上左部分的区域，第二区域可以包括光束轮廓的基本上右部分的区域。
边缘信息可以包括与光束轮廓的第一区域中的光子数量有关的信息，而中心信息可以包括与光束轮廓的第二区域中的光子数量有关的信息。评估装置可以适于确定光束轮廓的面积积分。评估装置可以适于通过对第一区域进行积分和/或求和来确定边缘信息。评估装置可以适于通过对第二区域进行积分和/或求和来确定中心信息。例如，光束轮廓可以是梯形光束轮廓，并且评估装置可以适于确定梯形的积分。此外，当假设梯形光束轮廓时，可通过使用梯形光束轮廓的特性的等效评估(例如确定边缘的斜率和位置以及中心平顶的高度并通过几何考虑导出边缘信号和中心信号)来代替边缘信号和中心信号的确定。
附加地或替代地，评估装置可以适于从光斑的至少一个切片或切口确定中心信息或边缘信息中的一者或两者。例如，这可通过用沿着切片或切口的线积分代替组合信号中的面积积分来实现。为了提高准确性，可以使用光斑的若干切片或切口并取平均值。在椭圆形光斑轮廓的情况下，对若干切片或切口进行平均会改善距离信息。
评估装置可被配置为通过以下一者或多者导出组合信号：对相应的边缘信息和相应的中心信息做除法，对相应的边缘信息和相应的中心信息的倍数做除法，对相应的边缘信息和相应的中心信息的线性组合做除法。因此，基本上，可以使用光子比率作为光子比率测距技术的物理基础。
如所解释的，例如在WO 2012/110924 A1或WO 2014/097181 A1中，通常，在光斑的尺寸(例如，光斑的直径、束腰或等效直径)与对象(光束从该对象朝着距离检测器的传感器元件传播)的纵向坐标之间存在预定的或可确定的关系。不希望受到该理论的束缚，光斑可通过两个测量变量来表征：在光斑中心或靠近光斑中心的小测量区域中测量的测量信号(也称为中心信号)，以及在具有或没有中心信号的情况下，对光斑积分的积分信号或和信号。对于具有在光束加宽或聚焦时不会改变的一定总功率的光束，和信号应与光斑的光斑尺寸无关，因此，至少在使用位于其相应测量范围的线性光学传感器时，和信号应与对象和距离检测器的传感器元件之间的距离无关。然而，中心信号取决于光斑尺寸。因此，中心信号通常在光束聚焦时增大，而在光束散焦时减小。因此，通过比较中心信号与和信号，可以产生关于由光束产生的光斑的尺寸以及由此关于反射位置的纵向坐标的信息项。例如，可通过从中心信号和和信号形成组合信号Q，并且通过使用纵向坐标与组合信号之间的用于导出纵向坐标的预定或可确定的关系，来进行中心信号与和信号的比较。
入射在距离检测器的光学传感器上的光束可以完全照射距离检测器的产生中心信号的至少一个光学传感器，使得产生中心信号的至少一个光学传感器完全位于光束内，其中光束的宽度大于距离检测器的产生传感器信号的至少一个光学传感器的光敏区域。相反，优选地，光束具体地可以在整个矩阵上产生小于矩阵的光斑，使得光斑完全位于矩阵内。光学领域的技术人员可通过选择对光束具有聚焦或散焦效果的一个或多个合适的透镜或元件，诸如通过使用合适的转移装置来容易地调节这种情况，如将在下面更详细地概述的那样。如本文进一步使用的，“光斑”通常是指可见的或可检测到的圆形或非圆形照射。
组合信号Q可通过以下一者或多者导出：形成第一信号与第二信号的商，或反之亦然；形成第一信号的倍数与第二信号的倍数的商，或反之亦然；形成第一信号的线性组合与第二信号的线性组合的商，或反之亦然；形成第一信号和第二信号的第一线性组合与第一信号和第二信号的第二线性组合的商。评估装置可被配置为使用组合信号Q与对象的纵向坐标z之间的至少一种预定关系来确定纵向坐标z。评估装置可以包括至少一个除法器，其中除法器被配置为导出组合信号。
评估装置可以适于确定被第一波长组分照射的距离检测器的光学传感器的矩阵中的那些光学传感器。评估装置可被配置为确定被第一组分波长照射并且具有最高传感器信号的距离检测器的至少一个光学传感器并形成第一传感器信号。第一传感器信号可以是至少一个中心信号。评估装置可被配置为评估被第一波长组分照射的矩阵中的光学传感器的传感器信号并形成第二传感器信号。第二传感器信号是至少一个和信号。评估装置可被配置为通过组合中心信号和和信号来确定组合信号Q。
术语“中心信号”通常是指包括光束轮廓的基本上中心信息的至少一个传感器信号。如本文所使用的，术语“最高传感器信号”是指局部最大值或感兴趣区域中的最大值中的一者或两者。例如，中心信号可以是具有多个传感器信号中的最高传感器信号的距离检测器的至少一个光学传感器和/或像素的信号，多个传感器信号由光学传感器和/或整个矩阵的像素或矩阵内感兴趣区域的像素产生，其中感兴趣区域可以在由距离检测器的矩阵中的光学传感器和/或像素产生的图像内预定或可确定。中心信号可以从单个光学传感器和/或像素产生或从一组光学传感器产生，其中在后一种情况下，作为示例，可以将一组光学传感器和/或像素的传感器信号进行累加、积分或平均，以确定中心信号。产生中心信号的一组光学传感器和/或像素可以是一组相邻的光学传感器和/或像素，诸如与具有最高传感器信号的实际光学传感器和/或像素相距小于预定距离的光学传感器和/或像素；或者可以是产生在距最高传感器信号的预定范围内的传感器信号的一组光学传感器和/或像素。可以尽可能大地选择产生中心信号的一组光学传感器和/或像素，以便允许最大的动态范围。评估装置可以适于通过对多个传感器信号(例如，位于具有最高传感器信号的光学传感器和/或像素周围的多个光学传感器和/或像素)进行积分来确定中心信号。
如上所述，中心信号通常可以是单个传感器信号，例如来自光斑中心的距离检测器的光学传感器和/或像素的传感器信号，或者可以是多个传感器信号的组合，诸如来自光斑中心的光学传感器和/或像素的传感器信号的组合，或者是通过处理根据上述一种或多种可能性导出的传感器信号而导出的次级传感器信号。中心信号的确定可通过电子的方式执行，因为传感器信号的比较可通过常规电子器件相当简单地实现，或者可完全或部分地通过软件执行。具体地，中心信号可以选自：最高传感器信号；位于相对于最高传感器信号的预定公差范围内的一组传感器信号的平均值；来自包含具有最高传感器信号的光学传感器和/或像素和预定的一组相邻光学传感器和/或像素的一组光学传感器和/或像素的传感器信号的平均值；来自包含具有最高传感器信号的光学传感器和/或像素和预定的一组相邻光学传感器和/或像素的一组光学传感器和/或像素的传感器信号的和；位于相对于最高传感器信号的预定公差范围内的一组传感器信号的和；高于预定阈值的一组传感器信号的平均值；高于预定阈值的一组传感器信号的和；来自包含具有最高传感器信号的光学传感器和预定的一组相邻光学传感器的一组光学传感器的传感器信号的积分；位于相对于所述最高传感器信号的预定公差范围内的一组传感器信号的积分；高于预定阈值的一组传感器信号的积分。
类似地，术语“和信号”通常是指包括光束轮廓的基本上边缘信息的信号。例如，可通过对距离检测器的整个矩阵或矩阵内感兴趣区域的传感器信号进行累加、积分或平均来导出和信号，其中感兴趣区域可以在由矩阵中的光学传感器产生的图像内预定或可确定。在对传感器信号进行累加、积分或平均时，可以从累加、积分或平均中省去产生传感器信号的实际光学传感器，或者可以将这些实际光学传感器包括在累加、积分或平均中。评估装置可以适于通过对整个矩阵或矩阵内感兴趣区域的信号进行积分来确定和信号。例如，光束轮廓可以是梯形光束轮廓，并且评估装置可以适于确定整个梯形的积分。此外，当假设梯形光束轮廓时，可通过使用梯形光束轮廓的特性的等效评估，诸如确定边缘的斜率和位置以及中心平顶的高度并通过几何考虑导出边缘信号和中心信号，来代替边缘信号和中心信号的确定。
类似地，中心信号和边缘信号也可通过使用光束轮廓的分段(诸如光束轮廓的圆形分段)来确定。例如，可以经由不通过光束轮廓中心的割线或弦将光束轮廓分成两段。因此，一段基本上包含边缘信息，而另一段基本上包含中心信息。例如，为了进一步减少中心信号中的边缘信息量，可以进一步从中心信号中减去边缘信号。
附加地或替代地，评估装置可以适于从光斑的至少一个切片或切口确定中心信息或边缘信息中的一者或两者。例如，这可通过用沿着切片或切口的线积分代替商中的面积积分来实现。为了提高准确性，可以使用通过光斑的若干切片或切口并取平均值。在椭圆形光斑轮廓的情况下，对若干个切片或切口进行平均会导致改善的距离信息。
中心信号选自：最高传感器信号；位于相对于最高传感器信号的预定公差范围内的一组传感器信号的平均值；来自距离检测器的包含具有最高传感器信号的光学传感器和预定的一组相邻光学传感器的一组光学传感器的传感器信号的平均值；来自距离检测器的包含具有最高传感器信号的光学传感器和预定的一组相邻光学传感器的一组光学传感器的传感器信号的和；位于相对于最高传感器信号的预定公差范围内的一组传感器信号的和；高于预定阈值的一组传感器信号的平均值；高于预定阈值的一组传感器信号的和；来自包含具有最高传感器信号的距离检测器的光学传感器和预定的一组相邻光学传感器的一组光学传感器的传感器信号的积分；位于相对于最高传感器信号的预定公差范围内的一组传感器信号的积分；高于预定阈值的一组传感器信号的积分。和信号选自：距离检测器的矩阵的所有传感器信号的平均值；距离检测器的矩阵的所有传感器信号的和；距离检测器的矩阵的所有传感器信号的积分；除了来自对中心信号有贡献的距离检测器的那些光学传感器的传感器信号以外，距离检测器的矩阵的所有传感器信号的平均值；除了来自对中心信号有贡献的距离检测器的那些光学传感器的传感器信号以外，距离检测器的矩阵的所有传感器信号的和；除了来自对中心信号有贡献的距离检测器的那些光学传感器的传感器信号以外，距离检测器的矩阵的所有传感器信号的积分；位于距离检测器的相对于具有最高传感器信号的光学传感器的预定范围内的距离检测器的光学传感器的传感器信号的和；位于距离检测器的相对于具有最高传感器信号的光学传感器的预定范围内的距离检测器的光学传感器的传感器信号的积分；位于相对于距离检测器的具有最高传感器信号的光学传感器的预定范围内的距离检测器的光学传感器的特定阈值以上的传感器信号的和；位于距离检测器的相对于具有最高传感器信号的光学传感器的预定范围内的距离检测器的光学传感器的特定阈值以上的传感器信号的积分。
组合信号Q可以是通过组合中心信号和和信号而产生的信号。具体地，该确定可以包括以下一者或多者：形成中心信号与和信号的商，或反之亦然；形成中心信号的倍数与和信号的倍数的商，或反之亦然；形成中心信号的线性组合与和信号的线性组合的商，或反之亦然。附加地或替代地，组合信号Q可以包括任意信号或信号组合，该任意信号或信号组合包含关于中心信号与和信号之间的比较的至少一项信息。
光谱仪装置可以被配置为确定至少一个对象的至少一项光谱或光谱学信息。光谱仪装置包括至少一个评估装置，该至少一个评估装置被配置为在考虑所确定的距离信息的情况下执行至少一种光谱分析。评估装置可被配置为在考虑所确定的纵向坐标z的情况下执行至少一种光谱分析。在光谱分析中，可以确定对象的至少一项光谱或光谱学信息。具体地，评估装置可被配置为确定由于对象与光谱仪装置之间的距离而引起的光衰减。如本文所使用的，术语“光衰减”是指由光束的行进路径(即，从对象到光谱仪装置的距离)，和/或对象的存在和/或环境条件而引起的强度损失。如本文所使用的，术语“确定光衰减”是指近似和/或测量和/或导出光衰减。光谱分析可包括确定由于对象的存在而引起的至少一个光特性的至少一个差异。光特性的差异可以选自：至少一个波长相关强度差异；和至少一个波长相关偏振差异。评估装置可以适于在考虑光衰减的情况下执行光谱分析。评估装置可以适于校正由光学检测器确定的组分波长信号的光谱强度。具体地，评估装置可以适于例如通过将所确定的强度值乘以和/或除以至少一个校正函数来针对光衰减校正所确定的强度值。可以依照经验和/或半经验和/或分析确定校正函数。例如，光谱仪装置可被配置为通过测量取决于光学器件、光源、光源特性、灰尘等的背景光谱来确定光衰减。光谱仪装置可以被配置为从中导出校正函数，诸如背景校正函数。然而，在测量背景光谱期间，对象与光谱仪之间的距离可以保持固定。光谱仪装置可以是可移动光谱仪装置。具体地，对象与光谱仪装置之间的距离可以是可变的。评估装置可被配置为确定对象与光谱仪装置之间的距离的改变。因此，必须针对由对象与光谱仪装置之间的距离以及距离的改变而造成的影响，进一步校正强度值和/或背景光谱。评估装置可以适于针对由对象与光谱仪之间的距离造成的影响，校正所确定的光衰减。为了校正由距离造成的光衰减，可以使用进一步校正函数，诸如多项式校正函数，例如二次或高次多项式。例如，可通过z的多项式的分数来校正距离相关光衰减，诸如z的至多三次多项式除以z的至多五次多项式，而系数可以用来调节距离相关光衰减函数。例如，校正函数可以是有理多项式函数。例如，可以使用多项式A·1/z2，其中A为系数或常数，z为纵向坐标z。可以在考虑照射源的发光特性的情况下确定进一步的校正函数。另外，可以通过考虑对象的预定反射特性确定(例如，使用光斑轮廓和/或假设的对象反射特性确定)进一步校正函数。此外，校正函数可以是校正由光学器件、环境光、灰尘、温度造成的光衰减且同时校正距离相关光衰减的组合校正函数。作为示例，组合校正函数可以是距离无关校正函数(诸如背景校正函数)和距离相关校正函数的乘积。
光谱仪装置可以适于通过评估响应于第二组分波长而产生的第一传感器信号和第二传感器信号的组合信号Q来确定对象的至少一个另外的纵向坐标。评估装置可以适于从纵向坐标和另外的纵向坐标确定组合纵向坐标，诸如平均值，并且适于在考虑组合纵向坐标的情况下执行光谱分析。
如本文进一步使用的，术语“评估装置”通常是指适于优选地通过使用至少一个数据处理装置，更优选地通过使用至少一个处理器和/或至少一个专用集成电路执行指定操作的任意装置。因此，作为示例，至少一个评估装置可以包括至少一个数据处理装置，该至少一个数据处理装置上存储有包含大量计算机命令的软件代码。评估装置可以提供用于执行指定操作中的一者或多者的一个或多个硬件元件，和/或可以向一个或多个处理器提供在其上运行以用于执行指定操作中的一者或多者的软件。
包括确定纵向坐标和执行光谱分析的上述操作由至少一个评估装置执行。因此，作为示例，例如可通过实现一个或多个查找表，在软件和/或硬件中实现上述关系中的一种或多种。因此，作为示例，评估装置可以包括被配置为执行上述评估的一个或多个可编程装置，诸如一个或多个计算机、专用集成电路(ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)。然而，附加地或替代地，评估装置也可以全部或部分地由硬件来体现。
光谱仪装置可被配置用于非接触式光谱学。确定距离信息并将距离信息用于光谱测量的校正允许对象与光谱仪装置之间的可变距离。可以避免直接机械接触或使用特殊样品盒。
评估装置可被进一步配置为通过评估距离检测器的具有最高传感器信号的至少一个光学传感器的横向位置来确定对象的至少一个横向坐标。
如上所述，光谱仪装置包括至少一个波长选择元件，其中该波长选择元件被配置为将入射光束分离成组分波长信号的光谱，这些组分波长信号的相应强度通过使用光谱检测器来确定。波长选择元件是线性可变滤波器。光谱仪装置可以包括至少一个锥形聚光器。光谱仪装置还可以包括至少两个照射源，其中每个照射源被配置为通过产生和发射至少一个照射光束来照射对象。照射源可以被同时或交替地使用，以照射对象。来自照射源之一的照射光束可被对象直接反射和/或可以从对象散射。直接反射不能单独地直接与光谱信息区分开。直接反射可以是距离相关的，并且与散射光相比，可以是更少地波长相关的。光谱仪装置可以适于通过在不同的对象距离处记录至少两个光谱和/或通过交替地使用两个光源来记录和比较至少两个光谱而分离直接反射和散射光的光谱。光谱仪装置可以适于同时使用两个光源来记录光谱。
例如，照射源可以被交替地使用。例如，首先，源自例如第一照射源的照射光束可被第一距离处的对象直接反射和/或可以从该对象散射，并且光谱检测器的光学传感器可以适于记录至少一个第一光谱。随后，源自第二照射源的照射光束可被第一距离处的对象直接反射和/或可以从该对象散射，并且光谱检测器的光学传感器可以适于记录至少一个第二光谱。仅示例性地描述了使用照射源的顺序或次序，使得也可以按照其他次序使用照射源，诸如首先使用第二照射源，然后使用第一照射源和/或重复使用一个或两个照射源。光谱仪装置，特别是距离检测器，可以被配置为确定关于至少一个对象与光谱仪装置之间的距离的至少一项距离信息。通过比较第一光谱和第二光谱，评估装置可被配置为确定传感器元件上的至少两个直接反射峰，具体地，源自由第一照射源所照射的对象的直接反射的第一直接反射峰，以及源自由第二照射源所照射的对象的直接反射的第二反射峰。具体地，评估装置可被配置为通过比较第一光谱和第二光谱，确定作为波长(特别地，峰)的函数的强度分布的差异。相应光谱中所确定的峰的位置可以对应于距离检测器和/或光谱检测器的光学传感器矩阵上的位置。评估装置可以适于确定直接反射的光入射在光学传感器矩阵上的位置。例如，评估装置可以适于确定源自第一距离处的由第一照射源所照射的对象的直接反射光入射在光学传感器矩阵上的位置。评估装置可以适于确定源自第一距离处的由第二照射源所照射的对象的直接反射光入射在光学传感器矩阵上的位置。如上所述，直接反射可以是距离相关的，并且与散射光相比，其波长相关性较低。一旦知道直接反射光入射在光学传感器矩阵上的位置，便可使用三角测量算法来确定关于光谱仪装置与对象之间的第一距离的距离信息。评估装置可以适于通过使用至少一种三角测量算法来确定对象的第一距离。
例如，照射源可被同时采用。例如源自第一照射源的照射光束可被第一距离处的对象直接反射和/或可以从该对象散射。第二照射源可用于照射对象。源自第二照射源的照射光束可被第一距离处的对象直接反射和/或可以从该对象散射。光谱检测器的光学传感器可以适于针对第一距离处的对象记录所接收的光的至少一个第一光谱。针对对象的第二距离重复光谱的记录。例如源自第一照射源的照射光束可被第二距离处的对象直接反射和/或可以从该对象散射。源自第二照射源的照射光束可被第二距离处的对象直接反射和/或可以从该对象散射。光谱检测器的光学传感器可以适于针对第二距离处的对象记录所接收的光的至少一个第一光谱。通过比较第一光谱和第二光谱，评估装置可被配置为确定传感器元件上的至少四个直接反射峰。具体地，评估装置可以适于在第一光谱中确定源自由第一照射源照射的对象的直接反射的第一直接反射峰和源自由第二照射源照射的对象的直接反射的第二反射峰。具体地，评估装置可以适于在第二光谱中确定源自由第一照射源照射的对象的直接反射的第三直接反射峰和源自由第二照射源照射的对象的直接反射的第四反射峰。评估装置可被配置为通过比较第一光谱和第二光谱，确定作为波长(特别地，峰)的函数的强度分布的差异。相应光谱中所确定的峰的位置可以对应于距离检测器和/或光谱检测器的光学传感器矩阵上的位置。具体地，评估装置可以适于确定直接反射的光入射在光学传感器矩阵上的位置。例如，反射光源自第一距离和第二距离处的对象，并且评估装置可以适于确定源自由第一照射源照射的第一距离处的对象的直接反射光入射在光学传感器矩阵上的位置。评估装置可以适于确定源自由第二照射源照射的第一距离处的对象的直接反射光入射在光学传感器矩阵上的位置。评估装置可以适于确定源自由第一照射源照射的第二距离处的对象的直接反射光入射在光学传感器矩阵上的位置。评估装置可以适于确定源自由第二照射源照射的第一距离处的对象的直接反射光入射在光学传感器矩阵上的位置。一旦知道与直接反射光入射在矩阵上的位置的相同对象距离相对应的至少两个位置，便可使用三角测量算法来确定关于光谱仪装置与对象之间的距离的距离信息。评估装置可以适于通过使用至少一种三角测量算法来确定到对象的距离。
评估装置被配置为通过评估由至少一个像素化成像检测器确定的对象的至少一个图像来确定对象的材料信息，其中，至少一个像素化成像检测器被配置用于确定对象的至少一个图像。如本文所使用的，术语“材料信息”是指关于对象的材料的被配置用于表征和/或标识和/或分类材料的任意信息。例如，材料信息可以是选自以下各项的至少一个特性：散射系数、半透明性、透明度、从朗伯表面反射的偏差、散斑、材料和/或材料类；对象类型和/或对象类等。材料信息可以包括关于材料特性的信息。如本文所使用的，术语“材料特性”是指材料的被配置用于表征和/或标识和/或分类材料的至少一种任意特性。例如，材料特性可以是选自以下各项的特性：粗糙度、光对材料的穿透深度、将材料表征为生物或非生物材料的特性、反射率、镜面反射率、漫反射率、表面特性、半透明度量，散射，具体是反向散射行为等。至少一个材料特性可以是选择以下各项的特性：散射系数、半透明性、透明度、从朗伯表面反射的偏差、散斑等。
如本文所使用的，术语“确定材料信息”是指以下中的至少一种：确定材料特性和将材料特性分配给对象。评估装置可以包括至少一个数据库，该至少一个数据库包括预定义和/或预定材料信息的列表和/或表，例如查找列表或查找表。材料信息的列表和/或表可以通过使用根据本发明的光谱仪执行至少一个测试测量来确定和/或产生，例如通过使用具有已知材料特性的样品执行材料测试。材料信息的列表和/或表可在制造商现场和/或由光谱仪装置的用户确定和/或产生。材料信息可以附加地分配给材料分类器，诸如以下中的一者或多者：材料名称；材料组，诸如生物或非生物材料、半透明或非半透明材料、金属或非金属、皮肤或非皮肤、毛皮或非毛皮、地毯或非地毯、反光或非反光、镜面反射或非镜面反射、泡沫或非泡沫、头发或非头发；粗糙度组等。评估装置可以包括至少一个数据库，该至少一个数据库包括列表和/或表，该列表和/或表包括材料信息和相关联的材料名称和/或材料组。
通常，“对象”可以是任意的感兴趣样品。样品可以是液体样品或固体样品。对象可包括一个或多个制品和/或制品的一个或多个部分，其中，至少一个制品或其至少一个部分可包括至少一个组件，其可提供适合于研究的光谱。附加地或者替代地，对象可以是或可包括一个或多个生命/或其一个或多个部分，诸如人类(例如，用户)或动物的一个或多个身体部分或体液。例如，对象可以是选自以下各项的至少一个对象：场景、人类(诸如人)、木材、地毯、泡沫、动物(诸如牛)、植物、一块组织、金属、玩具、金属对象、饮料、食品(诸如水果、肉、鱼)、盘子、化妆品、应用化妆品、布、毛皮、头发、保养品、面霜、油、粉末、地毯、果汁、悬浮液、油漆、植物、身体、身体的一部分、有机材料、无机材料、反射材料、屏幕、显示器、墙壁、一张纸，诸如照片。该对象可包括在其上投射照射的至少一个表面。该表面可适于至少部分地朝向光谱仪装置反射照射。例如，不希望受到该理论的束缚，人类皮肤可具有反射轮廓，也表示为反向散射轮廓，其包括由表面的背向反射产生的部分，表示为表面反射；以及由穿透皮肤的光的漫反射产生的部分，表示为背向反射的漫反射部分。关于人类皮肤的反射轮廓，参考“Lasertechnik in der Medizin:Grundlagen,Systeme,Anwendungen”，“Wirkung vonLaserstrahlung auf Gewebe”，1991年，第171页至266页，Jürgen Eichler、Theo Seiler、Springer Verlag、ISBN 0939-0979。皮肤的表面反射可随着波长向近红外的增加而增加。此外，穿透深度可随着从可见光到近红外的增加的波长而增加。背向反射的漫反射部分可能随着光的穿透深度而增加。这些材料特性可用于区分皮肤与其他材料，具体是通过分析反向散射轮廓。
具体地，光谱仪装置可被配置为检测生物组织，特别是人类皮肤。如本文所使用的，术语“生物组织”通常是指包括活细胞的生物材料。光谱仪装置可以是用于生物组织(特别是人类皮肤)的检测(特别是光学检测)的装置。术语“生物组织的检测”是指确定和/或验证待检查或待测试表面是否是或包括生物组织，特别是人类皮肤，和/或指从其他组织(特别是其他表面)区分生物组织(特别是人类皮肤)，和/或指区分不同类型的生物组织，例如区分不同类型的人类组织，例如肌肉、脂肪、器官等。例如，生物组织可以是或可以包括人类组织或其部分，诸如皮肤、头发、肌肉、脂肪、器官等。例如，生物组织可以是或可以包括动物组织或其一部分，诸如皮肤、毛皮、肌肉、脂肪、器官等。例如，生物组织可以是或可以包括植物组织或其一部分。光谱仪装置可适于将动物组织或其部分与一个或多个无机组织、金属表面、塑料表面(例如农机或挤奶机)中的一者或多者区分。光谱仪装置可适于将植物组织或其部分与例如农机的无机组织、金属表面、塑料表面中的一者或多者区分。光谱仪装置可适于将食品和/或饮料与盘子和/或玻璃杯区分。光谱仪装置可适于区分不同类型的食品，诸如水果、肉和鱼。光谱仪装置可适于将化妆品和/或应用化妆品与人类皮肤区分。光谱仪装置可适于将人类皮肤与泡沫、纸张、木材、显示器、屏幕区分。光谱仪装置可适于将人类皮肤与衣服区分。光谱仪装置可适于区分维护产品和机器部件的材料诸如金属部件等。光谱仪装置可适于将有机材料与无机材料区分。光谱仪装置可适于将人类生物组织与人工或非生命对象的表面区分。光谱仪装置可以特别用于非治疗和非诊断应用。
评估装置可以被配置为通过将至少一个材料相关图像滤波器φ应用于由像素化成像检测器确定的对象的图像来确定材料信息。具体地，评估装置可被配置为通过将材料相关图像滤波器φ应用于由成像检测器确定的对象的图像来确定至少一个材料特征
材料相关图像滤波器可以是选自以下各项的至少一个滤波器：亮度滤波器；斑点形状滤波器；平方范数梯度；标准偏差；平滑度滤波器，诸如高斯滤波器或中值滤波器；基于灰度出现的对比度滤波器；基于灰度出现的能量滤波器；基于灰度出现的同质性滤波器；基于灰度出现的相异性滤波器；定律的能量滤波器(Law’s energy filter)；阈值区域滤波器；或其线性组合，或通过|ρφother，φm|≥0.40与亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量滤波器或阈值区域滤波器中的一者或多者、或它们的线性组合相关的另一材料相关图像滤波器φother，其中φm是亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量滤波器、或阈值区域滤波器中的一者或其线性组合。
如本文所使用的，术语“对象的图像”是指由包括至少一个对象特征(诸如反射特征)的像素化成像检测器确定的图像。如本文进一步使用的，但不限制，术语“图像”具体地可以指通过使用成像检测器记录的数据，诸如来自成像装置的多个电子读数，诸如像素化光学检测器的像素。因此，图像本身可以包括像素，图像的像素与像素化光学检测器的像素相关。因此，当涉及“像素”时，或者参考由像素化光学检测器的单个像素产生的图像信息的单元，或者直接参考像素化光学检测器的单个像素。如本文所使用的，术语“反射特征”指响应于例如利用至少一个照射特征的照射而由所述对象生成的图像平面内的特征。特别是，成像检测器可被配置为确定和/或成像和/或记录对象的图像。
至少一个光束可以从对象朝向光谱仪装置传播。光束可以源自对象或可以源自照明源，诸如源自直接或间接照射对象的照射源，其中，光束由对象反射或散射，并且从而至少部分地朝向检测器引导。光谱仪装置可以在有源和/或无源照射场景中使用。例如，至少一个照射源可以适于例如通过将光束朝向反射光束的对象引导来照射对象。对于至少一个照射源附加或替代，光谱仪装置还可以使用场景中已经存在的辐射，诸如来自至少一个环境光源的辐射。
成像检测器可被配置为记录对象的图像的至少一个反射特征的光束轮廓。评估装置可被配置为识别和/或选择由成像检测器提供的图像中的至少一个反射特征，具体是至少一个光斑。评估装置可以被配置为执行至少一个图像分析和/或图像处理以便识别反射特征。图像分析和/或图像处理可以使用至少一个特征检测算法。图像分析和/或图像处理可以包括以下各项中的一项或多项：滤波；至少一个感兴趣区域的选择；形成由传感器信号创建的图像和至少一个偏移之间的差分图像；通过反转由传感器信号创建的图像来反转传感器信号；在由传感器信号在不同时间处创建的图像之间形成差分图像；背景校正；分解成彩色通道；分解成色调；饱和和亮度通道；频率分解；奇异值分解；应用斑点检测器；应用角点检测器；应用Hessian行列式滤波器；应用基于曲率原理的区域检测器；应用最大稳定极值区域检测器；应用广义Hough变换；应用脊线检测器；应用仿射不变特征检测器；应用仿射自适应兴趣点算子；应用Harris仿射区域检测器；应用Hessian仿射区域检测器；应用尺度不变特征变换；应用尺度空间极值检测器；应用局部特征检测器；应用加速鲁棒特征算法；应用梯度定位和取向直方图算法；应用取向梯度描述符的直方图；应用Deriche边缘检测器；应用差分边缘检测器；应用时空兴趣点检测器；应用Moravec角点检测器；应用Canny边缘检测器；应用拉普拉斯高斯滤波器；应用高斯差分滤波器；应用Sobel算子；应用拉普拉斯算子；应用Scharr算子；应用Prewitt算子；应用Roberts算子；应用Kirsch算子；应用高通滤波器；应用低通滤波器；应用傅里叶变换；应用Radon变换；应用Hough变换；应用小波变换；阈值；创建二值图像。具体地，图像的评估包括选择图像中的感兴趣区域。感兴趣区域可以由用户手动确定或者可以自动确定，诸如通过识别由传感器元件产生的图像内的对象。例如，在类光斑反射特征的情况下，可选择感兴趣区域作为光斑轮廓周围的区域。
例如，照射源可以适于产生和/或投射点云，使得多个照射区域在光学传感器(例如，CMOS检测器)的矩阵上产生。此外，干扰可能存在于成像检测器的光学传感器矩阵上，诸如由斑点和/或外部光和/或多次反射造成的干扰。评估装置可以适于确定至少一个感兴趣区域，例如，由光束照射的用于对象的纵坐标的确定的一个或多个像素。例如，评估装置可适于执行滤波方法，例如，斑点分析和/或边缘滤波，和/或对象识别方法。
评估装置可被配置为执行至少一个图像校正。图像校正可以包括至少一个背景减法。评估装置可适于例如通过无需进一步照射的成像从反射光束轮廓中移除来自背景光的影响。
评估装置可被配置为通过评估对象的图像的光束轮廓来确定材料信息。如本文所使用的，术语“图像的光束轮廓”是指图像的至少一个反射特征(诸如传感器元件上的光斑)的至少一个强度分布，其作为像素的函数。图像的光束轮廓(也表示为反射光束轮廓)可以选自梯形光束轮廓、三角形光束轮廓、圆锥形光束轮廓、以及高斯光束轮廓的线性组合。如本文所使用的，术语“评估光束轮廓”是指将至少一个材料相关图像滤波器应用于光束轮廓和/或光束轮廓的至少一个特定区域。
如本文所使用的，“图像”是指二维函数f(x，y)，其中，针对图像中的任何x，y位置给出亮度和/或颜色值。可以对应于记录像素对位置进行离散化。可以对应于光学传感器的位深度对亮度和/或颜色进行离散化。如本文所使用的，术语“图像滤波器”是指应用于光束轮廓和/或光束轮廓的至少一个特定区域的至少一个数学运算。具体地，图像滤波器φ将图像f或图像中的感兴趣区域映射到实数上，
其中，
表示特征，特别是在材料相关图像滤波器的情况下的材料特征。图像可能受限于噪声并且同样适用于特征。因此，特征可以是随机变量。特征可以是正态分布的。如果特征不是正态分布的，则可以将其转换为正态分布，诸如通过Box-Cox变换。
评估装置可配置为通过将至少一个材料相关图像滤波器Ф应用于图像来确定至少一个材料特征
如本文所使用的，术语“材料相关”图像滤波器是指具有材料相关输出的图像滤波器。材料相关图像滤波器的输出在本文中表示为“材料特征
”或“材料相关特征
”。材料特征可以是或可包括材料信息。
材料相关图像滤波器可以是选自以下各项的至少一个滤波器：亮度滤波器；斑点形状滤波器；平方范数梯度；标准偏差；平滑度滤波器，诸如高斯滤波器或中值滤波器；基于灰度出现的对比度滤波器；基于灰度出现的能量滤波器；基于灰度出现的同质性滤波器；基于灰度出现的相异性滤波器；定律的能量滤波器；阈值区域滤波器；或其线性组合；或通过|ρφother，φm|≥0.40与亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量过滤器或阈值区域滤波器中的一者或多者、或它们的线性组合相关的另一材料相关图像滤波器φother，其中φm是亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量滤波器、或阈值区域滤波器中的一者或其线性组合。另一材料相关图像滤波器φother可以通过|ρφother,φm|≥0.60，优选地通过|ρφother,φm|≥0.80与材料相关图像滤波器φm中的一者或多者相关。
两个图像滤波器φi和φj的相似性可通过其特征的相关性进行评估，具体地，通过计算皮尔逊相关系数，
其中，μ和σ是获得特征的平均值和标准偏差。
材料相关图像滤波器可以是通过假设测试的至少一个任意滤波器φ。如本文所使用的，术语“通过假设测试”是指拒绝虚假设H0并且接受替代假设H1的事实。假设测试可包括通过将图像滤波器应用于预定义数据集来测试图像滤波器的材料相关性。数据集可包括多个光束轮廓图像。如本文所使用的，术语“光束轮廓图像”是指NB高斯径向基函数的和，
其中，NB高斯径向基函数中的每一者由中心(xlk,ylk)、前因子alk和指数因子α＝1/∈定义。指数因子对于所有图像中的所有高斯函数是相同的。中心位置xlk,ylk对于所有图像fk:
都相同。数据集中的每个光束轮廓图像可对应于材料分类器和距离。材料分类器可以是标签，诸如“材料A”、“材料B”等。可通过使用上述针对fk(x,y)的公式结合以下参数表来产生光束轮廓图像：
x,y的值是对应于像素的整数，其中
图像可以具有32x32的像素尺寸。光束轮廓图像的数据集可通过使用上述针对fk的公式结合参数集来产生，以获得fk的连续描述。对于32x32图像中的每个像素的值可以通过在fk(x,y)中针对x,y插入来自0,...,31的整数值来获得。例如，对于像素(6，9)，可以计算值fk(6，9)。
随后，对于每个图像fk，可以计算对应于滤波器Φ的特征值
其中，zk是对应于来自预定义数据集的图像fk的距离值。这产生具有对应产生的特征值
的数据集。假设测试可以使用滤波器不在材料分类器之间区分的虚假设。虚假设可以由H0：μ1＝μ2＝…＝μJ给出,其中，μm是对应于特征值
的每个材料组的期望值。索引m表示材料组。假设测试可以用作滤波器在至少两个材料分类器之间区分的替代假设。替代假设可以由H1：
m,m′:μm≠μm′给出。如本文所使用的，术语“不在材料分类器之间区分”是指材料分类器的期望值相同。如本文所使用的，术语“区分材料分类器”是指材料分类器的至少两个期望值不同。如本文所使用的，“区分至少两个材料分类器”与“适合的材料分类器”同义使用。假设测试可以包括对产生的特征值的至少一次方差分析(ANOVA)。特别是，假设测试可包括确定每种J材料的特征值的平均值，即，总J平均值，
对于m∈[0,1,…,J-1],其中，Nm给出预定义数据集中的每种J材料的特征值的数量。假设测试可包括确定所有N个特征值的平均值
假设测试可包括以下内容内确定平均平方和：
假设测试可包括以下内容之间的平均平方和，
假设测试可包括执行F测试：
ο
其中，d1＝N-J,d2＝J-1,
οF(x)＝1–CDF(x)
οp＝F(mssb/mssw)
在本文中，Ix是正则化不完全贝塔函数，
其中欧拉贝塔函数
以及
是不完全贝塔函数。如果p值p小于或等于预定义显著性水平，则图像滤波器可通过假设测试。如果p≤0.075，优选地p≤0.05，更优选地p≤0.025，且最优选地p≤0.01，则滤波器可通过假设测试。例如，在预定义显著性水平是α＝0.075的情况下，如果p值小于α＝0.075，则图像滤波器可通过假设测试。在这种情况下，可以拒绝虚假设H0，并且可以接受替代假设H1。因此，图像滤波器区分至少两个材料分类器。因此，图像滤波器通过假设测试。
在以下中，假设反射图像包括至少一个反射特征，特别是斑点图像，则描述图像滤波器。斑点图像f可以由函数f:R2→R≥0给出，其中，可能已经减去图像f的背景。然而，其他反射特征可以是可能的。
例如，材料相关图像滤波器可以是亮度滤波器。亮度滤波器可以返回斑点的亮度度量作为材料特征。材料特征可以由下式确定：
其中，f是斑点图像。斑点的距离由z表示，其中，z可以例如通过使用离焦测距或光子比率测距技术和/或通过使用三角测量技术来获得。材料的表面法线由n∈R3给出并且可以获得作为由至少三个测量点跨越的表面的法线。向量dray∈R3是光源的方向向量。由于斑点的位置通过使用离焦测距或光子比率测距技术和/或通过使用三角测量技术已知，其中，光源的位置已知为检测器系统的参数，因此dray是斑点与光源位置之间的差向量。
例如，材料相关图像滤波器可以是具有取决于斑点形状的输出的滤波器。该材料相关图像滤波器可能返回与材料的半透明性相关的值作为材料特征。材料的半透明性影响斑点的形状。材料特征可以由下式给出：
其中，0<α,β<1是斑点高度h的权重，并且H表示重侧函数，即，H(x)＝1∶x≥0,H(x)＝0∶x<0。斑点高度h可以由下式确定：
其中，Br是具有半径r的斑点的内圆。
例如，材料相关图像滤波器可以是平方范数梯度。该材料相关图像滤波器可以返回与斑点的软和硬过渡和/或粗糙度的度量相关的值作为材料特征。材料特征可以由下式定义：
例如，材料相关图像滤波器可以是标准偏差。斑点的标准偏差可以由下式确定：
其中，μ是由μ＝∫(f(x))dx给出的平均值。
例如，材料相关图像滤波器可以是平滑度滤波器，诸如高斯滤波器或中值滤波器。在平滑度滤波器的一个实施例中，该图像滤波器可参考与漫散射材料相比体积散射展现出较少散斑对比度的观察结果。该图像滤波器可将对应于散斑对比度的斑点的平滑度量化为材料特征。材料特征可以由下式确定：
其中，F是平滑度函数，例如中值滤波器或高斯滤波器。该图像滤波器可以包括除以距离z，如上述公式中所描述的。距离z可以例如使用离焦测距或光子比率测距技术和/或通过使用三角测量技术来确定。这可允许滤波器对距离敏感。在平滑度滤波器的一个实施例中，平滑度滤波器可以基于提取的散斑噪声图案的标准偏差。散斑噪声图案N可以通过下式以经验方式描述：
f(x)＝f0(x)·(N(X)+1),
其中，f0是去散斑斑点的图像。N(X)是对散斑图案进行建模的噪声项。去散斑图像的计算可能是困难的。因此，去散斑图像可以利用f的平滑版本近似，即f0≈F(f)，其中，F是类似高斯滤波器或中值滤波器的平滑度算子。因此，斑点图案的近似可以由下式给出：
该滤波器的材料特征可以由下式确定：
其中，Var表示方差函数。
例如，图像滤波器可以是基于灰度出现的对比度滤波器。该材料滤波器可以基于灰度出现矩阵Mf,ρ(g1g2)＝[pg1,g2]，而pg1,g2是灰度组合的出现率(g1,g2)＝[f(x1,y1),f(x2,y2)]，并且关系ρ定义了(x1,y1)与(x2,y2)之间的距离，其是ρ(x,y)＝(x+a,y+b)，其中a和b选自0,1。
基于灰度出现的对比度滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是基于灰度出现的能量滤波器。该材料滤波器基于上文定义的灰度出现矩阵。
基于灰度出现的能量滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是基于灰度出现的同质性滤波器。该材料滤波器基于上文定义的灰度出现矩阵。
基于灰度出现的同质性滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是基于灰度出现的相异性滤波器。该材料滤波器基于上文定义的灰度出现矩阵。
基于灰度出现的相异性滤波器的材料特征可以由以下式子给出：
例如，图像滤波器可以是定律的能量滤波器。该材料滤波器可以基于定律向量(laws vector)L5＝[1,4,6,4,1]和E5＝[-1,-2,0,-2,-1]以及矩阵L5(E5)T和E5(L5)T。
图像fk与这些矩阵卷积：
以及
而定律的能量滤波器的材料特征可以由下式确定：
例如，材料相关图像滤波器可以是阈值区域滤波器。该材料特征可能与图像平面中的两个区域相关。第一区域Ω1可以是函数f大于f的最大值α倍的区域。第二区域Ω2可以是函数f小于f的最大值α倍但是大于f的最大值阈值ε倍的区域。优选地，α可以是0.5，并且ε可以是0.05。由于散斑或噪声，区域可不仅仅对应于围绕光斑中心的内圆和外圆。作为示例，Ω1可包括外圆中的散斑或未连接区域。材料特征可以由下式确定：
其中，Ω1＝{x|f(x)>α·max(f(x))}并且Ω2＝{x|ε·max(f(x))<f(x)<α·max(f(x))}。
材料信息m可以通过使用
与m之间的预定关系来确定。评估装置可被配置为使用材料特征
与对象的材料信息之间的至少一种预定关系来确定对象的材料信息。该预定关系可以是经验关系、半经验关系和分析导出的关系中的一者或多者。评估装置可以包括用于存储预定关系的至少一个数据存储装置，例如查找列表或查找表。
在理想情况下，图像滤波器将产生仅取决于材料特性的特征。然而，在光束轮廓分析中使用的图像滤波器可产生取决于距离和材料特性的特征，诸如半透明性。材料相关图像滤波器中的至少一个可以是距离的函数。评估装置可被配置为确定所使用的材料相关图像滤波器是否是距离的函数。具体地，评估装置可被配置为确定材料相关图像滤波器和用于确定距离信息的方法的相关系数。在材料相关图像滤波器与用于确定距离信息的方法的相关系数接近1或-1的情况下，可以通过以最小方差将材料特征投射到主轴上来投射出距离。作为示例，材料特征可以投射到与相关主分量正交的轴上。换句话说，材料特征可以投射到第二主分量上。这可以使用本领域技术人员已知的主分量分析来完成。
在确定纵向坐标z之后，可通过随后评估
来确定材料信息，使得关于纵向坐标z的信息可被考虑用于评估
具体地，材料信息m可以由函数
确定。该函数可以预定义的和/或预定。例如，该函数可以是线性函数。
附加地或替代地，评估装置可被配置为通过以下中的一者或多者来确定材料信息：比较图像分析，诸如基于对象图像与对象库的比较；材料特性分析，诸如通过将从对象112的图像确定的参数与具有存储的参数(诸如颜色、半透明性、物质状态等)的数据库的比较。评估装置可以包括至少一个数据库，该至少一个数据库包括对象库和/或存储的参数，诸如可能对象和可能参数的列表和/或表，诸如查找列表或查找表。对象库可以包括不同对象的图像，对象的确定图像可以与这些不同对象的图像进行比较。评估装置可被配置为经由图像分析来确定对象的至少一个参数，诸如反射率、颜色、半透明性、状态(诸如液体或固体)、粗糙度等。
用于确定距离信息的光学传感器和/或用于光谱学的光学传感器和/或用于对对象成像的光学传感器可以是相同的。具体地，用于确定距离信息的光学传感器可用于对对象进行成像和/或用于光谱学，或反之亦然。因此，用于确定距离信息和/或用于光谱学的光学传感器可对应于或可设计为用于对对象进行成像的光学传感器。
评估装置可被配置为在考虑所确定的距离信息和材料信息的情况下，对所确定的强度执行至少一种光谱分析。材料信息可用于对对象进行预分类，具体地在执行光谱分析之前，特别是在执行光谱测量和/或评估所确定的光谱之前。光谱仪装置可被配置为取决于材料信息选择至少一种感兴趣分析物，并且可对所选择的感兴趣分析物执行光谱测量。附加地或替代地，材料信息可用作用于评估所确定光谱的输入参数，这可允许加速评估。
光谱仪装置可以包括被配置为显示材料信息的至少一个显示装置。材料信息的显示可以包括任意形式的呈现，诸如以图形方式显示材料信息。例如，此外，显示装置可被配置为显示针对对象可以是何种材料或产品的建议。作为示例，材料信息可以是“白色液体”或“白色半透明液体”，并且显示装置可以显示建议列表，诸如油漆、牛奶、奶油、酸奶、面团、淀粉等。
光谱仪装置可被配置为取决于材料信息而选择至少一种感兴趣分析物。例如，评估装置可包括存储材料信息和相关联的感兴趣分析物的数据库。显示装置可提供感兴趣的潜在分析物的列表。光谱仪装置可包括至少一个人机接口，该至少一个人机接口被配置为允许用户选择列表中的至少一种分析物。光谱仪装置可被配置为对所选择的感兴趣分析物执行至少一种光谱分析。因此，允许提供样品的材料信息可以是可能的，具体地在确定光谱信息之前，以便利于用户的应用。作为示例，光谱仪装置可允许检测样品是否是牛奶，以显示脂肪或乳糖含量。
在另一方面，本发明公开了一种用于确定来自至少一个对象的至少一个光束的至少一个光特性的至少一个差异的方法。在该方法中，使用了根据本发明，例如根据涉及在上面公开的或在下面更详细公开的光谱仪装置的一个或多个实施例的至少一个光谱仪装置。但仍然可以使用其他类型的光谱仪装置。该方法包括以下方法步骤，其中这些方法步骤可以以给定顺序执行或可以以不同顺序执行。此外，可以存在未列出的一个或多个其他方法步骤。此外，可以重复地执行一个、多于一个或甚至所有方法步骤。
所述方法步骤如下：
-确定从对象传播到光谱仪装置的至少一个光束的组分波长信号的强度；
-通过使用至少一个距离检测器确定至少一个对象与光谱仪装置之间的至少一项距离信息；
-通过使用至少一个评估装置评估由至少一个像素化成像检测器确定的对象的至少一个图像，来确定对象的至少一项材料信息；
-在考虑所确定的距离信息和材料信息的情况下，对组分波长信号的所确定的强度执行至少一种光谱分析。
有关细节、选项和定义，可以参考如上所述的光谱仪装置。因此，具体地，如上所述，该方法可以包括使用根据本发明(例如根据在上面给出或在下面更详细地给出的一个或多个实施例)的光谱仪装置。
在本发明的另一方面，提出了根据本发明(例如根据在上面给出或在下面更详细地给出的一个或多个实施例)的光谱仪装置的用途，用于选自以下项的使用目的：光谱学应用；排气监测应用；燃烧过程监测应用；污染监测应用；工业过程监测应用；化学过程监测应用；食品加工过程监测应用；水质监测应用；空气质量监测应用；质量控制应用；温度控制应用；运动控制应用；排气控制应用；气体感测应用；气体分析应用；运动感测应用；化学感测应用；移动应用；医疗应用；可移动光谱学应用；食品分析应用；农业应用，诸如土壤、青贮饲料、饲料、作物或农产品的特性，监测植物健康；塑料识别和/或回收应用。
总的来说，在本发明的上下文中，以下实施例被视为优选的：
实施例1：一种被配置为确定至少一个对象的至少一项光谱或光谱学信息的光谱仪装置，其中，所述光谱仪装置被配置为确定从所述对象传播到所述光谱仪装置的至少一个光束的组分波长信号的强度，其中，所述光谱仪装置包括至少一个距离检测器，其中，所述距离检测器被配置为确定关于所述至少一个对象与所述光谱仪装置之间的距离的至少一项距离信息，其中，所述光谱仪装置包括至少一个像素化成像检测器，所述至少一个像素化成像检测器被配置为确定所述对象的至少一个图像，其中，所述光谱仪装置包括至少一个评估装置，其中，所述评估装置被配置为通过评估由所述像素化成像检测器确定的所述对象的至少一个图像来确定所述对象的至少一项材料信息，其中，所述评估装置被配置为在考虑所确定的距离信息和所述材料信息的情况下，对组分波长信号的所确定的强度执行至少一种光谱分析。
实施例2：根据前一实施例所述的光谱仪装置，其中所述光谱仪装置是可移动光谱仪装置。
实施例3：根据前述实施例中的任一项所述的光谱仪装置，其中，所述光谱仪装置包括至少一个波长选择元件，其被配置为将入射光分离为组分波长信号的光谱，其中，通过采用包括多个像素的至少一个像素化光学检测器和/或至少一个单像素光学检测器来确定组分波长信号的相应强度。
实施例4：根据前述实施例中任一项所述的光谱仪装置，其中所述光谱仪装置被配置为无接触光谱学。
实施例5：根据前述实施例中的任一项所述的光谱仪装置，其中，所述光谱仪装置被配置为使得所述对象与所述光谱仪装置之间的距离可变。
实施例6：根据前一实施例所述的光谱仪装置，其中所述评估装置被配置为确定所述对象与所述光谱仪装置之间的距离的改变。
实施例7：根据前述两个实施例中任一项所述的光谱仪装置，其中所述评估装置适于根据所确定的距离信息，确定由所述对象与所述光谱仪装置之间的距离引起的光衰减。
实施例8：根据前述实施例中任一项所述的光谱仪装置，其中所述光谱分析包括确定由所述对象的存在引起的至少一个光特性的至少一个差异，其中所述光特性的差异选自：至少一个波长相关强度差异；至少一个波长相关偏振差异。
实施例9：根据前一实施例所述的光谱仪装置，其中，通过使用以下技术中的一者或多者获得所述距离信息：光子比率测距、结构化光、光束轮廓分析、飞行时间、从运动恢复形状、对焦测距、三角测量、离焦测距、立体传感器。
实施例10：根据前述实施例中的任一项所述的光谱仪装置，其中，所述距离检测器包括具有光学传感器的矩阵的至少一个传感器元件，所述光学传感器各自具有光敏区域，其中，每个光学传感器可被配置为响应于由从所述至少一个对象传播到所述光谱仪装置的至少一个光束对所述光敏区域的照射而产生至少一个传感器信号，其中，所述光学传感器中的至少一个第一光学传感器适于响应于被第一组分波长的照射而产生第一传感器信号，以及其中，光学传感器中的至少一个第二光学传感器适于响应于所述第一组分波长的照射而产生第二传感器信号，以及其中，所述评估装置被配置为通过评估所述第一传感器信号和所述第二传感器信号的组合信号Q，确定所述对象的至少一个纵向坐标z。
实施例11：根据前一实施例所述的光谱仪装置，其中所述组合信号Q通过以下一者或多者导出：形成所述第一信号与所述第二信号的商，或反之亦然；形成所述第一信号的倍数与所述第二信号的倍数的商，或反之亦然；形成所述第一信号的线性组合与所述第二信号的线性组合的商，或反之亦然；形成所述第一信号和所述第二信号的第一线性组合与所述第一信号和所述第二信号的第二线性组合的商。
实施例12：根据两个前述实施例中任一项所述的光谱仪装置，其中所述评估装置被配置为使用所述组合信号Q与所述对象的所述纵向坐标z之间的至少一种预定关系来确定所述纵向坐标z。
实施例13：根据三个前述实施例中任一项所述的光谱仪装置，其中所述评估装置被配置为确定被所述第一组分波长照射并且具有最高传感器信号的所述至少一个光学传感器以及形成所述第一传感器信号，其中所述第一传感器信号是至少一个中心信号，其中所述评估装置被配置为评估被所述第一波长组分照射的所述矩阵中的所述光学传感器的传感器信号以及形成所述第二传感器信号，其中所述第二传感器信号是至少一个和信号，其中所述评估装置被配置为通过组合所述中心信号和所述和信号来确定所述组合信号Q。
实施例14：根据前一实施例所述的光谱仪装置，其中所述中心信号选自：所述最高传感器信号；位于相对于所述最高传感器信号的预定公差范围内的一组传感器信号的平均值；来自包含具有所述最高传感器信号的所述光学传感器和预定的一组相邻光学传感器的一组光学传感器的传感器信号的平均值；来自包含具有所述最高传感器信号的所述光学传感器和预定的一组相邻光学传感器的一组光学传感器的传感器信号的和；位于相对于所述最高传感器信号的预定公差范围内的一组传感器信号的和；高于预定阈值的一组传感器信号的平均值；高于预定阈值的一组传感器信号的和；来自包含具有所述最高传感器信号的所述光学传感器和预定的一组相邻光学传感器的一组光学传感器的传感器信号的积分；位于相对于所述最高传感器信号的预定公差范围内的一组传感器信号的积分；高于预定阈值的一组传感器信号的积分，其中所述和信号选自：所述矩阵的所有传感器信号的平均值；所述矩阵的所有传感器信号的和；所述矩阵的所有传感器信号的积分；除了来自对所述中心信号有贡献的那些光学传感器的传感器信号以外，所述矩阵的所有传感器信号的平均值；除了来自对所述中心信号有贡献的那些光学传感器的传感器信号以外，所述矩阵的所有传感器信号的和；除了来自对所述中心信号有贡献的那些光学传感器的传感器信号以外，所述矩阵的所有传感器信号的积分；位于相对于具有所述最高传感器信号的所述光学传感器的预定范围内的光学传感器的传感器信号的和；位于相对于具有所述最高传感器信号的所述光学传感器的预定范围内的光学传感器的传感器信号的积分；位于相对于具有所述最高传感器信号的所述光学传感器的预定范围内的光学传感器的高于特定阈值的传感器信号的和；位于相对于具有所述最高传感器信号的所述光学传感器的预定范围内的光学传感器的高于特定阈值的传感器信号的积分。
实施例15：根据前述五个实施例中的任一项所述的光谱仪装置，其中，所述光谱仪装置适于通过评估响应于第二组分波长而产生的第一传感器信号和第二传感器信号的组合信号Q来确定所述对象的至少一个另外的纵向坐标，其中，评估装置适于从所述纵向坐标和所述另外的纵向坐标确定组合纵向坐标并且在考虑所述组合纵向坐标的情况下执行所述光谱分析。
实施例16：根据前述实施例中的任一项所述的光谱仪装置，其中，所述至少一项材料信息是选自以下各项的至少一个特性：散射系数、半透明性、透明度、与朗伯表面反射的偏差、散斑、材料和/或材料类；对象类型和/或对象类等。
实施例17：根据前述实施例中的任一项所述的光谱仪装置，其中，所述评估装置被配置为通过对由所述像素化成像检测器确定的所述对象的图像应用至少一个材料相关图像滤波器Ф来确定所述材料信息，其中，所述材料相关图像滤波器是选自以下各项的至少一个滤波器：亮度滤波器；斑点形状滤波器；平方范数梯度；标准偏差；平滑度滤波器，诸如高斯滤波器或中值滤波器；基于灰度出现的对比度滤波器；基于灰度出现的能量滤波器；基于灰度出现的同质性滤波器；基于灰度出现的相异性滤波器；定律的能量滤波器；阈值区域滤波器；或其线性组合；或通过|ρφother，φm|≥0.40与亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量过滤器、或阈值区域滤波器中的一者或多者、或它们的线性组合相关的另一材料相关图像滤波器φother，其中φm是亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量滤波器、或阈值区域滤波器中的一者或其线性组合。
实施例18：根据前述实施例所述的光谱仪装置，其中，所述材料相关图像滤波器是通过假设测试的至少一个滤波器，其中，所述假设测试使用所述滤波器在材料分类器之间不区分的虚假设和所述滤波器区分至少两个材料分类器的替代假设，其中，如果p值p小于或等于预定义显著性水平，则所述滤波器通过所述假设测试，其中，p≤0.075，优选地p≤0.05，更优选地p≤0.025，最优选地p≤0.01。
实施例19：根据前述实施例中的任一项所述的光谱仪装置，其中，所述评估装置被配置为通过以下中的一者或多者来确定材料信息：比较图像分析，诸如基于所述对象的图像与对象库的比较；材料特性分析，诸如通过将从所述对象的图像确定的参数与具有诸如颜色、半透明性、物质状态等的存储参数的数据库的比较。
实施例20：根据前述实施例中的任一项所述的光谱仪装置，其中，所述光谱仪装置包括被配置为显示材料信息的至少一个显示装置。
实施例21：根据前述实施例中的任一项所述的光谱仪装置，其中，所述光谱仪装置被配置为取决于所述材料信息而选择至少一种感兴趣分析物，其中，所述光谱仪装置被配置为对所选择的感兴趣分析物执行至少一种光谱分析。
实施例22：根据前述实施例中的任一项所述的光谱仪装置，其中，所述光谱仪装置包括至少一个照射源，其中，所述照射源适于利用至少一个照射光束来照射对象。
实施例23：根据前述实施例中的任一项所述的光谱仪装置，其中，所述照射源包括至少一个激光源。
实施例24：根据前述实施例中的任一项所述的光谱仪装置，其中，所述像素化成像检测器是选自以下各项的至少一个检测器：至少一个CCD检测器；至少一个CMOS检测器；至少一个InGaAs检测器。
实施例25：一种用于确定源自至少一个对象的至少一个光束的至少一个光特性的至少一个差异的方法，其中，在方法中，使用根据涉及光谱仪装置的前述实施例中的任一项所述的光谱仪装置，方法包括以下步骤：
-确定从所述对象传播到所述光谱仪装置的至少一个光束的组分波长信号的强度；
-通过使用至少一个距离检测器确定至少一个对象与所述光谱仪装置之间的至少一项距离信息；
-通过使用至少一个评估装置评估由至少一个像素化成像检测器确定的所述对象的至少一个图像，来确定所述对象的至少一项材料信息；
-在考虑所确定的距离信息和所述材料信息的情况下，对组分波长信号的所确定的强度执行至少一次光谱分析。
实施例26：根据涉及光谱仪装置的前述实施例中任一项所述的光谱仪装置的用途，用于选自以下项的使用目的：红外检测应用；光谱学应用；排气监测应用；燃烧过程监测应用；污染监测应用；工业过程监测应用；化学过程监测应用；食品加工过程监测应用；水质监测应用；空气质量监测应用；质量控制应用；温度控制应用；运动控制应用；排气控制应用；气体感测应用；气体分析应用；运动感测应用；化学感测应用；移动应用；医疗应用；可移动光谱学应用；食品分析应用；农业应用，例如土壤、青贮饲料、饲料、作物或农产品的特性，监测植物健康；塑料标识和/或回收应用。
附图说明
通过以下结合从属权利要求对优选示例性实施例的描述，本发明的其他可选细节和特征将显而易见。在这种情况下，可以以分离的方式或通过与其他特征组合来实现特定特征。本发明不限于示例性实施例。在附图中示意性地示出了示例性实施例。各个附图中相同的参考标号指代相同的元件或具有相同功能的元件，或者在其功能方面彼此对应的元件。
具体地，在图中：
图1示出了根据本发明的光谱仪装置的示例性实施例。
具体实施方式
在图1中，示出了根据本发明的光谱仪装置110的实施例的示意图。光谱仪装置110可以适于执行至少一种光谱分析，所述至少一种光谱分析包括确定由于对象112的存在而引起的至少一个光特性的至少一个差异。光特性的差异可以选自：至少一个波长相关强度差异；至少一个波长相关偏振差异。
光谱仪装置110可以包括波长选择元件114，该波长选择元件114被配置为将入射光分离成组分波长信号的光谱，该组分波长信号的相应强度通过使用包括至少一个像素化光学检测器116的至少一个光谱检测器来确定。例如，波长选择元件114可以是或可以包括至少一个棱镜。例如，波长选择元件114可以是和/或可以包括至少一个光学滤波器，诸如长度可变滤波器。
像素化光学检测器116可以包括至少一个传感器元件，其具有光学传感器118的矩阵。光学传感器118各自可以具有光敏区域。每个光学传感器118可被配置为响应于由从至少一个对象112传播到光谱仪装置110的至少一个光束对光敏区域的照射而产生至少一个传感器信号。检测器116可以包括一系列光学传感器118，该一系列光学传感器118可以优选地沿着长度可变滤波器的长度在单个行中布置为一维矩阵，或者在多于一行，尤其是在两个、三个或四个平行的行中以二维矩阵形式布置，特别地，以便尽可能多地接收入射光的大部分强度。因此，一个方向上的像素数N可以比另一方向上的像素数M高，从而可以获得一维1×N矩阵或矩形的二维M×N矩阵，其中M＜10且N≥10，优选地N≥20，更优选地N≥50。另外，本文中使用的矩阵也可以交错排列地放置。在此，本文中所使用的每个光学传感器118可以具有相同的或在公差水平内的相似的光学灵敏度，尤其是为了易于制造该系列光学传感器118。然而，其他种类的布置也是可行的。
像素化光学检测器116的光学传感器118中的每一者可以适于接收组分波长信号之一的至少一部分。每个组分波长信号与每个组分波长的强度有关。可在波长选择元件114上的特定空间位置处通过波长选择元件114的光可以随后入射在像素化光学检测器116上。换句话说，像素化光学检测器118可优选地以这样的方式放置：光可首先入射在波长选择元件114上，并且此后仅可穿过波长选择元件114上的特定空间位置光的部分能够入射在的像素化光学检测器116上的对应空间位置。作为结果，波长选择元件114因此可用于通过其相关联的(一个或多个)波长将入射光分离为至少一个对应的空间位置，而由像素化光学检测器116包括的特定光学传感器118可以因此用于测量入射光的强度，由于其特定波长，入射光可能能够在对应的空间位置处穿过波长选择元件114，并且因此，入射到被提供用于确定特定波长处的入射光的强度的特定光学传感器118。因此，在特别优选的实施例中，检测器116可以包括光学传感器118的序列，该传感器118的序列可以以一个接一个的一系列光学传感器118的形式定位，其中，光学传感器118的序列可以以相对于干扰滤波器的连续布置平行的方式沿着波长选择元件114的长度放置。
特别地，为了实现光谱仪装置的高分辨率，每个光学传感器118可以因此适于仅在小空间角度上接收入射光。该布置特别反映了波长选择元件114的设置，该波长选择元件114被设计为根据入射光沿波长选择元件114的长度方向入射的空间位置来产生所需的光谱。该特定布置可以由像素化光学检测器116实现，该像素化光学检测器116包括多个光学传感器118，特别是多个像素化光学传感器118，其中，每个光学传感器118适于接收由长度可变滤波器提供的组分波长信号之一的至少一部分。如上所述，每个组分波长信号由此与每个组分波长的强度有关。
像素化光学传感器116可以被设计为产生与入射在个体光学传感器上的入射光的强度相关联的信号，优选地为电子信号。该信号可以是模拟信号和/或数字信号。相应地，相邻的光学传感器的电子信号可以同时或以时间上连续的方式产生。举例来说，在线扫描或行扫描期间，有可能产生电子信号的序列，这些电子信号对应于被布置成行的一系列个体像素。另外，个体光学传感器118优选地可以是有源像素传感器，其可以适于在将电子信号提供给外部评估单元之前对该电子信号进行放大。为此，像素化光学检测器116可以包括一个或多个信号处理器件，诸如用于处理和/或预处理电子信号的一个或多个滤波器和/或模数转换器。
像素化光学检测器116可以选自任何已知的像素传感器，特别地选自像素化有机相机元件，优选地为像素化有机相机芯片，或选自像素化无机相机元件，优选地为像素化无机相机芯片，更优选地选自目前在各种相机中常用的CCD芯片或CMOS芯片。作为替代，像素化光学检测器可以是或包括光电导体，特别是无机光电导体，尤其是PbS、PbSe、Ge、InGaAs、扩展InGaAs、InSb或HgCdTe。作为另一替代，其可以包括热电、辐射热测量计或热电堆检测器元件。因此，这里可以使用具有1×N像素或M×N像素的矩阵的相机芯片，其中M＜10且N≥10，优选地N≥20，更优选地N≥50。进一步地，可以使用单色相机元件，优选地为单色相机芯片，其中可以针对每个像素传感器不同地选择单色相机元件，尤其是根据沿着一系列光学传感器的变化的波长。
作为另一替代，像素化光学检测器116可基于FiP传感器，在其他文件中，FiP传感器在WO 2012/110924 A1、WO 2014/097181 A1或WO 2016/120392 A1中公开。替代地，其他种类的像素化光学检测器也是可行的。
因此，像素化光学检测器116可以适于提供可由像素化光学检测器所包括的光学传感器的光敏区域产生的多个电信号。由光谱仪装置110的像素化光学检测器116提供的电信号随后可以被转发到评估装置120。评估装置120可被配置为确定与对象112(其光谱已被记录，特别是通过使用本文所述的光谱仪装置110)的光谱相关的信息，其中所述信息可以通过评估由像素化光学检测器116提供的检测器信号获得。所述信息例如可以以电子的、可视的、可听的方式或它们的任意组合来提供。此外，所述信息可以被存储在光谱仪装置110的数据存储装置中或单独的存储装置中和/或可以经由至少一个接口122(诸如无线接口和/或有线连接接口)来提供给至少一个外部装置(诸如显示装置等)。
光谱仪装置110可以包括至少一个聚光器装置(这里未示出)，用于将光束引导至波长选择元件114。另外，光谱仪装置110还可以包括至少一个转移装置124。从对象112射出的光束126可以首先穿过转移装置124，直到其随后通过波长选择元件114，并且最终入射在像素化光学检测器116上为止。转移装置124可以选自光学透镜、曲面镜、光栅和衍射光学元件。更特别地，光学透镜可以尤其选自双凸透镜、平凸透镜、双凹透镜、平凹透镜、非球面透镜、圆柱透镜和弯月形透镜。因此，转移装置124可以包括至少部分透明的材料，优选地在上述波长选择元件114的整个波长范围内至少部分透明的材料。为此，也可以使用在这方面提到的相同或相似的光学透明材料。然而，其他光学元件也是可行的。
从对象112射出的光束126可以源于对象本身，但也可以可选地具有不同的起源，从该起源传播到对象112，然后传播到光谱仪装置110。后一种情况特别地会受到所使用的至少一个照射源128的影响。因此，从对象112传播到光谱仪装置110的光束126可以是可被对象112和/或与对象112相连的反射装置反射的光。替代地或附加地，光可以至少部分地透射通过对象112。
光谱仪装置110可以包括照射源128。照射源128可以以各种方式实现。因此，照射源128例如可以是壳体130中的光谱仪装置110的一部分。然而，替代地或附加地，照射源128也可以布置在壳体130外部，例如作为单独的光源。照射源128可以与对象112分开布置，并从远处照射对象112。照射源128可以优选地包括这样一种照射源：该照射源已知能够在可见光谱范围内和/或在红外(IR)光谱范围内，尤其是在近红外(NIR)光谱范围内提供足够的发射，特别是白炽灯。替代地或附加地，照射源128可以选自以下照射源中的至少一者：激光器，特别是激光二极管，但是也可以使用其他类型的激光器；发光二极管；有机光源，特别是有机发光二极管；霓虹灯；结构化光源；火焰源；热源。替代地或附加地，可以使用其他照射源。
光谱仪装置110被配置为确定关于至少一个对象112与光谱仪装置110之间的距离的至少一项距离信息。光谱仪装置110可以适于同时或随后确定距离信息和与对象112的光谱有关的信息。光谱仪装置110可以适于在光谱测量之前和/或期间和/或之后执行距离信息(诸如纵向坐标)的确定。光谱仪装置110可以构成坐标系，其中纵向坐标是沿着光谱仪装置110的光轴132的坐标。坐标系可以是极坐标系，其中光谱仪装置110的光轴132形成z轴，并且可以使用距z轴的距离和极角作为附加坐标。平行于或反平行于z轴的方向可被视为纵向方向，并且沿着z轴的坐标可被视为纵向坐标或距离。任何垂直于z轴的方向都可被视为横向方向，并且极坐标和/或极角可被视为横向坐标。可使用以下一者或多者获得对象112与光谱仪装置110之间的距离：光子比率测距、结构化光、光束轮廓分析、飞行时间、从运动恢复形状、对焦测距、三角测量、离焦测距、立体传感器。此外，可以使用至少一个FiP传感器来获得距离信息，如WO 2012/110924 A1或WO 2014/097181 A1中所述。
图1示出了一个实施例，其中光谱仪装置110包括至少一个距离检测器134，该至少一个距离检测器134被配置为确定对象112与光谱仪装置110之间的距离。可通过使用以下技术中的一者或多者获得对象112与光谱仪装置110之间的距离：光子比率测距、结构化光、光束轮廓分析、飞行时间、从运动恢复形状、对焦测距、三角测量、离焦测距、立体传感器。例如，距离检测器134可被配置为基于三角测量原理(诸如至少一个三角测量接近传感器)和/或基于飞行时间(TOF)原理来确定距离。光谱仪装置110可以包括至少一个飞行时间传感器。飞行时间传感器可以适于根据照射光束136例如从照射源128传播到对象112以及光束126从对象112传播到飞行时间传感器所用的飞行时间来产生至少一个传感器信号。飞行时间传感器可以选自：至少一个脉冲飞行时间检测器；至少一个相位调制飞行时间检测器；至少一个直接飞行时间检测器；至少一个间接飞行时间检测器。例如，脉冲飞行时间检测器可以是至少一个距离选通成像器和/或至少一个直接飞行时间成像器。例如，相位调制飞行时间检测器可以是具有至少一个相位检测器的至少一个RF调制光源。飞行时间传感器可以适于确定照射源的照射光束的发出与反射光束的接收之间的时间延迟。
具体地，图1示出了实施例，其中光谱仪装置110，特别是距离检测器134，可以适于基于光子比率测距技术确定位置。关于基于光子比率测距技术的方法和装置的细节，请参考2017年11月17日提交的国际专利申请PCT/EP2017/079577、PCT/EP2017/079558、PCT/EP2017/079564以及在2018年3月15日提交的PCT/EP2018/056545，这些专利申请的全部内容通过引用被包括在本文中。光子比率测距是在检测器技术方面非常灵活，因此在所用光源的波长方面也非常灵活的距离测量技术。已知的可移动光谱仪技术使用硅、InAs、InGaAs或扩展InGaAs检测器，其中硅的波长范围非常有限，而InAs和InGaAs都很昂贵。铅盐检测器在移动应用方面相当有前景，这是因为新颖的封装技术可实现紧凑的传感器设计，例如请参见WO 2018/019921 A1。使用光子比率测距可以允许可靠的距离测量，并且在较少的额外工作量的情况下可在光谱仪中轻松实现。
距离检测器134可包括具有光学传感器矩阵的至少一个传感器元件。附加地或替代地，像素化光学检测器116可用作传感器元件。在每种情况下，光学传感器各自可以具有光敏区域。每个光学传感器可被配置为响应于由从至少一个对象传播到光谱仪装置的至少一个光束对光敏区域的照射而产生至少一个传感器信号。光学传感器中的至少一个第一光学传感器可以适于响应于被第一组分波长照射而产生第一传感器信号，并且光学传感器中的至少一个第二光学传感器可以适于响应于被第一组分波长照射而产生第二传感器信号。评估装置120可以被配置为通过评估第一传感器信号和第二传感器信号的组合信号Q，确定对象112的至少一个纵向坐标z。评估装置120被配置为通过在考虑所确定的纵向坐标z的情况下执行至少一种光谱分析来评估由光学传感器的矩阵的光学传感器产生的至少一个传感器信号。
用于确定距离信息的光学传感器和用于光谱学的光学传感器可以是相同的，并且可以实现为光学传感器118。具体地，用于确定距离信息的光学传感器可用作用于光谱学的光学传感器，反之亦然。因此，用于确定距离信息的光学传感器可以对应于或可被设计为用于光谱学的光学传感器和/或传感器元件的光学传感器的矩阵可以对应于或可以被设计为像素化光学传感器116。
光学传感器118和/或距离检测器134的光学传感器具体地可以是或可以包括至少一个光电检测器，优选地无机光电检测器，更优选地无机半导体光电检测器，最优选地硅光电检测器。具体地，光学传感器可以在红外光谱范围内是敏感的。矩阵中的所有像素或矩阵中的至少一组光学传感器具体可以是相同的。具体地，可针对不同光谱范围提供矩阵中的多组相同的像素，或者所有像素具有相同的光谱灵敏度。此外，像素可以具有相同的尺寸和/或电子或光电子特性。具体地，光学传感器118可以是或可以包括在红外光谱范围内，优选在700nm至3.0微米范围内敏感的至少一个无机光电二极管。具体地，光学传感器118可以在近红外区域的一部分中是敏感的，在该部分中，具体地在700nm至1100nm范围内，可应用硅光电二极管。可用于光学传感器的红外光学传感器可以是可商购的红外光学传感器，例如德国D-67056Ludwigshafen am Rhein的TrinamiX GmbH公司推出的商标名称为HertzstueckTM的可商购红外光学传感器。因此，作为示例，光学传感器118可以包括至少一个本征光伏类型的光学传感器，更优选地，包括选自以下的至少一个半导体光电二极管：Ge光电二极管、InGaAs光电二极管、扩展InGaAs光电二极管、InAs光电二极管、InSb光电二极管、HgCdTe光电二极管。附加地或替代地，光学传感器可以包括至少一个非本征光伏类型的光学传感器，更优选地，包括选自以下的至少一个半导体光电二极管：Ge:Au光电二极管、Ge:Hg光电二极管、Ge:Cu光电二极管、Ge:Zn光电二极管、Si:Ga光电二极管、Si:As光电二极管。附加地或替代地，光学传感器可以包括至少一个光电导传感器，例如PbS或PbSe传感器、辐射热测量计，优选地选自VO辐射热测量计和非晶Si辐射热测量计的辐射热测量计。
为了使用光子比率测距技术来确定对象112的纵向坐标，可以采用至少两个光学传感器。为了获得距离信息，距离检测器134可包括至少一个光学传感器和/或多个光学传感器。具体地，针对光谱学，可以采用与棱镜组合的一个光学传感器118或与光学滤波器组合的若干个光学传感器。例如，用于使用光子比率测距技术来确定对象的纵向坐标的光学传感器118中的一个可以用于光谱学。例如，像素化光学检测器116可被配置用于光谱学和使用来自光子比率测距技术确定对象112的纵向坐标。因此，使用光子比率测距允许可靠的距离测量，并且在较少的额外工作量的情况下可在光谱仪中轻松实现。
距离检测器134的每个光学传感器和/或光学传感器118的矩阵的每个光学传感器118可被配置为响应于由从至少一个对象112传播到光谱仪装置110的至少一个光束(特别地，具有一个组分波长)对光敏区域的照射而产生至少一个传感器信号。距离检测器134和/或光学传感器118的至少一个第一光学传感器可适于响应于被第一组分波长的照射而产生第一传感器信号，以及距离检测器134和/或光学传感器118的至少一个第二光学传感器可适于响应于被第一组分波长的照射而产生第二传感器信号。
评估装置120可以适于评估组合信号。由此确定对象112的至少一个纵向坐标。评估可以包括评估第一传感器信号和第二传感器信号的组合信号。评估装置120可被配置为通过以下一者或多者导出组合信号：对传感器信号做除法，对传感器信号的倍数做除法，或对传感器的线性组合做除法。评估装置120可被配置为使用组合信号与纵向坐标之间的至少一种预定关系来确定纵向坐标。该预定关系可以是经验关系、半经验关系和分析导出的关系中的一者或多者。评估装置120可以包括用于存储预定关系的至少一个数据存储装置，例如查找列表或查找表。
可通过使用各种手段来确定组合信号。作为示例，可以使用并且可以在评估装置120中实现用于导出商信号的软件手段和/或用于导出商信号的硬件手段。因此，作为示例，评估装置120可以包括至少一个除法器138，其中除法器138被配置为导出商信号。除法器138可以全部或部分地体现为软件除法器和/或硬件除法器。除法器138可以完全或部分地被集成到传感器元件应答中，或者可以完全或部分地体现为独立于传感器元件。
例如，通过下式导出组合信号Q：
其中x和y是横向坐标，A1和A2是在距离检测器134的传感器元件的位置处的至少一个光束轮廓的不同区域，并且E(x,y,zo)表示在距离zo处给出的光束轮廓。光束轮廓可以选自梯形光束轮廓、三角光束轮廓、圆锥形光束轮廓、以及高斯光束轮廓的线性组合。区域A1和区域A2可能不同。特别地，A1和A2并不一致。因此，A1和A2的形状或内容中的一者或多者可能不同。每个传感器信号可以包括光束轮廓的至少一个区域的至少一项信息。通常，光束轮廓取决于亮度L(zo)和光束形状S(x,y；zo)，E(x,y；zo)＝L·S。因此，通过导出组合信号，能够独立于亮度确定纵向坐标。另外，使用组合信号允许独立于对象尺寸来确定距离zo。因此，组合信号允许独立于待测量对象112的材料特性和/或反射特性和/或散射特性并且独立于光源的变化(诸如，通过制造精度、热、水、灰尘、镜头损坏等的变化)来确定距离zo。
第一传感器信号和第二传感器信号中的每一者可以包括光束轮廓的至少一个区域的至少一项信息。可以布置光敏区域，使得传感器信号中的一者包括光束轮廓的第一区域的信息，传感器信号中的另一者包括光束轮廓的第二区域的信息。光束轮廓的第一区域和光束轮廓的第二区域可以是相邻或重叠区域中的一者或两者。第一区域和第二区域在面积上可以不一致。光束轮廓的第一区域可以包括光束轮廓的基本上边缘信息，并且光束轮廓的第二区域可以包括光束轮廓的基本上中心信息。边缘信息可以包括与光束轮廓的第一区域中的光子数量有关的信息，并且中心信息包括与光束轮廓的第二区域中的光子数量有关的信息。评估装置120可被配置为确定和/或选择光束轮廓的第一区域和光束轮廓的第二区域。光束轮廓可以具有中心，即光束轮廓的最大值和/或光束轮廓平顶的中心点和/或光斑的几何中心，以及从中心延伸的下降缘。第二区域可以包括横截面的内部区域，第一区域可以包括横截面的外部区域。优选地，中心信息中具有的边缘信息的比例小于10％，更优选地小于5％，最优选地，中心信息不包括任何边缘内容。边缘信息可以包括整个光束轮廓的信息，特别地，来自中心区域和边缘区域的信息。边缘信息中具有的中心信息的比例小于10％，优选地小于5％，更优选地，边缘信息不包括任何中心信息。如果光束轮廓的至少一个区域靠近或围绕中心并且包括基本上中心信息，则可以将该至少一个区域确定和/或选择为光束轮廓的第二区域。如果光束轮廓的至少一个区域包括横截面的下降边缘的至少一些部分，则可以将该至少一个区域确定和/或选择为光束轮廓的第一区域。例如，可以将横截面的整个区域确定为第一区域。光束轮廓的第一区域可以是区域A1，光束轮廓的第二区域可以是区域A2。
第一区域A1和第二区域A2的其他选择也是可行的。例如，第一区域可以包括光束轮廓的基本上外部区域，第二区域可以包括光束轮廓的基本上内部区域。例如，在二维光束轮廓的情况下，光束轮廓可以被分为左部分和右部分，其中第一区域可以包括光束轮廓的基本上左部分的区域，第二区域可以包括光束轮廓的基本上右部分的区域。
边缘信息可以包括与光束轮廓的第一区域中的光子数量有关的信息，中心信息可以包括与光束轮廓的第二区域中的光子数量有关的信息。评估装置120可以适于确定光束轮廓的面积积分。评估装置120可以适于通过对第一区域进行积分和/或求和来确定边缘信息。评估装置可以适于通过对第二区域进行积分和/或求和来确定中心信息。例如，光束轮廓可以是梯形光束轮廓，并且评估装置可以适于确定梯形的积分。此外，当假设梯形光束轮廓时，可通过使用梯形光束轮廓的特性的等效评估(例如确定边缘的斜率和位置以及中心平顶的高度并通过几何考虑导出边缘信号和中心信号)来代替边缘信号和中心信号的确定。附加地或替代地，评估装置120可以适于从光斑的至少一个切片或切口确定中心信息或边缘信息中的一者或两者。例如，这可通过用沿着切片或切口的线积分代替组合信号中的面积积分来实现。为了提高准确性，可以使用光斑的若干切片或切口并取平均值。在椭圆形光斑轮廓的情况下，对若干切片或切口进行平均会改善距离信息。
如所解释的，例如在WO 2012/110924 A1或WO 2014/097181 A1中，通常，在光斑的尺寸(例如，光斑的直径、束腰或等效直径)与对象(光束从该对象朝着传感器元件传播)的纵向坐标之间存在预定的或可确定的关系。不希望受到该理论的束缚，光斑可通过两个测量变量来表征：在光斑中心或靠近光斑中心的小测量区域中测量的测量信号(也称为中心信号)，以及在具有或没有中心信号的情况下对光斑积分的积分信号或和信号。对于具有在光束加宽或聚焦时不会改变的一定总功率的光束，和信号应与光斑的光斑尺寸无关，因此，至少在使用位于其相应测量范围的线性光学传感器时，和信号应与对象112和光谱仪装置110之间的距离无关。然而，中心信号取决于光斑尺寸。因此，中心信号通常在光束聚焦时增大，而在光束散焦时减小。因此，通过比较中心信号与和信号，可以产生关于由光束产生的光斑的尺寸以及由此关于反射位置的纵向坐标的信息项。例如，可通过从中心信号和和信号形成组合信号Q，并且通过使用纵向坐标与组合信号之间的用于导出纵向坐标的预定或可确定的关系，来进行中心信号与和信号的比较。
评估装置120可以适于确定被第一波长组分照射的距离检测器134和/或光学传感器118的那些光学传感器。评估装置120可被配置为确定被第一组分波长照射并且具有最高传感器信号的至少一个光学传感器118并形成第一传感器信号。第一传感器信号可以是至少一个中心信号。评估装置120可被配置为评估被第一波长组分照射的距离检测器134和/或光学传感器118的光学传感器的传感器信号并形成第二传感器信号。第二传感器信号是至少一个和信号。评估装置120可被配置为通过组合中心信号和和信号来确定组合信号Q。
例如，中心信号可以是具有多个传感器信号中的最高传感器信号的像素和/或距离检测器134和/或光学传感器118的至少一个光学传感器的信号，该多个传感器信号由距离检测器134和/或光学传感器118的光学传感器和/或整个矩阵的像素或矩阵内感兴趣区域的像素产生，其中感兴趣区域可以在由光学传感器118和/或矩阵的像素产生的图像内预定或可确定。中心信号可以从距离检测器134和/或光学传感器118的单个光学传感器和/或像素产生或从距离检测器134和/或光学传感器118的一组光学传感器产生，其中在后一种情况下，作为示例，可以将一组光学传感器和/或像素的传感器信号进行累加、积分或平均，以确定中心信号。产生中心信号的距离检测器134和/或光学传感器118的一组光学传感器和/或像素可以是一组相邻的光学传感器和/或像素，诸如与具有最高传感器信号的实际光学传感器和/或像素相距小于预定距离的光学传感器和/或像素，或者可以是产生在距最高传感器信号的预定范围内的传感器信号的一组光学传感器和/或像素。可以尽可能大地选择产生中心信号的距离检测器134和/或光学传感器118的一组光学传感器和/或像素，以便允许最大的动态范围。评估装置120可以适于通过对多个传感器信号(例如，位于具有最高传感器信号的光学传感器118和/或像素周围的多个光学传感器和/或像素)进行积分来确定中心信号。
如上所述，中心信号通常可以是单个传感器信号，例如来自光斑中心的光学传感器和/或像素的传感器信号，或者可以是多个传感器信号的组合，诸如来自光斑中心的光学传感器和/或像素的传感器信号的组合，或者是通过处理根据上述一种或多种可能性导出的传感器信号而导出的次级传感器信号。中心信号的确定可通过电子的方式执行，因为传感器信号的比较可通过常规电子器件相当简单地实现，或者可完全或部分地通过软件执行。具体地，中心信号可以选自：最高传感器信号；位于相对于最高传感器信号的预定公差范围内的一组传感器信号的平均值；来自包含具有最高传感器信号的光学传感器和/或像素和预定的一组相邻光学传感器和/或像素的一组光学传感器和/或像素的传感器信号的平均值；来自包含具有最高传感器信号的光学传感器和/或像素和预定的一组相邻光学传感器和/或像素的一组光学传感器和/或像素的传感器信号的和；位于相对于最高传感器信号的预定公差范围内的一组传感器信号的和；高于预定阈值的一组传感器信号的平均值；高于预定阈值的一组传感器信号的和；来自包含具有最高传感器信号的光学传感器和预定的一组相邻光学传感器的一组光学传感器的传感器信号的积分；位于相对于所述最高传感器信号的预定公差范围内的一组传感器信号的积分；高于预定阈值的一组传感器信号的积分。
例如，可通过对整个矩阵或矩阵内感兴趣区域的传感器信号进行累加、积分或平均来导出和信号，其中感兴趣区域可以在由距离检测器134和/或矩阵中的光学传感器118的光学传感器产生的图像内预定或可确定。在对传感器信号进行累加、积分或平均时，可以从累加、积分或平均中省去产生传感器信号的实际光学传感器，或者可以将这些实际光学传感器包括在累加、积分或平均中。评估装置120可以适于通过对整个矩阵或矩阵内感兴趣区域的信号进行积分来确定和信号。例如，光束轮廓可以是梯形光束轮廓，并且评估装置可以适于确定整个梯形的积分。此外，当假设梯形光束轮廓时，可通过使用梯形光束轮廓的特性的等效评估，诸如确定边缘的斜率和位置以及中心平顶的高度并通过几何考虑导出边缘信号和中心信号，来代替边缘信号和中心信号的确定。
类似地，中心信号和边缘信号也可通过使用光束轮廓的分段(诸如光束轮廓的圆形分段)来确定。例如，可以经由不通过光束轮廓中心的割线或弦将光束轮廓分成两段。因此，一段基本上包含边缘信息，而另一段包含基本上中心信息。例如，为了进一步减少中心信号中的边缘信息量，可以进一步从中心信号中减去边缘信号。
组合信号Q可以是通过组合中心信号和和信号而产生的信号。具体地，该确定可以包括以下一者或多者：形成中心信号与和信号的商，或反之亦然；形成中心信号的倍数与和信号的倍数的商，或反之亦然；形成中心信号的线性组合与和信号的线性组合的商，或反之亦然。附加地或替代地，组合信号Q可以包括任意信号或信号组合，该任意信号或信号组合包含关于中心信号与和信号之间的比较的至少一项信息。
光谱仪装置110可以被配置为确定至少一个对象112的至少一项光谱或光谱学信息。光谱仪装置110包括至少一个评估装置，该至少一个评估装置120被配置为在考虑所确定的距离信息的情况下执行至少一种光谱分析。评估装置120可被配置为在考虑所确定的纵向坐标z的情况下执行至少一种光谱分析。在光谱分析中，可以确定对象的至少一项光谱或光谱学信息。具体地，评估装置120可被配置为确定由对象与光谱仪装置110之间的距离引起的光衰减。光谱分析可包括确定由于对象112的存在而引起的至少一个光特性的至少一个差异。光特性的差异可以选自：至少一个波长相关强度差异；和至少一个波长相关偏振差异。评估装置120可以适于在考虑光衰减的情况下执行光谱分析。评估装置120可以适于校正由光学检测器确定的组分波长信号的光谱强度。具体地，评估装置120可以适于例如通过将所确定的强度值乘以和/或除以至少一个校正函数来针对光衰减校正所确定的强度值。可以依照经验和/或半经验和/或分析确定校正函数。例如，光谱仪装置可被配置为通过测量取决于光学器件、光源、光源特性、灰尘等的背景光谱来确定光衰减。光谱仪装置110可以被配置为从中导出校正函数，例如背景校正函数。然而，在测量背景光谱期间，对象与光谱仪之间的距离可以保持固定。光谱仪装置可以是可移动光谱仪装置。具体地，对象112与光谱仪装置110之间的距离可以是可变的。评估装置120可被配置为确定对象112与光谱仪装置110之间的距离的改变。因此，必须针对因对象与光谱仪装置之间的距离以及距离的改变而产生的影响，进一步校正强度值和/或背景光谱。评估装置120可以适于针对由对象与光谱仪之间的距离造成的影响，校正所确定的光衰减。为了校正由距离造成的光衰减，可以使用进一步校正函数，诸如多项式校正函数，例如二次或高次多项式。例如，可通过z的多项式的分数来校正距离相关光衰减，诸如z的至多三次多项式除以z的至多五次多项式，而系数可以用来调节距离相关光衰减函数。例如，校正函数可以是有理多项式函数。例如，可以使用多项式A·1/z2，其中A为系数或常数，z为纵向坐标z。可以在考虑照射源的发光特性的情况下确定进一步校正函数。另外，可以通过考虑对象的预定反射特性确定(例如，使用光斑轮廓和/或假设的对象反射特性确定)进一步校正函数。此外，校正函数可以是校正由光学器件、环境光、灰尘、温度引起的光衰减且同时校正距离相关光衰减的组合校正函数。作为示例，组合校正函数可以是距离无关校正函数(诸如背景校正函数)和距离相关校正函数的乘积。
光谱仪装置110可以适于通过评估响应于第二组分波长而产生的第一传感器信号和第二传感器信号的组合信号Q来确定对象的至少一个另外的纵向坐标。评估装置120可以适于从纵向坐标和另外的纵向坐标确定组合纵向坐标，诸如平均值，并且在考虑组合纵向坐标的情况下执行光谱分析。
光谱仪装置110可被配置用于非接触式光谱学。确定距离信息并将距离信息用于光谱测量的校正允许对象与光谱仪装置之间的距离可变。可以避免直接机械接触或使用特殊样品盒。
评估装置120被配置为通过评估由至少一个成像检测器121确定的对象112的至少一个图像来确定对象112的材料信息，其中，在图1中，像素化光学检测器116或距离检测器134中的一者或两者可以用作成像检测器121。例如，材料信息可以是选自以下各项的至少一个特性：散射系数、半透明性、透明度、从朗伯表面反射的偏差、散斑、材料和/或材料类；对象类型和/或对象类等。材料信息可以包括关于材料特性的信息。例如，材料特性可以是选自以下各项的特性：粗糙度、光对材料的穿透深度、将材料表征为生物或非生物材料的特性、反射率、镜面反射率、漫反射率、表面特性、半透明度量，散射，具体是反向散射行为等。至少一个材料特性可以是选择以下各项的特性：散射系数、半透明性、透明度、从朗伯表面反射的偏差、散斑等。
评估装置120可以包括至少一个数据库140，该至少一个数据库140包括预定义和/或预定材料信息的列表和/或表，例如查找列表或查找表。材料信息的列表和/或表可以通过使用根据本发明的光谱仪执行至少一个测试测量来确定和/或产生，例如通过使用具有已知材料特性的样品执行材料测试。材料信息的列表和/或表可在制造商现场和/或由光谱仪装置的用户确定和/或产生。材料信息可以附加地分配给材料分类器，诸如以下中的一者或多者：材料名称；材料组，诸如生物或非生物材料、半透明或非半透明材料、金属或非金属、皮肤或非皮肤、毛皮或非毛皮、地毯或非地毯、反光或非反光、镜面反射或非镜面反射、泡沫或非泡沫、头发或非头发；粗糙度组等。评估装置120可以包括至少一个数据库142，该至少一个数据库142包括列表和/或表，该列表和/或表包括材料信息和相关联的材料名称和/或材料组。
对象112可包括一个或多个制品和/或制品的一个或多个部分，其中，至少一个制品或其至少一个部分可包括至少一个组件，其可提供适合于研究的光谱。附加地或者替代地，对象112可以是或可包括一个或多个生命/或其一个或多个部分，诸如人类(例如，用户)或动物的一个或多个身体部分或体液。例如，对象112可以是选自以下各项的至少一个对象：场景、人类(诸如人)、木材、地毯、泡沫、动物(诸如牛)、植物、一块组织、金属、玩具、金属对象、饮料、食品(例如水果、肉、鱼)、盘子、化妆品、应用化妆品、布、毛皮、头发、保养品、面霜、油、粉末、地毯、果汁、悬浮液、油漆、植物、身体、身体的一部分、有机材料、无机材料、反射材料、屏幕、显示器、墙壁、一张纸，诸如照片。该对象112可包括在其上投射照射的至少一个表面。该表面可适于至少部分地朝向光谱仪装置反射照射。例如，不希望受到该理论的束缚，人类皮肤可能具有反射轮廓，也表示为反向散射轮廓，其包括由表面的背向反射产生的部分，表示为表面反射；以及由穿透皮肤的光的漫反射产生的部分，表示为背向反射的漫反射部分。关于人类皮肤的反射轮廓，参考“Lasertechnik in der Medizin:Grundlagen,Systeme,Anwendungen”，“Wirkung von Laserstrahlung auf Gewebe”，1991年，第171页至266页，Jürgen Eichler、Theo Seiler、Springer Verlag、ISBN 0939-0979。皮肤的表面反射可随着波长向近红外的增加而增加。此外，穿透深度可随着从可见光到近红外的增加的波长而增加。背向反射的漫反射部分可能随着光的穿透深度而增加。这些材料特性可用于区分皮肤与其他材料，具体是通过分析反向散射轮廓。
具体地，光谱仪装置110可被配置为检测生物组织，特别是人类皮肤。光谱仪装置110可以是用于检测(特别是光学检测)生物组织(特别是人类皮肤)的装置。生物组织的检测可包括确定和/或验证待检查或待测试表面是否是或包括生物组织，特别是人类皮肤，和/或指从其他组织(特别是其他表面)区分生物组织，特别是人类皮肤，和/或指区分不同类型的生物组织，例如区分不同类型的人类组织，例如肌肉、脂肪、器官等。例如，生物组织可以是或可以包括人类组织或其部分，诸如皮肤、头发、肌肉、脂肪、器官等。例如，生物组织可以是或可以包括动物组织或其一部分，诸如皮肤、毛皮、肌肉、脂肪、器官等。例如，生物组织可以是或可以包括植物组织或其一部分。光谱仪装置110可适于将动物组织或其部分与无机组织、金属表面、塑料表面(例如农机或挤奶机)中的一者或多者区分。光谱仪装置110可适于将植物组织或其部分与例如农机的无机组织、金属表面、塑料表面中的一者或多者区分。光谱仪装置110可适于将食品和/或饮料与盘子和/或玻璃杯区分。光谱仪装置110可适于区分不同类型的食品，诸如水果、肉和鱼。光谱仪装置110可适于将化妆品和/或应用化妆品与人类皮肤区分。光谱仪装置110可适于将人类皮肤与泡沫、纸张、木材、显示器、屏幕区分。光谱仪装置可适于将人类皮肤与衣服区分。光谱仪装置110可适于区分维护产品和机器部件材料，例如金属部件等。光谱仪装置110可适于将有机材料与无机材料区分。光谱仪装置110可适于将人类生物组织与人工或非生命对象的表面区分。光谱仪装置110可以特别用于非治疗和非诊断应用。
评估装置120可以被配置为通过将至少一个材料相关图像滤波器φ应用于由成像检测器121确定的对象112的图像来确定材料信息。具体地，评估装置可被配置为通过将材料相关图像滤波器φ应用于由像素化光学检测器116和/或距离检测器134确定的对象112的图像来确定至少一个材料特征φm。
材料相关图像滤波器可以是选自以下各项的至少一个滤波器：亮度滤波器；斑点形状滤波器；平方范数梯度；标准偏差；平滑度滤波器，诸如高斯滤波器或中值滤波器；基于灰度出现的对比度滤波器；基于灰度出现的能量滤波器；基于灰度出现的同质性滤波器；基于灰度出现的相异性滤波器；定律的能量滤波器；阈值区域滤波器；或其线性组合，或通过|ρφother，φm|≥0.40与亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量过滤器、或阈值区域滤波器中的一者或多者、或它们的线性组合相关的另一材料相关图像滤波器φother，其中φm是亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量滤波器、或阈值区域滤波器中的一者或其线性组合。
像素化光学检测器116可被配置为记录对象112的图像的至少一个反射特征的光束轮廓。评估装置120可被配置为识别和/或选择由像素化光学检测器116提供的图像中的至少一个反射特征，具体是至少一个光斑。评估装置可以被配置为执行至少一个图像分析和/或图像处理以便识别反射特征。图像分析和/或图像处理可以使用至少一个特征检测算法。图像分析和/或图像处理可以包括以下各项中的一项或多项：滤波；至少一个感兴趣区域的选择；形成由传感器信号创建的图像和至少一个偏移之间的差分图像；通过反转由传感器信号创建的图像来反转传感器信号；在由传感器信号在不同时间处创建的图像之间形成差分图像；背景校正；分解成彩色通道；分解成色调；饱和和亮度通道；频率分解；奇异值分解；应用斑点检测器；应用角点检测器；应用Hessian行列式滤波器；应用基于曲率原理的区域检测器；应用最大稳定极值区域检测器；应用广义Hough变换；应用脊线检测器；应用仿射不变特征检测器；应用仿射自适应兴趣点算子；应用Harris仿射区域检测器；应用Hessian仿射区域检测器；应用尺度不变特征变换；应用尺度空间极值检测器；应用局部特征检测器；应用加速鲁棒特征算法；应用梯度定位和取向直方图算法；应用取向梯度描述符的直方图；应用Deriche边缘检测器；应用差分边缘检测器；应用时空兴趣点检测器；应用Moravec角点检测器；应用Canny边缘检测器；应用拉普拉斯高斯滤波器；应用高斯差分滤波器；应用Sobel算子；应用拉普拉斯算子；应用Scharr算子；应用Prewitt算子；应用Roberts算子；应用Kirsch算子；应用高通滤波器；应用低通滤波器；应用傅里叶变换；应用Radon变换；应用Hough变换；应用小波变换；阈值；创建二值图像。具体地，图像的评估包括选择图像中的感兴趣区域。感兴趣区域可以由用户手动确定或者可以自动确定，诸如通过识别由传感器元件产生的图像内的对象。例如，在类光斑反射特征的情况下，可选择感兴趣区域作为光斑轮廓周围的区域。
例如，照射源128可以适于产生和/或投射点云，使得多个照射区域在距离检测器134和/或光学传感器118(例如，CMOS检测器)的矩阵上产生。此外，干扰可能存在于距离检测器134和/或光学传感器的矩阵上，诸如由斑点和/或外部光线和/或多次反射造成的干扰。评估装置120可以适于确定至少一个感兴趣区域，例如，由用于对象的纵坐标的确定的光束照射的一个或多个像素。例如，评估装置120可适于执行滤波方法，例如，斑点分析和/或边缘滤波，和/或对象识别方法。
评估装置120可被配置为执行至少一个图像校正。图像校正可以包括至少一个背景减法。评估装置可适于例如通过无需进一步照射的成像从反射光束轮廓中移除来自背景光的影响。
评估装置112可被配置为通过评估对象的图像的光束轮廓来确定材料信息。图像的光束轮廓(也表示为反射光束轮廓)可以选自梯形光束轮廓、三角光束轮廓、圆锥形光束轮廓、以及高斯光束轮廓的线性组合。
图像可以是二维函数f(x，y)，其中，针对图像中的任何x，y位置给出亮度和/或颜色值。可以对应于记录像素对位置进行离散化。可以对应于光学传感器的位深度对亮度和/或颜色进行离散化。图像滤波器可以是应用于光束轮廓和/或光束轮廓的至少一个特定区域的至少一个数学运算。具体地，图像滤波器φ将图像f或图像中的感兴趣区域映射到实数上，
其中，
表示特征，特别是在材料相关图像滤波器的情况下的材料特征。图像可能受限于噪声并且同样适用于特征。因此，特征可以是随机变量。特征可以是正态分布的。如果特征不是正态分布的，则可以将其转换为正态分布，诸如通过Box-Cox变换。
评估装置可配置为通过将至少一个材料相关图像滤波器φ应用于图像来确定至少一个材料特征
材料相关图像滤波器可以是选自以下各项的至少一个滤波器：亮度滤波器；斑点形状滤波器；平方范数梯度；标准偏差；平滑度滤波器，诸如高斯滤波器或中值滤波器；基于灰度出现的对比度滤波器；基于灰度出现的能量滤波器；基于灰度出现的同质性滤波器；基于灰度出现的相异性滤波器；定律的能量滤波器；阈值区域滤波器；或其线性组合；或通过|ρφother，φm|≥0.40与亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量过滤器或阈值区域滤波器中的一者或多者、或它们的线性组合相关的另一材料相关图像滤波器φother，其中φm是亮度滤波器、斑点形状滤波器、平方范数梯度、标准偏差、平滑度滤波器、基于灰度出现的能量滤波器、基于灰度出现的同质性滤波器、基于灰度出现的相异性滤波器、定律的能量滤波器、或阈值区域滤波器中的一者或其线性组合。另一材料相关图像滤波器φother可以通过|ρφother,φm|≥0.60，优选地通过|ρφother,φm|≥0.80与材料相关图像滤波器φm中的一者或多者相关。
材料相关图像滤波器可以是通过假设测试的至少一个任意滤波器φ。如本文所使用的，术语“通过假设测试”是指拒绝虚假设H0并且接受替代假设H1的事实。假设测试可包括通过将图像滤波器应用于预定义数据集来测试图像滤波器的材料相关性。数据集可包括多个光束轮廓图像。如本文所使用的，术语“光束轮廓图像”是指NB高斯径向基函数的和，
其中，NB高斯径向基函数中的每一者由中心(xlk,ylk)、前因子alk和指数因子α＝1/∈定义。指数因子对于所有图像中的所有高斯函数是相同的。中心位置xlk,ylk对于所有图像fk:
都相同。数据集中的每个光束轮廓图像可对应于材料分类器和距离。材料分类器可以是标签，诸如“材料A”、“材料B”等。可通过使用上述针对fk(x,y)公式结合以下参数表来产生光束轮廓图像：
x,y的值是对应于像素的整数，其中
图像可以具有32x32的像素尺寸。光束轮廓图像的数据集可通过使用上述针对fk的公式结合参数集来产生，以获得fk的连续描述。对于，对于32x32图像中的每个像素的值可以通过在fk(x,y)中针对x,y插入来自0,...,31的整数值来获得。例如，对于像素(6,9)，可以计算值fk(6,9)。
随后，对于每个图像fk，可以计算对应于滤波器Φ的特征值
其中，zk是对应于来自预定义数据集的图像fk的距离值。这产生具有对应产生的特征值
的数据集。假设测试可以使用滤波器不在材料分类器之间区分的虚假设。虚假设可以由H0：μ1＝μ2＝…＝μJ给出，其中，μm是对应于特征值
的每个材料组的期望值。索引m表示材料组。假设测试可以用作滤波器在至少两个材料分类器之间区分的替代假设。替代假设可以由H1:
m,m′:μm≠μm′给出。如本文所使用的，术语“不在材料分类器之间区分”是指材料分类器的期望值相同。如本文所使用的，术语“区分材料分类器”是指材料分类器的至少两个期望值不同。如本文所使用的，“区分至少两个材料分类器”与“适合的材料分类器”同义使用。假设测试可以包括对产生的特征值的至少一次方差分析(ANOVA)。特别是，假设测试可包括确定每个J材料的特征值的平均值，即总J平均值，
对于m∈[0,1,…,J-1],其中，Nm给出预定义数据集中的每种J材料的特征值的数量。假设测试可包括确定所有N个特征值的平均值
假设测试可包括以下内容内确定平均平方和：
假设测试可包括以下内容之间的平均平方和，
假设测试可包括执行F测试：
ο
其中，d1＝N-J,d2＝J-1,
οF(x)＝1–CDF(x)
οp＝F(mssb/mssw)
在本文中，Ix是正则化不完全贝塔函数，
其中欧拉贝塔函数
以及
是不完全贝塔函数。如果p值p小于或等于预定义显著性水平，则图像滤波器可通过假设测试。如果p≤0.075，优选地p≤0.05，更优选地p≤0.025，且最优选地p≤0.01，则滤波器可通过假设测试。例如，在预定义显著性水平是α＝0.075的情况下，则如果p值小于α＝0.075，则图像滤波器可通过假设测试。在这种情况下，可以拒绝虚假设H0，并且可以接受替代假设H1。因此，图像滤波器区分至少两个材料分类器。因此，图像滤波器通过假设测试。
在以下中，假设反射图像包括至少一个反射特征，特别是斑点图像，则描述图像滤波器。斑点图像f可以由函数f:R2→R≥0给出，其中，可能已经减去图像f的背景。然而，其他反射特征可以是可能的。
例如，材料相关图像滤波器可以是亮度滤波器。亮度滤波器可以返回斑点的亮度度量作为材料特征。材料特征可以由下式确定：
其中，f是斑点图像。斑点的距离由z表示，其中，z可以例如通过使用离焦测距或光子比率测距技术和/或通过使用三角测量技术来获得。材料的表面法线由n∈R3给出并且可以获得作为由至少三个测量点跨越的表面的法线。向量dray∈R3是光源的方向向量。由于斑点的位置通过使用离焦测距或光子比率测距技术和/或通过使用三角测量技术已知，其中，光源的位置被已知为检测器系统的参数，因此dray是斑点与光源位置之间的差向量。
例如，材料相关图像滤波器可以是具有取决于斑点形状的输出的滤波器。该材料相关图像滤波器可能返回与材料的半透明性相关的值作为材料特征。材料的半透明性影响斑点的形状。材料特征可以由下式给出：
其中，0<α,β<1是斑点高度h的权重，并且H表示重侧函数，即H(x)＝1∶x≥0,H(x)＝0∶x<0。斑点高度h可以由下式确定：
其中，Br是具有半径r的斑点的内圆。
例如，材料相关图像滤波器可以是平方范数梯度。该材料相关图像滤波器可以返回与斑点的软和硬过渡和/或粗糙度的度量相关的值作为材料特征。材料特征可以由下式定义：
例如，材料相关图像滤波器可以是标准偏差。斑点的标准偏差可以由下式确定：
其中，μ是由μ＝∫(f(x))dx给出的平均值。
例如，材料相关图像滤波器可以是平滑度滤波器，诸如高斯滤波器或中值滤波器。在平滑度滤波器的一个实施例中，该图像滤波器可参考与漫散射材料相比体积散射展现出较少散斑对比度的观察结果。该图像滤波器可将对应于散斑对比度的斑点的平滑度量化为材料特征。材料特征可以由下式确定：
其中，F是平滑度函数，例如中值滤波器或高斯滤波器。该图像滤波器可以包括除以距离z，如上述公式中所描述的。距离z可以例如使用离焦测距或光子比率测距技术和/或通过使用三角测量技术来确定。这可允许滤波器对距离敏感。在平滑度滤波器的一个实施例中，平滑度滤波器可以基于提取的散斑噪声图案的标准偏差。散斑噪声图案N可以通过下式以经验方式描述：
f(x)＝f0(x)·(N(X)+1),
其中，f0是去散斑斑点的图像。N(X)是对散斑图案进行建模的噪声项。去散斑图像的计算可能是困难的。因此，去散斑图像可以利用f的平滑版本近似，即f0≈F(f)，其中，F是类似高斯滤波器或中值滤波器的平滑度算子。因此，斑点图案的近似可以由下式给出：
该滤波器的材料特征可以由下式确定：
其中Var表示方差函数。
例如，图像滤波器可以是基于灰度出现的对比度滤波器。该材料滤波器可以基于灰度出现矩阵Mf,ρ(g1g2)＝[pg1,g2]，而pg1,g2是灰度组合的出现率(g1,g2)＝[f(x1,y1),f(x2,y2)]，并且关系ρ定义了(x1,y1)与(x2,y2)之间的距离，其是ρ(x,y)＝(x+a,y+b)，其中a和b选自0,1。
基于灰度出现的对比度滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是基于灰度出现的能量滤波器。该材料滤波器基于上文定义的灰度出现矩阵。
基于灰度出现的能量滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是基于灰度出现的同质性滤波器。该材料滤波器基于上文定义的灰度出现矩阵。
基于灰度出现的同质性滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是基于灰度出现的相异性滤波器。该材料滤波器基于上文定义的灰度出现矩阵。
基于灰度出现的相异性滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是定律的能量滤波器。该材料滤波器可以基于定律向量L5＝[1,4,6,4,1]和E5＝[-1,-2,0,-2,-1]以及矩阵L5(E5)T和E5(L5)T。
图像fk与这些矩阵卷积：
以及
而定律的能量滤波器的材料特征可以由下式确定：
例如，材料相关图像滤波器可以是阈值区域滤波器。该材料特征可能与图像平面中的两个区域相关。第一区域Ω1可以是函数f大于f的最大值α倍的区域。第二区域Ω2可以是函数f小于f的最大值α倍但是大于f的最大值阈值ε倍的区域。优选地，α可以是0.5，并且ε可以是0.05。由于散斑或噪声，区域可不仅仅对应于围绕光斑中心的内圆和外圆。作为示例，Ω1可包括外圆中的散斑或未连接区域。材料特征可以由下式确定：
其中，Ω1＝{x|f(x)>α·max(f(x))}并且Ω2＝{x|ε·max(f(x))<f(x)<α·max(f(x))}。
材料信息m可以通过使用
与m之间的预定关系来确定。评估装置可被配置为使用材料特征
与对象的材料信息之间的至少一种预定关系来确定对象的材料信息。该预定关系可以是经验关系、半经验关系和分析导出的关系中的一者或多者。评估装置可以包括用于存储预定关系的至少一个数据存储装置，例如查找列表或查找表。
在理想情况下，图像滤波器将产生仅取决于材料特性的特征。然而，在光束轮廓分析中使用的图像滤波器可产生取决于距离和材料特性的特征，诸如半透明性。材料相关图像滤波器中的至少一个可以是距离的函数。评估装置可被配置为确定所使用的材料相关图像滤波器是否是距离的函数。具体地，评估装置可被配置为确定材料相关图像滤波器和用于确定距离信息的方法的相关系数。在材料相关图像滤波器与用于确定距离信息的方法的相关系数接近1或-1的情况下，可以通过以最小方差将材料特征投射到主轴上来投射出距离。作为示例，材料特征可以投射到与相关主分量正交的轴上。换句话说，材料特征可以投射到第二主分量上。这可以使用本领域技术人员已知的主分量分析来完成。
在确定纵向坐标z之后，可通过随后评估
来确定材料信息，使得关于纵向坐标z的信息可被考虑用于评估
具体地，材料信息m可以由函数
确定。该函数可以预定义的和/或预定。例如，该函数可以是线性函数。
随后地，对于每个图像fk，可以计算对应于滤波器
的特征值
其中，zk是对应于来自预定义数据集的图像fk的距离值。这产生具有对应产生的特征值
的数据集。假设测试可以使用滤波器不在材料分类器之间区分的虚假设。虚假设可以由H0：μ1＝μ2＝…＝μJ，给出，其中，μm是对应于特征值
的每个材料组的期望值。索引m表示材料组。假设测试可以用作滤波器在至少两个材料分类器之间区分的替代假设。替代假设可以由H1:
m,m′:μm≠μm′给出。如本文所使用的，术语“不在材料分类器之间区分”是指材料分类器的期望值相同。如本文所使用的，术语“区分材料分类器”是指材料分类器的至少两个期望值不同。如本文所使用的，“区分至少两个材料分类器”与“适合的材料分类器”同义使用。假设测试可以包括对产生的特征值的至少一次方差分析(ANOVA)。特别是，假设测试可包括确定每种J材料的特征值的平均值，即，总J平均值，
对于m∈[0,1,…,J-1],其中，Nm给出预定义数据集中的每个J材料的特征值的数量。假设测试可包括确定所有N个特征值的平均值
假设测试可包括以下内容内确定平均平方和：
假设测试可包括以下内容之间的平均平方和，
假设测试可包括执行F测试：
ο
其中，d1＝N-J,d2＝J-1,
οF(x)＝1–CDF(x)
οp＝F(mssb/mssw)
在本文中，Ix是正则化不完全贝塔函数，
其中欧拉贝塔函数
以及
是不完全贝塔函数。如果p值p小于或等于预定义显著性水平，则图像滤波器可通过假设测试。如果p≤0.075，优选地p≤0.05，更优选地p≤0.025，且最优选地p≤0.01，则滤波器可通过假设测试。例如，在预定义显著性水平是α＝0.075的情况下，如果p值小于α＝0.075，则图像滤波器可通过假设测试。在这种情况下，可以拒绝虚假设H0，并且可以接受替代假设H1。因此，图像滤波器区分至少两个材料分类器。因此，图像滤波器通过假设测试。
在以下中，假设反射图像包括至少一个反射特征，特别是斑点图像，则描述图像滤波器。斑点图像f可以由函数f:R2→R≥0给出，其中，可能已经减去图像f的背景。然而，其他反射特征可以是可能的。
例如，材料相关图像滤波器可以是亮度滤波器。亮度滤波器可以返回斑点的亮度度量作为材料特征。材料特征可以由下式确定：
其中，f是斑点图像。斑点的距离由z表示，其中，z可以例如通过使用离焦测距或光子比率测距技术和/或通过使用三角测量技术来获得。材料的表面法线由n∈R3给出并且可以获得作为由至少三个测量点跨越的表面的法线。向量dray∈R3是光源的方向向量。由于斑点的位置通过使用离焦测距或光子比率测距技术和/或通过使用三角测量技术已知，其中，光源的位置已知为检测器系统的参数，因此dray是斑点与光源位置之间的差向量。
例如，材料相关图像滤波器可以是具有取决于斑点形状的输出的滤波器。该材料相关图像滤波器可能返回与材料的半透明性相关的值作为材料特征。材料的半透明性影响斑点的形状。材料特征可以由以下内容给出：
其中，0<α,β<1是斑点高度h的权重，并且H表示重侧函数，即H(x)＝1∶x≥0,H(x)＝0∶x<0。斑点高度h可以由下式确定：
其中，Br是具有半径r的斑点的内圆。
例如，材料相关图像滤波器可以是平方范数梯度。该材料相关图像滤波器可以返回与斑点的软和硬过渡和/或粗糙度的度量相关的值作为材料特征。材料特征可以由下式定义：
例如，材料相关图像滤波器可以是标准偏差。斑点的标准偏差可以由下式确定：
其中，μ是由μ＝∫(f(x))dx给出的平均值。
例如，材料相关图像滤波器可以是平滑度滤波器，诸如高斯滤波器或中值滤波器。在平滑度滤波器的一个实施例中，该图像滤波器可参考与漫散射材料相比体积散射展现出较少散斑对比度的观察结果。该图像滤波器可将对应于散斑对比度的斑点的平滑度量化为材料特征。材料特征可以由下式确定：
其中，F是平滑度函数，例如中值滤波器或高斯滤波器。该图像滤波器可以包括除以距离z，如上述公式中所描述的。距离z可以例如使用离焦测距或光子比率测距技术和/或通过使用三角测量技术来确定。这可允许滤波器对距离敏感。在平滑度滤波器的一个实施例中，平滑度滤波器可以基于提取的散斑噪声图案的标准偏差。散斑噪声图案N可以通过下式以经验方式描述：
f(x)＝f0(x)·(N(X)+1),
其中，f0是去散斑斑点的图像。N(X)是对散斑图案进行建模的噪声项。去散斑图像的计算可能是困难的。因此，去散斑图像可以利用f的平滑版本近似，即f0≈F(f)，其中，F是类似高斯滤波器或中值滤波器的平滑度算子。因此，斑点图案的近似可以由下式给出：
该滤波器的材料特征可以由下式确定：
其中，Var表示方差函数。
例如，图像滤波器可以是基于灰度出现的对比度滤波器。该材料滤波器可以基于灰度出现矩阵Mf,ρ(g1g2)＝[pg1,g2]，而pg1,g2是灰度组合的出现率(g1,g2)＝[f(x1,y1),f(x2,y2)]，并且关系ρ定义了(x1,y1)与(x2,y2)之间的距离，其是ρ(x,y)＝(x+a,y+b)，其中a和b选自0,1。
基于灰度出现的对比度滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是基于灰度出现的能量滤波器。该材料滤波器基于上文定义的灰度出现矩阵。
基于灰度出现的能量滤波器的材料特征可以由以下内容给出：
例如，图像滤波器可以是基于灰度出现的同质性滤波器。该材料滤波器基于上文定义的灰度出现矩阵。
基于灰度出现的同质性滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是基于灰度出现的相异性滤波器。该材料滤波器基于上文定义的灰度出现矩阵。
基于灰度出现的相异性滤波器的材料特征可以由下式给出：
例如，图像滤波器可以是定律的能量滤波器。该材料滤波器可以基于定律向量L5＝[1,4,6,4,1]和E5＝[-1,-2,0,-2,-1]以及矩阵L5(E5)T和E5(L5)T。
图像fk与这些矩阵卷积：
以及
而定律的能量滤波器的材料特征可以由下式确定：
例如，材料相关图像滤波器可以是阈值区域滤波器。该材料特征可能与图像平面中的两个区域相关。第一区域Ω1可以是函数f大于f的最大值α倍的区域。第二区域Ω2可以是函数f小于f的最大值α倍但是大于f的最大值阈值ε倍的区域。优选地，α可以是0.5，并且ε可以是0.05。由于散斑或噪声，区域可不仅仅对应于围绕光斑中心的内圆和外圆。作为示例，Ω1可包括外圆中的散斑或未连接区域。材料特征可以由下式确定：
其中，Ω1＝{x|f(x)>α·max(f(x))}并且Ω2＝{x|ε·max(f(x))<f(x)<α·max(f(x))}。
材料信息m可以通过使用
与m之间的预定关系来确定。评估装置120可被配置为使用材料特征
与对象的材料信息之间的至少一种预定关系来确定对象的材料信息。该预定关系可以是经验关系、半经验关系和分析导出的关系中的一者或多者。评估装置120可以包括用于存储预定关系的至少一个数据存储装置，例如查找列表或查找表。
在理想情况下，图像滤波器将产生仅取决于材料特性的特征。然而，在光束轮廓分析中使用的图像滤波器可产生取决于距离和材料特性的特征，诸如半透明性。材料相关图像滤波器中的至少一个可以是距离的函数。评估装置120可被配置为确定所使用的材料相关图像滤波器是否是距离的函数。具体地，评估装置120可被配置为确定材料相关图像滤波器和用于确定距离信息的方法的相关系数。在材料相关图像滤波器与用于确定距离信息的方法的相关系数接近1或-1的情况下，可以通过以最小方差将材料特征投射到主轴上来投射出距离。作为示例，材料特征可以投射到与相关主分量正交的轴上。换句话说，材料特征可以投射到第二主分量上。这可以使用本领域技术人员已知的主分量分析来完成。
在确定纵向坐标z之后，可通过随后评估
来确定材料信息，使得关于纵向坐标z的信息可被考虑用于评估
具体地，材料信息m可以由函数
确定。该函数可以预定义的和/或预定。例如，该函数可以是线性函数。
附加地或替代地，评估装置120可被配置为通过以下中的一者或多者来确定材料信息：比较图像分析，诸如基于对象112图像与对象库的比较；材料特性分析，诸如通过将从对象112的图像确定的参数与具有存储参数(诸如颜色、半透明性、物质状态等)的数据库的比较。评估装置120可以包括至少一个数据库，诸如数据库140，该数据库包括对象库和/或存储的参数，诸如可能对象和可能参数的列表和/或表，诸如查找列表或查找表。对象库可以包括不同对象的图像，对象的确定图像可以与这些不同对象的图像进行比较。评估装置120可被配置为经由图像分析来确定对象的至少一个参数，诸如反射率、颜色、半透明性、状态(诸如液体或固体)、粗糙度等。
评估装置120可被配置为在考虑所确定的距离信息和材料信息的情况下，对所确定的强度执行至少一种光谱分析。材料信息可用于对对象进行预分类，具体地在执行光谱分析之前，特别是在执行光谱测量和/或评估所确定的光谱之前。光谱仪装置110可被配置为取决于材料信息选择至少一种感兴趣分析物，并且可对所选择的感兴趣分析物执行光谱测量。附加地或替代地，材料信息可用作用于评估所确定光谱的输入参数，这可允许加速评估。
光谱仪装置110可以包括被配置为显示材料信息的至少一个显示装置142。材料信息的显示可以包括任意形式的呈现，诸如以图形方式显示材料信息。
例如，此外，显示装置142可被配置为显示针对对象112可以是何种材料或产品的建议。作为示例，材料信息可以是“白色液体”或“白色半透明液体”，并且显示装置可以显示建议列表，诸如油漆、牛奶、奶油、酸奶、面团、淀粉等。
光谱仪装置可被配置为取决于材料信息而选择至少一种感兴趣分析物。例如，评估装置120可包括存储材料信息和相关联的感兴趣分析物的数据库。显示装置142可提供感兴趣的潜在分析物的列表。光谱仪装置110可包括至少一个人机接口，该至少一个人机接口被配置为允许用户选择列表中的至少一种分析物。光谱仪装置可被配置为对所选择的感兴趣分析物执行至少一种光谱分析。因此，允许提供样品的材料信息可以是可能的，具体地在确定光谱信息之前，以便利于用户的应用。作为示例，光谱仪装置110可允许检测样品是否是牛奶，以显示脂肪或乳糖含量。
参考数字列表
110 光谱仪装置
112 对象
114 波长选择元件
116 像素化光学检测器
118 光学传感器
120 评估装置
121 成像检测器
122 接口
124 转移装置
126 光束
128 照射源
130 壳体
132 光轴
134 距离检测器
136 照射光束
138 除法器
140 数据库
142 显示装置
Claims (15)
1.一种光谱仪装置(110)，其被配置为确定至少一个对象(112)的至少一项光谱或光谱学信息，其中，所述光谱仪装置(110)被配置为确定从所述对象(112)传播到所述光谱仪装置(110)的至少一个光束的组分波长信号的强度，其中，所述光谱仪装置(110)包括至少一个距离检测器(134)，其中，所述距离检测器(134)被配置为确定关于所述至少一个对象(112)与所述光谱仪装置(110)之间的距离的至少一项距离信息，其中，所述光谱仪装置(110)包括至少一个像素化成像检测器(121)，所述至少一个像素化成像检测器(121)被配置为确定所述对象(112)的至少一个图像，其中，所述光谱仪装置(110)包括至少一个评估装置(120)，其中，所述评估装置(120)被配置为通过评估由所述像素化成像检测器(121)确定的对象(112)的至少一个图像来确定所述对象(112)的至少一项材料信息，其中，所述评估装置(120)被配置为通过对由所述像素化成像检测器(121)确定的对象(112)的图像应用至少一个材料相关图像滤波器Ф来确定所述材料信息，其中，所述材料相关图像滤波器是选自以下各项的至少一个滤波器：亮度滤波器；斑点形状滤波器；平方范数梯度；标准偏差；平滑度滤波器，诸如高斯滤波器或中值滤波器；基于灰度出现的对比度滤波器；基于灰度出现的能量滤波器；基于灰度出现的同质性滤波器；基于灰度出现的相异性滤波器；定律的能量滤波器；阈值区域滤波器；或其线性组合，或通过|ρφother，φm|≥0.40与所述亮度滤波器、所述斑点形状滤波器、所述平方范数梯度、所述标准偏差、所述平滑度滤波器、所述基于灰度出现的能量滤波器、所述基于灰度出现的同质性滤波器、所述基于灰度出现的相异性滤波器、所述定律的能量过滤器、或所述阈值区域滤波器中的一者或多者、或它们的线性组合相关的另一材料相关图像滤波器φother，其中φm是所述亮度滤波器、所述斑点形状滤波器、所述平方范数梯度、所述标准偏差、所述平滑度滤波器、所述基于灰度出现的能量滤波器、所述基于灰度出现的同质性滤波器、所述基于灰度出现的相异性滤波器、所述定律的能量滤波器、或所述阈值区域滤波器之一或其线性组合，其中，所述评估装置(120)被配置为在考虑所确定的距离信息和所述材料信息的情况下，对组分波长信号的所确定的强度执行至少一种光谱分析。
2.根据前一权利要求所述的光谱仪装置(110)，其中，所述光谱仪装置(110)是可移动光谱仪装置。
3.根据前述权利要求中的任一项所述的光谱仪装置(110)，其中，所述光谱仪装置(110)包括至少一个波长选择元件(114)，其被配置为将入射光分离为组分波长信号的光谱，其中，通过采用包括多个像素的至少一个像素化光学检测器(116)和/或至少一个单像素光学检测器来确定所述组分波长信号的相应强度。
4.根据前述权利要求中的任一项所述的光谱仪装置(110)，其中，所述光谱分析包括确定由于所述对象(112)的存在而引起的至少一个光特性的至少一个差异，其中，所述光特性的所述差异选自：至少一个波长相关强度差异；至少一个波长相关偏振差异。
5.根据前一权利要求所述的光谱仪装置(110)，其中，通过使用以下技术中的一者或多者获得所述距离信息：光子比率测距、结构化光、光束轮廓分析、飞行时间、从运动恢复形状、对焦测距、三角测量、离焦测距、立体传感器。
6.根据前述权利要求中的任一项所述的光谱仪装置(110)，其中，所述距离检测器(134)包括具有光学传感器的矩阵的至少一个传感器元件，所述光学传感器各自具有光敏区域，其中，每个光学传感器被配置为响应于由从所述对象(112)传播到所述光谱仪装置(110)的至少一个光束对所述光敏区域的照射而产生至少一个传感器信号，其中，所述光学传感器中的至少一个第一光学传感器适于响应于被第一组分波长照射而产生第一传感器信号，以及其中，所述光学传感器中的至少一个第二光学传感器适于响应于被所述第一组分波长照射而产生第二传感器信号，其中，所述评估装置(120)被配置为通过评估所述第一传感器信号和所述第二传感器信号的组合信号Q，确定所述对象(112)的至少一个纵向坐标z。
7.根据前一权利要求所述的光谱仪装置(110)，其中，所述组合信号Q通过以下一者或多者导出：形成所述第一信号与所述第二信号的商，或反之亦然；形成所述第一信号的倍数与所述第二信号的倍数的商，或反之亦然；形成所述第一信号的线性组合与所述第二信号的线性组合的商，或反之亦然；形成所述第一信号和所述第二信号的第一线性组合与所述第一信号和所述第二信号的第二线性组合的商，其中，所述评估装置(120)被配置为使用所述组合信号Q与所述对象(112)的所述纵向坐标z之间的至少一种预定关系来确定所述纵向坐标z。
8.根据前述权利要求中的任一项所述的光谱仪装置(110)，其中，所述至少一项材料信息是选自以下各项的至少一个特性：散射系数、半透明性、透明度、从朗伯表面反射的偏差、散斑、材料和/或材料类；对象类型和/或对象类等。
9.根据前述权利要求中的任一项所述的光谱仪装置(110)，其中，所述材料相关图像滤波器是通过假设测试的至少一个滤波器，其中，所述假设测试使用所述滤波器在材料分类器之间不区分的虚假设和所述滤波器区分至少两个材料分类器的替代假设，其中，如果p值p小于或等于预定义显著性水平，则所述滤波器通过所述假设测试，其中，p≤0.075，优选地p≤0.05，更优选地p≤0.025，最优选地p≤0.01。
10.根据前述权利要求中的任一项所述的光谱仪装置(110)，其中，所述评估装置(120)被配置为通过以下中的一者或多者来确定所述材料信息：比较图像分析，诸如基于所述对象(112)的图像与对象库的比较；材料特性分析，诸如通过将从所述对象(112)的图像确定的参数与具有诸如颜色、半透明性、物质状态等的存储参数的数据库的比较。
11.根据前述权利要求中的任一项所述的光谱仪装置(110)，其中，所述光谱仪装置(110)包括被配置为显示所述材料信息的至少一个显示装置(142)。
12.根据前述权利要求中的任一项所述的光谱仪装置(110)，其中，所述光谱仪装置(110)被配置为取决于所述材料信息而选择至少一种感兴趣分析物，其中，所述光谱仪装置(110)被配置为对所选择的感兴趣分析物执行至少一种光谱分析。
13.根据前述权利要求中的任一项所述的光谱仪装置(110)，其中，所述像素化成像检测器(121)是选自以下各项的至少一个检测器：至少一个CCD检测器；至少一个CMOS检测器；至少一个InGaAs检测器。
14.一种用于确定源自至少一个对象(112)的至少一个光束的至少一个光特性的至少一个差异的方法，其中，在所述方法中，使用根据涉及光谱仪装置的前述权利要求中的任一项所述的光谱仪装置(110)，所述方法包括以下步骤：
-确定从所述对象(112)传播到所述光谱仪装置(110)的至少一个光束的组分波长信号的强度；
-通过使用至少一个距离检测器(134)确定至少一个对象(112)与所述光谱仪装置(110)之间的至少一项距离信息；
-通过使用至少一个评估装置(120)评估由所述光谱仪装置(110)的至少一个像素化成像检测器(121)确定的所述对象(112)的至少一个图像，来确定所述对象(112)的至少一项材料信息，其中，通过对由所述像素化成像检测器(121)确定的所述对象(112)的图像应用至少一个材料相关图像滤波器φ来确定所述材料信息，其中，所述材料相关图像滤波器是选自以下各项的至少一个滤波器：亮度滤波器；斑点形状滤波器；平方范数梯度；标准偏差；平滑度滤波器，诸如高斯滤波器或中值滤波器；基于灰度出现的对比度滤波器；基于灰度出现的能量滤波器；基于灰度出现的同质性滤波器；基于灰度出现的相异性滤波器；定律的能量滤波器；阈值区域滤波器；或其线性组合；或通过|ρφother，φm|≥0.40与所述亮度滤波器、所述斑点形状滤波器、所述平方范数梯度、所述标准偏差、所述平滑度滤波器、所述基于灰度出现的能量滤波器、所述基于灰度出现的同质性滤波器、所述基于灰度出现的相异性滤波器、所述定律的能量过滤器或所述阈值区域滤波器中的一者或多者、或它们的线性组合相关的另一材料相关图像滤波器φother，其中φm是所述亮度滤波器、所述斑点形状滤波器、所述平方范数梯度、所述标准偏差、所述平滑度滤波器、所述基于灰度出现的能量滤波器、所述基于灰度出现的同质性滤波器、所述基于灰度出现的相异性滤波器、所述定律的能量滤波器、或所述阈值区域滤波器中的一者或其线性组合；
-在考虑所确定的所述距离信息和所述材料信息的情况下，对组分波长信号的所确定的强度执行至少一种光谱分析。
15.根据涉及光谱仪装置的前述权利要求中的任一项所述的光谱仪装置(110)的用途，用于选自以下项的使用目的：红外检测应用；光谱学应用；排气监测应用；燃烧过程监测应用；污染监测应用；工业过程监测应用；化学过程监测应用；食品加工过程监测应用；水质监测应用；空气质量监测应用；质量控制应用；温度控制应用；运动控制应用；排气控制应用；气体感测应用；气体分析应用；运动感测应用；化学感测应用；移动应用；医疗应用；可移动光谱学应用；食品分析应用；农业应用，例如土壤、青贮饲料、饲料、作物或农产品的特性，监测植物健康；塑料标识和/或回收应用。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP19186717.5 | 2019-07-17 | ||
| EP19186717 | 2019-07-17 | ||
| PCT/EP2020/070126 WO2021009280A1 (en) | 2019-07-17 | 2020-07-16 | Spectrometer device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114127520A true CN114127520A (zh) | 2022-03-01 |
Family
ID=67437892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080051314.8A Pending CN114127520A (zh) | 2019-07-17 | 2020-07-16 | 光谱仪装置 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20220268627A1 (zh) |
| EP (1) | EP3999822A1 (zh) |
| JP (1) | JP2022540687A (zh) |
| KR (1) | KR20220034883A (zh) |
| CN (1) | CN114127520A (zh) |
| WO (1) | WO2021009280A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11860292B2 (en) | 2016-11-17 | 2024-01-02 | Trinamix Gmbh | Detector and methods for authenticating at least one object |
| US20230366671A1 (en) * | 2022-04-14 | 2023-11-16 | Miami University | Field scanning optical coherence tomography |
| WO2024052804A1 (en) * | 2022-09-05 | 2024-03-14 | Lincoln Agritech Limited | Systems and methods for measuring properties of water at site |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008002659A2 (en) | 2006-06-29 | 2008-01-03 | Cdex, Inc. | Methods and apparatus for molecular species detection, inspection and classification using ultraviolet to near infrared enhanced photoemission spectroscopy |
| US20090219525A1 (en) | 2008-02-29 | 2009-09-03 | Honeywell International Inc. | System and method for portable raman spectroscopy |
| CN103492835B (zh) | 2011-02-15 | 2016-08-17 | 巴斯夫欧洲公司 | 用于光学检测至少一种物体的检测器 |
| TWI599757B (zh) | 2012-12-19 | 2017-09-21 | 巴斯夫歐洲公司 | 用於偵測至少一物件之偵測器、其用途、用於偵測至少一物件之方法、人機介面、娛樂器件、追蹤系統及攝影機 |
| WO2016120392A1 (en) | 2015-01-30 | 2016-08-04 | Trinamix Gmbh | Detector for an optical detection of at least one object |
| DE102015117384B4 (de) * | 2015-10-14 | 2023-01-05 | Analytik Jena Gmbh | Verfahren zur spektralen Analyse von Proben mittels Graphitrohr |
| JP2019523562A (ja) | 2016-07-29 | 2019-08-22 | トリナミクス ゲゼルシャフト ミット ベシュレンクテル ハフツング | 光学的検出のための光センサおよび検出器 |
-
2020
- 2020-07-16 US US17/627,357 patent/US20220268627A1/en active Pending
- 2020-07-16 WO PCT/EP2020/070126 patent/WO2021009280A1/en unknown
- 2020-07-16 CN CN202080051314.8A patent/CN114127520A/zh active Pending
- 2020-07-16 EP EP20739709.2A patent/EP3999822A1/en active Pending
- 2020-07-16 JP JP2022502837A patent/JP2022540687A/ja active Pending
- 2020-07-16 KR KR1020227005225A patent/KR20220034883A/ko unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP3999822A1 (en) | 2022-05-25 |
| KR20220034883A (ko) | 2022-03-18 |
| US20220268627A1 (en) | 2022-08-25 |
| JP2022540687A (ja) | 2022-09-16 |
| WO2021009280A1 (en) | 2021-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Hyperspectral imaging and 3D technologies for plant phenotyping: From satellite to close-range sensing | |
| US20200088573A1 (en) | Low-cost spectrometry system for end-user food analysis | |
| US9188546B2 (en) | Latent fingerprint detectors and fingerprint scanners therefrom | |
| CN114127520A (zh) | 光谱仪装置 | |
| JP7325500B2 (ja) | 分光計装置 | |
| US11206980B2 (en) | Personal wellness monitoring system | |
| US20230078604A1 (en) | Detector for object recognition | |
| US20140267684A1 (en) | System and method for detecting contamination in food using hyperspectral imaging | |
| JP2014215177A (ja) | 検査装置及び検査方法 | |
| KR20220103962A (ko) | 디스플레이를 통한 깊이 측정 | |
| CN113607676B (zh) | 基于异形比色皿和近红外图像的牛奶成分快速检测方法 | |
| WO2016080442A1 (ja) | 品質評価方法及び品質評価装置 | |
| KR20220147604A (ko) | 제스처 인식 | |
| US10768097B2 (en) | Analyzer, image capturing apparatus that acquires color information, analyzing method, and storage medium | |
| US10249214B1 (en) | Personal wellness monitoring system | |
| CN113504185A (zh) | 结合libs定标的多光谱农产品重金属含量检测建模系统 | |
| US9993158B2 (en) | Apparatus for measuring condition of object | |
| US6601767B1 (en) | Ambient light sensing apparatus and method for a produce data collector | |
| JP2017190957A (ja) | 光学測定装置 | |
| Arnold et al. | Study of near-infrared imaging spectroscopy for the inspection of peeled potato tubers | |
| Keresztes et al. | A high contrast 400-2500 nm hyperspectral checkerboard consisting of Acktar material cut with a femto second laser | |
| CN115615544A (zh) | 光谱测量装置及其测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |