KR20220066168A - 측정 대상 물질의 스펙트럼 정보를 추출하는 방법 - Google Patents
측정 대상 물질의 스펙트럼 정보를 추출하는 방법 Download PDFInfo
- Publication number
- KR20220066168A KR20220066168A KR1020227014109A KR20227014109A KR20220066168A KR 20220066168 A KR20220066168 A KR 20220066168A KR 1020227014109 A KR1020227014109 A KR 1020227014109A KR 20227014109 A KR20227014109 A KR 20227014109A KR 20220066168 A KR20220066168 A KR 20220066168A
- Authority
- KR
- South Korea
- Prior art keywords
- spectrum
- spectral
- information
- invariant
- measurement target
- Prior art date
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 92
- 239000000463 material Substances 0.000 title claims abstract description 41
- 238000001228 spectrum Methods 0.000 claims abstract description 120
- 238000000034 method Methods 0.000 claims abstract description 71
- 238000005259 measurement Methods 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 239000013077 target material Substances 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 6
- 238000010187 selection method Methods 0.000 claims description 16
- 238000010183 spectrum analysis Methods 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims 3
- 241000220225 Malus Species 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000000701 chemical imaging Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 239000000470 constituent Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000021016 apples Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
Images
Classifications
-
- 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
- G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
-
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- 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
- 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
- G01J3/42—Absorption spectrometry; Double beam spectrometry; Flicker spectrometry; Reflection spectrometry
-
- 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
-
- 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
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
-
- 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
- G01N2021/1765—Method using an image detector and processing of image signal
-
- 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
- G01N21/55—Specular reflectivity
- G01N2021/555—Measuring total reflection power, i.e. scattering and specular
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
본 발명은 측정 대상 물질의 스펙트럼 정보를 추출하는 방법을 공개하였으며, 획득한 하이퍼 스펙트럼 이미지로부터 측정 대상 물체가 차지하는 화소 영역(A(x, y))을 선택하고; 화소 영역(A(x, y))으로부터 경면 반사 영역(Aq) 및 난반사 영역(Ar)을 각각 추출하고, 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 및 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω))을 각각 구하며; 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 중의 각 원소와 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω)) 중의 각 원소를 비교하는 것을 통해 광원 정보와 물질 스펙트럼 정보를 분리하여 제1 스펙트럼 불변량(C(ω))을 얻는다. 본 발명은 별도의 광원 스펙트럼 정보가 필요없어 분석 효율을 제고시킨다. 참조 스펙트럼을 수집할 필요가 없으므로, 관련 제품의 하드웨어가 보다 간단하고 컴팩트해지도록 한다. 또한, 광원 스펙트럼의 변화, 수집 장치 기준선 드리프트 등 다양한 방면의 오차를 방지하여 분석 정확도를 제고시킬 수 있다.
Description
본 발명은 하이퍼 스펙트럼 분석 분야에 관한 것으로, 특히 측정 대상 물질의 스펙트럼 정보를 추출하는 방법에 관한 것이다.
하이퍼 스펙트럼 영상 기술은 이미지 정보 및 스펙트럼 정보를 동시에 획득할 수 있으며, 머신 비전 기술과 결합하여 물체를 판별하는 동시에, 스펙트럼에 의한 스펙트럼 분석을 수행할 수 있어, 매우 큰 잠재력을 가진 신기술이다. 하이퍼 스펙트럼 영상 기술의 스펙트럼 분석 능력은, 하이퍼 스펙트럼이 상이한 파장에서 물질이 방출하는 스펙트럼 정보를 수집할 수 있다는데서 비롯되었으며, 이러한 스펙트럼 정보는 물체의 이화학 성분 등 정보를 직접적으로 반영한다. 이미지의 식별, 영역 선택 등 정보와 결합하여, 하이퍼 스펙트럼 영상 기술은 타겟 검측-성분 판단-결과 출력의 완전 자동화를 구현할 수 있다.
스펙트럼 분석은 빠르고 손상없이 물질의 성분 정보를 획득할 수 있으며, 프로세스 제어, 품질 검측 등에 효율적이고 저렴한 해결수단을 제공하며, 산업 자동화, 사물 인터넷 등 시스템의 중요한 초석이다. 물질의 구성 성분은 빛을 흡수, 반사 및 산란하여 반사 또는 투과된 빛의 스펙트럼 형상을 변경시킨다. 물질의 상이한 구성 성분들은 빛에 대한 작용도 상이하며, 따라서 구성 성분이 상이한 물질의 스펙트럼 형상도 상이하다. 스펙트럼 분석은 물질의 스펙트럼 형상을 분석하는 것을 통해 역으로 물질의 물리 성질 및 화학 구성을 추론하는 것이다.
하이퍼 스펙트럼의 스펙트럼 분석은 정확한 물질 스펙트럼 정보에 의하나, 수집하여 획득한 오리지널 스펙트럼 또는 스펙트럼 이미지는 동시에 물질 스펙트럼(물질 반사율), 촬영 씬 기하 정보 및 광원 스펙트럼(광원 조도 스펙트럼)의 3가지 정보를 포함한다. 그러나 분석은 그 중 물질 스펙트럼 부분만 필요하며, 따라서, 다른 부분의 영향을 소거해야 한다. 현재 공인하는 해결수단은 측정 대상 물질의 스펙트럼 정보를 추출하는 알고리즘에 별도로 광원 스펙트럼 정보를 제공하며, 수학적 연산을 통해 광원 스펙트럼 및 씬셋 정보의 영향을 소거하는 것이다.
하이퍼 스펙트럼의 적용에서, 광원 스펙트럼을 획득하는 상규적인 방식은 두 가지를 포함하며, 장치의 광원의 스펙트럼을 기억하거나 또는 참조 광로를 사용하는 것이다. 전자는 데이터 분석에서, 출하 전 측정된 광원의 스펙트럼 정보를 직접 도입하는 것을 가리킨다. 광원의 스펙트럼은 사용환경, 사용시간 등에 따라 변화하며, 따라서, 해당 방법의 정확도는 비교적 낮다. 후자는 별도의 기계 구조를 추가 장착하여 실시간으로 광원의 스펙트럼을 측정하는 것이다. 그러나 해당 방법은 장치를 디자인할 때 별도의 옵토메카트로닉스 구조를 추가해야 하며, 장치가 복잡하고 유지보수가 어렵도록 한다. 또한, 어떠한 방식이든지 모두 데이터 분석 프로세스가 복잡해지도록 하며, 분석 효율이 저하되도록 한다.
현재, 종래의 기술에는 아직 간단한 하드웨어 디자인, 측정 대상 물질의 스펙트럼 정보를 추출할 수 있는 간단한 프로세스 및 높은 정확도의 측정을 병행할 수 있는 하이퍼 스펙트럼에 기반한 스펙트럼 분석 방법이 부족하다. 상규적인 하이퍼 스펙트럼 분석 방법은 주로 샘플 스펙트럼 수집, 참조 스펙트럼 수집 및 측정 대상 물질의 스펙트럼 정보의 추출에 대한 분석 3가지 부분을 포함하며, 물질 스펙트럼 정보를 추출할 시, 모두 촬영 환경의 광원 스펙트럼 정보를 사전에 알아야 하며, 따라서, 데이터 분석 프로세스가 복잡해지고, 촬영 장치 옵토메카트로닉스 구조가 복잡해지며, 또는 분석 정확도가 저하되는 것이 불가피하다.
상기를 감안하여, 효과적으로 간편하게 물체의 물질 스펙트럼 정보를 추출하는 방법을 설계하는 것은 매우 중요하다.
상기 하이퍼 스펙트럼 분석 방법이 물질 스펙트럼 정보를 추출하는 데이터 분석 프로세스가 복잡하고, 촬영 장치 옵토메카트로닉스 구조가 복잡하며, 분석 정확도가 낮은 등 문제에 대해, 본 출원의 실시예는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법을 제공하여 상기 문제를 해결한다.
본 출원의 일 측면은, 측정 대상 물질의 스펙트럼 정보를 추출하는 방법을 제공하였으며,
획득한 하이퍼 스펙트럼 이미지로부터 측정 대상 물체가 차지하는 화소 영역(A(x, y))을 선택하는 단계(S1);
상기 화소 영역(A(x, y))으로부터 상기 경면 반사 영역(Aq) 및 상기 난반사 영역(Ar)을 각각 추출하고, 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 및 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω))을 각각 구하는 단계(S2);
경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 중의 각 원소와 상기 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω)) 중의 각 원소를 비교하는 것을 통해 광원 정보와 물질 스펙트럼 정보를 분리하여 제1 스펙트럼 불변량(C(ω))을 얻는 단계(S3)를 포함한다.
해당 방법을 통해 획득한 제1 스펙트럼 불변량은 광원 스펙트럼의 영향을 소거할 수 있다.
일부 실시예에서, 해당 방법은, 제1 스펙트럼 불변량(C(ω))에 선형 변환 처리를 수행하여 스펙트럼 분석을 위한 제2 스펙트럼 불변량(R(ω))을 얻는 단계(S4)를 더 포함한다. 제1 스펙트럼 불변량은 광원의 영향을 소거하고, 별도의 광원 스펙트럼 정보를 생략하였으며, 따라서, 제1 스펙트럼 불변량을 정규화하여 얻은 제2 스펙트럼 불변량은 광원 스펙트럼, 촬영 환경 등 요소의 영향을 더 제거할 수 있다.
일부 실시예에서, 단계 S1에서 제1 영역 선택 방법을 통해 측정 대상 물체를 식별하고 상기 화소 영역(A(x, y))을 선택하며, 제1 영역 선택 방법은, 수동 주석, 머신 비전, 분광각 맵퍼 또는 딥 러닝 알고리즘을 포함한다. 이러한 방법들은 하이퍼 스펙트럼 이미지의 측정 대상 물체와 배경 영역을 효과적으로 분리하고, 측정 대상 물체를 식별하며, 측정 대상 물체가 하이퍼 스펙트럼에서의 화소 데이터를 획득한다.
일부 실시예에서, 단계 S2는,
제2 영역 선택 방법을 통해 상기 화소 영역(A(x, y))으로부터 상기 경면 반사 영역(Aq) 및 상기 난반사 영역(Ar)을 추출하는 단계(S21);
상기 경면 반사 영역(Aq)에 의해 대표적 스펙트럼(Iq(ω))을 획득하고, 난반사 영역(Ar)에 의해 대표적 스펙트럼(Ir(ω))을 획득하는 단계(S22)를 포함한다.
해당 두 가지 상이한 영역의 대표적 스펙트럼은 두 가지 영역의 대부분 화소의 스펙트럼을 대표할 수 있다.
일부 실시예에서, 제2 영역 선택 방법은, 주성분 분석, K 평균, 매트릭스 직교 투영 또는 기하 형상에 기반한 영역 선택을 포함한다. 제2 영역 선택 방법을 통해 경면 반사 및 난반사 영역을 획득할 수 있으며, 후속의 두 영역의 스펙트럼 데이터의 산출에 편리를 제공한다.
일부 실시예에서, 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 및 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω))을 구하는 방법은, 평균 스펙트럼, 밝기 가중 평균 스펙트럼, 또는 그레이 월드 알고리즘을 포함한다. 이러한 방법을 통해 경면 반사 영역 및 난반사 영역을 대표하는 화소의 스펙트럼을 각각 구할 수 있다.
일부 실시예에서, 경면 반사 영역(Aq) 및 난반사 영역(Ar)에 따라 경면 반사 영역(Aq) 및 난반사 영역(Ar) 중의 모든 화소의 평균 스펙트럼을 각각 구하여 대표적 스펙트럼(Iq(ω) 및 대표적 스펙트럼(Ir(ω))으로 사용한다.
여기서, Nq 및 Nr은 각각 경면 반사 영역(Aq) 및 난반사 영역(Ar) 내의 화소수를 나타내고, i(xa,ya,ω) 는 (xa,ya)위치에서의 화소의 스펙트럼을 나타낸다. 해당 두개 영역의 모든 화소의 평균 스펙트럼을 계산하는 것을 통해 두 개 영역을 대표하는 대표적 스펙트럼을 획득할 수 있다.
일부 실시예에서, 단계 S3의 제1 스펙트럼 불변량(C(ω))을 구하는 방법은 유한 요소 분해, 분광각 분리 또는 나눔을 포함한다.
일부 실시예에서, 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 중의 각 원소를 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω)) 중의 각 원소로 각각 나누어 제1 스펙트럼 불변량(C(ω))을 얻는다.
일부 실시예에서, 단계 S4는,
제1 스펙트럼 불변량(C(ω))에 표준 정규 변환을 수행하여 제2 스펙트럼 불변량(R(ω))을 얻는 단계(S41):
여기서, 
는 C(ω)가 파장 차원에서의 평균값을 표시함; 및
제2 스펙트럼 불변량(R(ω))을 화학 계량학 모델에 입력하여 물질 스펙트럼 분석을 수행하는 단계(S42)를 포함한다.
표준 정규 변환을 통해 제1 스펙트럼 불변량을 수정 정규화하여 제2 스펙트럼 불변량을 얻고, 촬영 환경 등 요소의 영향을 더 소거한다.
일부 실시예에서, 화학 계량학 모델은 부분 최소제곱 분석, 인공 신경 네트워크 또는 서포트 벡터 머신을 포함한다. 이러한 방법을 통해 스펙트럼 분석을 수행하며, 물질의 성분을 예측할 수 있다.
일부 실시예에서, 하이퍼 스펙트럼 이미지 촬영 시 각 밴드에서 측정 대상 물체가 차지하는 화소 영역(A(x, y))은 변하지 않으며, 측정 대상 물체는 하이퍼 스펙트럼 이미지에서 일정한 비례를 차지한다.
해당 요구 하에 촬영하여 얻은 하이퍼 스펙트럼 사진은 본 방법을 통해 동일한 하이퍼 스펙트럼 사진을 사용하여 분석할 수 있으며, 광원 스펙트럼 변화, 수집 장치 기준선 드리프트 등 방면으로 인한 오차를 방지할 수 있다.
본 출원의 제2 측면은 렌즈, 분광기, 영상 장치 및 데이터 저장 및 처리 장치를 포함하는 스펙트럼 카메라를 제공하였으며, 광원으로부터 방출된 광선은 측정 대상 물체 표면에서 반사되어 렌즈 및 분광기를 거쳐 영상 장치에 도달하고, 데이터 저장 및 처리 장치를 통해 상이한 파장에서의 전기 신호 및 디지털 신호로 전환되며, 디지털 신호는 즉 스펙트럼 이미지 데이터이고, 스펙트럼 이미지 데이터는 광원 스펙트럼 정보 및 측정 대상 물체 표면 물질의 스펙트럼 정보를 포함하며, 제1 측면에서 언급한 측정 대상 물질의 스펙트럼 정보를 추출하는 방법을 통해 스펙트럼 이미지 데이터를 처리하여 측정 대상 물체의 물질 특성을 획득한다.
본 출원의 실시예에 따른 측정 대상 물질의 스펙트럼 정보를 추출하는 방법은, 측정 대상 물체가 소재한 화소 영역으로부터 경면 반사 영역과 난반사 영역을 추출하며, 두 개 영역의 대표적 스펙트럼을 각각 산출하여 광원과 무관한 제1 스펙트럼 불변량 및 광원 스펙트럼, 촬영 환경 등과 무관한 제2 스펙트럼 불변량을 산출한다. 별도의 광원 스펙트럼 정보가 불필요하므로, 참조 스펙트럼 수집 부분을 생략할 수 있으며, 프로세스를 간략화하고, 데이터 수집 시간을 감소하며, 분석 효율을 제고시킨다. 아울러, 참조 스펙트럼을 수집할 필요가 없으므로, 대응하는 하드웨어 디자인 시, 해당 부분의 옵토메카트로닉스 장치를 생략할 수 있어 관련 제품의 하드웨어가 보다 간단하고 컴팩트해지도록 한다. 본 방법은 동일한 하이퍼 스펙트럼 사진을 통해 완성되어, 광원 스펙트럼의 변화, 수집 장치 기준선의 드리프드 등 다양한 방면의 오차를 방지하며, 분석 정확도를 제고시킬 수 있다.
도면과 함께 실시예에 대한 추가 이해를 제공하며, 도면은 본 명세서에 병합되어 본 명세서의 일부를 구성한다. 도면은 실시예를 도시하였으며, 설명과 함께 본 발명의 원리를 해석한다. 다른 실시예 및 실시예의 많은 예상 장점들은 아래의 상세한 설명을 통해 보다 잘 이해될 수 있기에 용이하게 알 수 있게 될 것이다. 도면의 소자는 반드시 서로의 비례에 따른 것이 아닐 수 있다. 동일한 도면 부호는 대응하는 유사 부품을 지칭한다.
도 1은 본 출원의 실시예에 따른 측정 대상 물질의 스펙트럼 정보를 추출하는 방법의 흐름도이다.
도 2는 본 출원의 실시예에 따른 스펙트럼 이미지의 개략도이다.
도 3은 본 출원의 실시예에 따른 측정 대상 물질의 스펙트럼 정보를 추출하는 방법의 단계 S2의 흐름도이다.
도 4는 본 출원의 실시예에 따른 측정 대상 물질의 스펙트럼 정보를 추출하는 방법의 단계 S4의 흐름도이다.
도 5는 본 출원의 실시예에 따른 스펙트럼 카메라의 개략적 블록도이다.
도 1은 본 출원의 실시예에 따른 측정 대상 물질의 스펙트럼 정보를 추출하는 방법의 흐름도이다.
도 2는 본 출원의 실시예에 따른 스펙트럼 이미지의 개략도이다.
도 3은 본 출원의 실시예에 따른 측정 대상 물질의 스펙트럼 정보를 추출하는 방법의 단계 S2의 흐름도이다.
도 4는 본 출원의 실시예에 따른 측정 대상 물질의 스펙트럼 정보를 추출하는 방법의 단계 S4의 흐름도이다.
도 5는 본 출원의 실시예에 따른 스펙트럼 카메라의 개략적 블록도이다.
이하, 도면 및 실시예와 함께 본 출원을 상세하게 설명한다. 여기서 설명되는 구체적인 실시예는 관련 발명을 해석하기 위한 것일 뿐이며, 해당 발명에 대한 한정이 아님을 이해할 수 있을 것이다. 또한, 설명해야 할 것은, 설명의 편의상 도면에는 발명에 관한 관련 부분만 도시한다.
그리고, 충돌되지 않는 한, 본 출원의 실시예 및 실시예 중의 특징은 서로 조합될 수 있다. 이하, 도면을 참조하면서 실시예와 함께 본 출원을 상세하게 설명한다.
도 1에 도시된 바와 같이, 본 발명의 실시예는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법을 제공하였으며,
획득한 하이퍼 스펙트럼 이미지로부터 측정 대상 물체가 차지하는 화소 영역(A(x, y))을 선택하는 단계(S1);
상기 화소 영역(A(x, y))으로부터 상기 경면 반사 영역(Aq) 및 상기 난반사 영역(Ar)을 추출하고, 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 및 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω))을 각각 구하는 단계(S2);
경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 중의 각 원소와 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω)) 중의 각 원소를 비교하는 것을 통해 광원 정보와 물질 스펙트럼 정보를 분리하여 제1 스펙트럼 불변량(C(ω))을 얻는 단계(S3)를 포함한다.
경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω))은 물질의 스펙트럼 정보와 경면 반사된 광원 정보를 포함하며, 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω))은 물질의 스펙트럼 정보만 포함한다.
이때 얻은 제1 스펙트럼 불변량(C(ω))은, 경면 반사와 난반사 영역에 포함된 난반사 성분은 동일하지만 경면 반사 성분(즉, 광원 성분)은 상이한 특징을 이용하여 성공적으로 광원 스펙트럼의 영향을 소거하며, 촬영 거리 및 광원 위치 등이 변화되지 않는 한, C(ω)는 변하지 않는다. 일부 엔지니어링 씬에서, C(ω)를 후속 스펙트럼 분석의 기초로 직접 사용하여, 광원 정보에 대한 의존성을 효과적으로 소거할 수 있다.
이하, 사과 검측을 예시로 본 출원의 일 실시예를 설명하며, 해당 실시예에서 하이퍼 스펙트럼 영상 기술로 사과의 당도, 산도, 경도 등에 대해 빠른 예측을 진행한다.
우선, 첫 단계는 데이터를 수집하여, 측정 대상 사과의 하이퍼 스펙트럼 데이터를 획득해야 하고, 두 번째 단계는 물질 스펙트럼 정보를 획득하며, 즉, 하이퍼 스펙트럼 데이터로부터 사과의 물질 스펙트럼 정보를 추출하고, 세 번째 단계는, 획득한 물질 스펙트럼을 분석하여 사과의 당도, 산도 및 경도 등 정보를 획득하며, 마지막으로 이러한 정보들을 측정자에게 나타낸다. 여기서, 본 출원의 실시예에서 사용되는 방법은 두 번째 단계에 주로 적용된다.
구체적인 실시예에서, 단계 S1에서 제1 영역 선택 방법을 통해 측정 대상 물체를 식별하고 상기 화소 영역(A(x, y))을 선택하며, 제1 영역 선택 방법은, 수동 주석, 머신 비전, 분광각 맵퍼 또는 딥 러닝 알고리즘을 포함한다. 다른 선택 가능한 실시예에서, 다른 방법을 사용하여 측정 대상 물체를 식별할 수도 있으며, 획득한 하이퍼 스펙트럼 이미지를 I(x, y, ω)로 기록하고, 여기서 x, y 및 ω는 각각 하이퍼 스펙트럼 이미지의 폭, 높이 및 파장을 표시하며; 제1 영역 선택 방법을 통해 측정 대상 물체를 식별하여 화소 영역(A(x, y))을 선택한다.
우선 획득한 하이퍼 스펙트럼 이미지는 두 가지 요구를 만족해야 한다. 도 3에 도시된 바와 같이, 구체적인 실시예에서, 하이퍼 스펙트럼 이미지는 다음의 두 가지 조건을 만족해야 한다: 1. 촬영 시 각 밴드에서 측정 대상 물체가 차지하는 화소 영역(A(x, y))이 변하지 않도록 유지해야 하며; 2. 측정 대상 물체는 하이퍼 스펙트럼 이미지에서 일정한 비례를 차지해야 한다. 여기서, 조건 1은 구체적으로 다음과 같은 두 가지 방식을 통해 구현될 수 있는 바, 첫 번째는, 촬영 시 측정 대상 물체와 카메라에 어떠한 변화도 발생되지 않도록 유지하고, 촬영한 각 상이한 파장의 이미지의 각 화소에 대응하는 공간 위치는 변화되지 않으며; 두 번째는, 광류 등 이미지 정합 방법을 통해 각 이미지 중의 화소점을 재조준할 수 있으며, 이는 카메라 또는 피사체가 촬영 시 정지 상태를 유지할 수 없는 상황에서 사용할 수 있는 방식이다. 또한 조건 2는 촬영 시 측정 대상 물체가 카메라 렌즈와 멀리 떨어지지 않기만 하면 된다.
수학적으로, 하나의 3차원 매트릭스(I(x, y, ω))에서, x, y 및 ω는 각각 하이퍼 스펙트럼 이미지의 폭, 높이 및 파장을 표시하고, 매트릭스의 각 원소(i( xa,ya,ωb))는 화폭(xa,ya) 위치에서의 화소가 파장 촬영 시 얻는 빛의 세기이다. 따라서 상이한 파장 하의 빛의 세기 데이터로 구성된 벡터를 스펙트럼이라 하며, 예를 들어 i(xa,ya,ω)는 (xa,ya)에서의 화소의 스펙트럼을 나타낸다.
획득한 하이퍼 스펙트럼 이미지에서 제1 영역 선택 방법을 통해 측정 대상 물체가 차지하는 화소 영역(A(x, y))을 선택하고, 바람직한 실시예에서, 제1 영역 선택 방법은, 수동 주석, 머신 비전, 분광각 맵퍼 또는 딥 러닝 알고리즘을 포함한다. 또한 다른 실행 가능한 이미지 식별 기술을 선택할 수 있는데, 이미지 식별 기술은 현재 이미 매우 성숙되어 있기 때문에 매우 편리하고 정확하게 하이퍼 스펙트럼 이미지로부터 측정 대상 물체를 식별할 수 있으며, 이는 현재 하이퍼 스펙트럼 영상 분석 기술에서 비교적 성숙된 부분이기도 하다. 본 출원의 실시예에서는 딥 러닝을 통해 물체를 식별하는 바, 도 2의 측정 대상 사과를 식별하고, 그것이 차지하는 화소 영역(A(x, y))을 찾아낸다.
구체적인 실시예에서, 도 3에 도시된 바와 같이, 단계 S2는,
제2 영역 선택 방법을 통해 화소 영역(A(x, y))으로부터 경면 반사 영역(Aq) 및 난반사 영역(Ar)을 추출하는 단계(S21);
경면 반사 영역(Aq)에 의해 대표적 스펙트럼(Iq(ω))을 획득하고, 난반사 영역(Ar)에 의해 대표적 스펙트럼(Ir(ω))을 획득하는 단계(S22)를 포함한다.
여기서, 제2 영역 선택 방법은, 주성분 분석, K 평균, 매트릭스 직교 투영 또는 기하 형상에 기반한 영역 선택을 포함할 수 있다. 바람직한 실시예에서, K 평균 클러스터링 방법을 통해, 클러스터링 중심을 2개로 설정하고, 스펙트럼 형상에 따라 A(x, y) 내의 화소를 두가지 부류로 클러스터링한다. 사과의 표면이 구형이며, 평균 반사율이 비교적 낮으므로, 경면 반사 영역의 평균 밝기는 비교적 높고, 따라서 평균 밝기가 높은 부류를 경면 반사 영역(Aq)으로 표시하고, 평균 밝기가 낮은 부류를 난반사 영역(Ar)으로 표시한다.
Aq 및 Ar로부터 대표적 스펙트럼(Iq(ω) 및 Ir(ω))을 추출하는 방법은, 평균 스펙트럼, 밝기 가중 평균 스펙트럼, 그레이 월드 알고리즘 등을 포함할 수 있다. 바람직한 실시예에서, 평균 스펙트럼을 구하는 방법을 사용하여, 경면 반사 영역(Aq) 및 난반사 영역(Ar)에 따라 경면 반사 영역(Aq) 및 난반사 영역(Ar) 중의 모든 화소의 평균 스펙트럼을 각각 얻어 대표적 스펙트럼(Iq(ω)) 및 대표적 스펙트럼(Ir(ω))으로 사용한다:
여기서, Nq 및 Nr은 각각 경면 반사 영역(Aq) 및 난반사 영역(Ar) 내의 화소수를 나타내고, i(xa,ya,ω)는 (xa,ya) 위치에서의 화소의 스펙트럼을 나타낸다.
마지막으로, 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 중의 각 원소를 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω)) 중의 각 원소로 각각 나누어 제1 스펙트럼 불변량(C)(ω))을 얻는다.
구체적인 실시예에서, 단계 S3의 제1 스펙트럼 불변량(C(ω))을 구하는 방법은 유한 요소 분해, 분광각 분리 또는 나눔을 포함한다. 다른 선택 가능한 실시예에서, 다른 적합한 구하는 방법을 사용할 수도 있다.
바람직한 실시예에서, 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 중의 각 원소를 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω)) 중의 각 원소로 각각 나누어 제1 스펙트럼 불변량(C(ω))을 얻는다:
구체적인 실시예에서,
제1 스펙트럼 불변량(C(ω))에 선형 변환 처리를 수행하여 스펙트럼 분석을 위한 제2 스펙트럼 불변량(R(ω))을 얻는 단계(S4)를 더 포함한다.
바람직한 실시예에서, 도 4에 도시된 바와 같이, 단계 S4는,
제1 스펙트럼 불변량(C(ω))에 표준 정규 변환을 수행하여 제2 스펙트럼 불변량(R(ω))을 얻는 단계(S41):
여기서, 
는 C(ω)가 파장 차원에서의 평균값을 표시함; 및
제2 스펙트럼 불변량(R(ω))을 화학 계량학 모델에 입력하여 물질 스펙트럼 분석을 수행하는 단계(S42)를 포함한다.
해당 단계에서, 화학 계량학 모델은 부분 최소제곱, 인공 신경 네트워크 또는 서포트 벡터 머신을 포함한다. 따라서, 이미 트레이닝 완료된 부분 최소제곱(PLS), 인공 신경 네트워크(ANN) 또는 서포트 벡터 머신(SVM) 등 화학 계량학 모델을 사용하여 사과의 성분 함량을 예측하고, 측정자에게 피드백할 수 있다. 해당 부분의 구체적인 단계는 본 발명에서 주목하는 중요점이 아니며, 따라서 생략한다. 상기 방법을 통해 하이퍼 스펙트럼 분석 프로세스를 간략화하고, 하드웨어 구조를 간략화할 수 있어 관련 제품의 하드웨어가 보다 간단하고 컴팩트해지도록 하며, 동일한 하이퍼 스펙트럼 이미지를 통해 완성할 수 있어 광원 스펙트럼의 변화를 방지하고, 광원 스펙트럼의 변화,수집 장치 기준선 드리프트 등 다양한 방면의 오차를 방지하므로 성분 분석 등의 정확률을 제고시킬 수 있다.
본 출원의 실시예는 또한 스펙트럼 카메라를 제안하였으며, 도 5에 도시된 바와 같이, 렌즈(1), 분광기(2), 영상 장치(3) 및 데이터 저장 및 처리 장치(4)를 포함하고, 광원으로부터 방출된 광선은 측정 대상 물체 표면(얕은 층 내부 포함)에서 반사되어, 렌즈(1) 및 분광기(2)를 거쳐 영상 장치(3)에 도달하고, 데이터 저장 및 처리 장치(4)를 통해 상이한 파장에서의 전기 신호 및 디지털 신호로 전환되며, 디지털 신호는 즉 스펙트럼 이미지 데이터이고, 스펙트럼 이미지 데이터는 광원 스펙트럼 정보 및 측정 대상 물체 표면 물질의 스펙트럼 정보를 포함하며, 상기 언급된 측정 대상 물질의 스펙트럼 정보를 추출하는 방법을 통해 스펙트럼 이미지 데이터를 처리하여 측정 대상 물체의 물질 특성을 획득한다. 본 출원의 측정 대상 물체의 스펙트럼 정보를 추출하는 방법의 독특한 점은 별도로 광원의 스펙트럼 정보를 기록할 필요없이 측정 대상 물체의 스펙트럼 이미지 데이터만을 통해 해당 측정 대상 물체 표면 물질의 스펙트럼 정보, 즉, 스펙트럼 불변량을 얻을 수 있는 것이다. 해당 스펙트럼 불변량은 측정 대상 물체 표면(얕은 층 내부 포함)의 스펙트럼 정보를 반영하며, 즉, 측정 대상 물체 표면(얕은 층 내부 포함)의 물질 특성을 계산하는 데 사용될 수 있다. 본 출원 중의 사과를 예로, 스펙트럼 불변량은 해당 사과의 당도, 산도, 경도 등을 계산할 수 있다.
본 출원의 실시예는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법을 공개하였으며, 측정 대상 물체가 소재한 화소 영역으로부터 경면 반사 영역과 난반사 영역을 추출하고, 상기 두개 영역의 대표적 스펙트럼을 각각 산출하는 것을 통해 광원과 무관한 제1 스펙트럼 불변량 및, 광원 스펙트럼, 촬영 환경 등과 무관한 제2 스펙트럼 불변량을 산출한다. 별도의 광원 스펙트럼 정보가 불필요하므로, 참조 스펙트럼 수집 부분을 생략할 수 있으며, 분석 프로세스를 간략화하고, 데이터 수집 시간을 감소하며, 분석 효율을 제고시킨다. 아울러, 참조 스펙트럼을 수집할 필요가 없으므로, 대응되는 하드웨어 디자인 시, 해당 부분의 옵토메카트로닉스 장치를 생략할 수 있어 관련 제품의 하드웨어가 보다 간단하고 컴팩트해지도록 한다. 본 방법은 동일한 하이퍼 스펙트럼 사진을 통해 완성되어, 광원 스펙트럼의 변화, 수집 장치 기준선 드리프드 등 다양한 방면의 오차를 방지하며, 분석 정확도를 제고시킬 수 있다.
이상 단지 본 발명의 구체적인 실시형태 또는 구체적인 실시형태에 대한 설명일 뿐, 본 발명의 보호 범위는 이에 한정되지 않는다. 본 기술분야의 통상의 기술자들이 본 발명에서 개시한 기술 범위 내에서 쉽게 생각해낼 수 있는 변형 또는 대체는 모두 본 발명의 보호 범위 내에 포함되어야 한다. 본 발명의 보호 범위는 청구항의 보호 범위를 기준으로 해야 한다.
Claims (13)
- 측정 대상 물질의 스펙트럼 정보를 추출하는 방법에 있어서,
획득한 하이퍼 스펙트럼 이미지로부터 측정 대상 물체가 차지하는 화소 영역(A(x, y))을 선택하는 단계(S1);
상기 화소 영역(A(x, y))으로부터 경면 반사 영역(Aq) 및 난반사 영역(Ar)을 각각 추출하고, 상기 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 및 상기 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω))을 각각 구하는 단계(S2);
상기 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 중의 각 원소와 상기 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω)) 중의 각 원소를 비교하는 것을 통해 광원 정보와 물질 스펙트럼 정보를 분리하여 제1 스펙트럼 불변량(C(ω))을 얻는 단계(S3)를 포함하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 1에 있어서,
제1 스펙트럼 불변량(C(ω))에 선형 변환 처리를 수행하여 스펙트럼 분석을 위한 제2 스펙트럼 불변량(R(ω))을 얻는 단계(S4)를 더 포함하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 1에 있어서,
상기 단계 S1에서 제1 영역 선택 방법을 통해 측정 대상 물체를 식별하고 상기 화소 영역(A(x, y))을 선택하며, 상기 제1 영역 선택 방법은, 수동 주석, 머신 비전, 분광각 맵퍼 또는 딥 러닝 알고리즘을 포함하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 1에 있어서,
상기 단계 S2는,
제2 영역 선택 방법을 통해 상기 화소 영역(A(x, y))으로부터 상기 경면 반사 영역(Aq) 및 난반사 영역(Ar)을 추출하는 단계(S21);
상기 경면 반사 영역(Aq)에 의해 대표적 스펙트럼(Iq(ω))을 획득하고, 상기 난반사 영역(Ar)에 의해 대표적 스펙트럼(Ir(ω))을 획득하는 단계(S22)를 포함하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 4에 있어서,
상기 제2 영역 선택 방법은, 주성분 분석, K 평균, 매트릭스 직교 투영 또는 기하 형상에 기반한 영역 선택을 포함하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 4에 있어서,
상기 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 및 상기 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω))을 구하는 방법은, 평균 스펙트럼, 밝기 가중 평균 스펙트럼, 그레이 월드 알고리즘을 포함하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 6에 있어서,
이하의 관계식을 통해, 상기 경면 반사 영역(Aq) 및 상기 난반사 영역(Ar)에 따라 상기 경면 반사 영역(Aq) 및 상기 난반사 영역(Ar) 중의 모든 화소의 평균 스펙트럼을 각각 구하여 대표적 스펙트럼(Iq(ω)) 및 대표적 스펙트럼(Ir(ω))으로 사용하며:
여기서, Nq 및 Nr은 각각 경면 반사 영역(Aq) 및 난반사 영역(Ar) 내의 화소수를 나타내고, i(xa,ya,ω)는 (xa,ya) 위치에서의 화소의 스펙트럼을 나타내는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 1에 있어서,
상기 단계 S3의 상기 제1 스펙트럼 불변량(C(ω))을 구하는 방법은 유한 요소 분해, 분광각 분리 또는 나눔을 포함하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 8에 있어서,
이하의 관계식을 통해, 상기 경면 반사 영역(Aq)의 대표적 스펙트럼(Iq(ω)) 중의 각 원소를 상기 난반사 영역(Ar)의 대표적 스펙트럼(Ir(ω)) 중의 각 원소로 각각 나누어 제1 스펙트럼 불변량(C(ω))을 얻는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 2에 있어서,
상기 단계 S4는,
이하의 관계식을 통해, 상기 제1 스펙트럼 불변량(C(ω))에 표준 정규 변환을 수행하여 제2 스펙트럼 불변량(R(ω))을 얻는 단계(S41):
여기서,는 C(ω)가 파장 차원에서의 평균값을 표시함; 및
상기 제2 스펙트럼 불변량(R(ω))을 화학 계량학 모델에 입력하여 물질 스펙트럼 분석을 수행하는 단계(S42)를 포함하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 10에 있어서,
상기 화학 계량학 모델은, 부분 최소제곱 분석, 인공 신경 네트워크 또는 서포트 벡터 머신을 포함하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 청구항 1 내지 청구항 11 중 어느 한 항에 있어서,
상기 하이퍼 스펙트럼 이미지 촬영 시 각 밴드에서 상기 측정 대상 물체가 차지하는 화소 영역(A(x, y))은 변하지 않으며, 상기 측정 대상 물체는 상기 하이퍼 스펙트럼 이미지에서 일정한 비례를 차지하는 것을 특징으로 하는 측정 대상 물질의 스펙트럼 정보를 추출하는 방법.
- 스펙트럼 카메라에 있어서,
렌즈, 분광기, 영상 장치 및 데이터 저장 및 처리 장치를 포함하고, 광원으로부터 방출된 광선은 측정 대상 물체 표면에서 반사되어, 상기 렌즈 및 상기 분광기를 거쳐 상기 영상 장치에 도달하고, 상기 데이터 저장 및 처리 장치를 통해 상이한 파장에서의 전기 신호 및 디지털 신호로 전환되며, 상기 디지털 신호는 즉 스펙트럼 이미지 데이터이고, 상기 스펙트럼 이미지 데이터는 광원 스펙트럼 정보 및 상기 측정 대상 물체 표면 물질의 스펙트럼 정보를 포함하며, 청구항 1 내지 청구항 12 중 어느 한 항에 따른 측정 대상 물질의 스펙트럼 정보를 추출하는 방법을 통해 상기 스펙트럼 이미지 데이터를 처리하여 상기 측정 대상 물체의 물질 특성을 획득하는 것을 특징으로 하는 스펙트럼 카메라.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2020/081962 WO2021195817A1 (zh) | 2020-03-30 | 2020-03-30 | 一种提取待测物质的光谱信息的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220066168A true KR20220066168A (ko) | 2022-05-23 |
Family
ID=77229245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227014109A KR20220066168A (ko) | 2020-03-30 | 2020-03-30 | 측정 대상 물질의 스펙트럼 정보를 추출하는 방법 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20220207856A1 (ko) |
| EP (1) | EP3940370A4 (ko) |
| JP (1) | JP2022539281A (ko) |
| KR (1) | KR20220066168A (ko) |
| CN (1) | CN113272639B (ko) |
| WO (1) | WO2021195817A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113887543B (zh) * | 2021-12-07 | 2022-03-18 | 深圳市海谱纳米光学科技有限公司 | 一种基于高光谱特征的箱包鉴伪方法与光谱采集装置 |
| CN117784721B (zh) * | 2023-11-14 | 2024-05-28 | 东莞德芳油墨科技有限公司 | 一种生产水性环保油墨智能控制系统 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4756148B2 (ja) * | 2001-09-06 | 2011-08-24 | 独立行政法人情報通信研究機構 | 光沢・色再現システム、光沢・色再現プログラム |
| CN1984756B (zh) * | 2004-07-13 | 2011-12-07 | 松下电器产业株式会社 | 物品保持系统、机器人以及机器人控制方法 |
| JP4917959B2 (ja) * | 2007-05-09 | 2012-04-18 | 日本電信電話株式会社 | 知覚的な鏡面・拡散反射画像推定方法とその装置、及びプログラムと記憶媒体 |
| WO2009024978A2 (en) * | 2007-08-21 | 2009-02-26 | Camtek Ltd. | Method and system for low cost inspection |
| AU2010291852B2 (en) * | 2009-09-03 | 2015-01-22 | Commonwealth Scientific And Industrial Research Organisation | Illumination spectrum recovery |
| US8553975B2 (en) * | 2009-09-21 | 2013-10-08 | Boston Scientific Scimed, Inc. | Method and apparatus for wide-band imaging based on narrow-band image data |
| WO2011130793A1 (en) * | 2010-04-21 | 2011-10-27 | National Ict Australia Limited | Shape and photometric invariants recovery from polarisation images |
| JP6376128B2 (ja) * | 2013-06-19 | 2018-08-22 | 日本電気株式会社 | 照明推定装置、照明推定方法および照明推定プログラム |
| CN104700109B (zh) * | 2015-03-24 | 2018-04-10 | 清华大学 | 高光谱本征图像的分解方法及装置 |
| WO2017217261A1 (ja) * | 2016-06-15 | 2017-12-21 | シャープ株式会社 | 分光測定装置 |
| CN106841118A (zh) * | 2017-01-24 | 2017-06-13 | 清华大学 | 光谱测量系统及测量方法 |
| JP7027807B2 (ja) * | 2017-10-30 | 2022-03-02 | 富士フイルムビジネスイノベーション株式会社 | 表示装置、スキャナ、表示システム及びプログラム |
| JP2021532891A (ja) * | 2018-07-31 | 2021-12-02 | ドイチェス クレープスフォルシュングスツェントルム シュティフトゥング デス エッフェントリッヒェン レヒツ | マルチスペクトル情報を用いた観血的治療における拡張画像化のための方法およびシステム |
-
2020
- 2020-03-30 JP JP2021553116A patent/JP2022539281A/ja active Pending
- 2020-03-30 CN CN202080007936.0A patent/CN113272639B/zh active Active
- 2020-03-30 EP EP20928567.5A patent/EP3940370A4/en active Pending
- 2020-03-30 US US17/603,318 patent/US20220207856A1/en active Pending
- 2020-03-30 WO PCT/CN2020/081962 patent/WO2021195817A1/zh unknown
- 2020-03-30 KR KR1020227014109A patent/KR20220066168A/ko not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021195817A1 (zh) | 2021-10-07 |
| US20220207856A1 (en) | 2022-06-30 |
| CN113272639A (zh) | 2021-08-17 |
| CN113272639B (zh) | 2023-10-27 |
| EP3940370A4 (en) | 2022-11-30 |
| JP2022539281A (ja) | 2022-09-08 |
| EP3940370A1 (en) | 2022-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105378538B (zh) | 用于多频谱成像的自动聚焦方法和系统 | |
| KR102084535B1 (ko) | 결함 검사 장치, 결함 검사 방법 | |
| US8649580B2 (en) | Image processing method, image processing apparatus, and computer-readable recording medium storing image processing program | |
| RU2734870C2 (ru) | Система поиска информации и программа поиска информации | |
| US20080266430A1 (en) | Method and system for optimizing an image for improved analysis of material and illumination image features | |
| EP2406618A2 (en) | Apparatus and method for measuring haze of sheet materials or other materials | |
| CN115032196B (zh) | 一种全划片高通量彩色病理成像分析仪器及方法 | |
| KR20220066168A (ko) | 측정 대상 물질의 스펙트럼 정보를 추출하는 방법 | |
| CN109991174A (zh) | 一种高光谱相机与普通光谱仪之间的模型转移方法 | |
| US20200065582A1 (en) | Active hyperspectral imaging with a laser illuminator and without dispersion | |
| CN111398138A (zh) | 一种干式血液细胞分析装置的光学检测系统及方法 | |
| US20120242858A1 (en) | Device and method for compensating for relief in hyperspectral images | |
| CN114076637B (zh) | 高光谱获取方法及其系统、电子设备和编码宽光谱成像装置 | |
| US11099071B2 (en) | Imaging condition evaluation device and imaging condition evaluation method | |
| Ibraheem | Comparative study of maximum likelihood and spectral angle mapper algorithms used for automated detection of melanoma | |
| CN117274236B (zh) | 基于高光谱图像的尿液成分异常检测方法及系统 | |
| JP2021001777A (ja) | 植物の生育状態評価方法および評価装置 | |
| US20230085600A1 (en) | Self-calibrating spectrometer | |
| CN117523013B (zh) | 一种高导湿面料的色变特征分析方法及系统 | |
| GORLINI et al. | Hyperspectral imaging and deep learning for automatic food quality inspection | |
| Ding et al. | Method for GPU-based spectral data cube reconstruction of integral field snapshot imaging spectrometers | |
| KR20230139958A (ko) | 초분광 이미지 분석에 기반한 컬러 및 두께 상태를 판정하는 시스템 및 방법 | |
| JP2020112473A (ja) | 解析装置、解析システムおよびプログラム | |
| CN114858726A (zh) | 一种叶绿素含量测定方法、系统、装置及存储介质 | |
| JP2021067474A (ja) | 組織画像の解析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |