高光谱相机鉴别五种制动液品牌的研究

产品特点：

高光谱相机具有以下关键特点和技术参数：
1. 高精度：高光谱相机可以准确测量和识别不同成分的制动液品牌，避免了误判和混淆。
2. 高速度：高光谱相机能够在短时间内完成对大量制动液品牌的鉴别，提高工作效率。
3. 多光谱信息：通过获取物体的多光谱信息，高光谱相机可以提供更多的细节和特征，进一步提高鉴别的准确性。

解决方案：

高光谱相机可以解决当前制动液品牌行业中的问题。通过高精度和高速度的鉴别能力，高光谱相机可以提升制动液品牌的质量控制水平。而且，通过判断制动液品牌的真伪，高光谱成像仪能够防止假冒品牌的流通，保障用户的使用安全。

高光谱相机鉴别制动液品牌的研究

本研究应用了400-1000nm的高光谱相机，可采用广东赛斯拜克科技有限公司产品SC230进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。

制动液的快速鉴别对于保障机动车的行驶安全十分重要，采用近红外透射光谱研究了汽车制动液品牌及新旧的鉴别，具有快速、无损、低成本的特点。采集龙冠，U2，TCL,长城安途，求是，五种品牌的汽车制动液全新样本以及用过的样本的透射光谱。分别对每一种品牌下全新与用过汽车制动液样本的光谱数据进行主成分分析(PCA),主成分得分图表明不同品牌制动液以及该品牌下全新样本以及用过的样本能够被较好的区分,其光谱特性存在差异。基于主成分载荷(Loadings)进行特征波数选择,偏最小二乘判别分析(PLS-DA),线性判别分析(LDA),簇类独立软模式法(SIMCA),k最邻近分类算法(KNN),随机森林(RF),误差反向传播人工神经网络(BPNN),径向基神经网络(RBFNN),极限学习机(ELM),支持向量机(SVM),最小二乘支持向量机(LS-SVM)等判别分析方法用于建立基于特征波数的判别分析模型,判别模型的建模集和预测集判别正确率均略低于或达到了100%。与其他三种品牌汽车制动液相比,嘉实多全新样本与用过样本的差异较小,KNN与LS-SVM模型的建模集正确率均低于100%。结果表明,近红外透射光谱结合特征波长选择以及判别分析模型对不同品牌制动液以及同一品牌下全新样本以及用过的样本进行识别是可行的,为开发在线或便携式仪器提供理论支持。

本研究用光谱仪获取了五种品牌制动液在400～1000 nm之间的可见-近红外光谱信息，通过主成分分析，得到前6个主成分的累计可信度达到98.55%。以225个样本的前6个主成分数据为基础，运用逐步判别分析建立鉴别模型，对75个未知样本的预测结果表明模型预测准确率为94.67%，实现了运用近红外光谱技术快速、准确地鉴别制动液的品牌，为制动液的快速鉴别提供了一种新方法。