采集布线高光谱数据无损识别色差

一、检测目的和依据

1、使用 400-1000nm 高光谱相机采集布线样品光谱数据；

2、通过高光谱无损检测方式获取布线样品光谱反射曲线；

3、结合机器学习、深度学习算法，对布线高光谱光谱数据集进行模型训练与拟合，验证高光谱技术无损识别布线色差的可行性，为后续项目落地提供实验支撑。

二、样品类别及数量

样本：测试实验客户来样样品 数量4片

三、检测设备和方式

检测设备

1、400-1000nm高光谱相机

2、光学暗箱（含350-2500nm光源，放样移动平台）

3、 黑色托盘（低反射率背景）

        4、辅助材料：标签（标记布线样品编号，建立图像区域与光谱数据一一对应关系）

采集方式

1、样品摆放规则：将 4 片布线试样按照实验布局平铺摆放，保证样品之间留有间隔，避免不同试样光谱信号互相串扰。

2、数据采集模式：采用反射采集模式，获取布线样品 400-1000nm 波段光谱反射率数据。

3、设备调参：

• 调节相机高度，使相机视场可以覆盖所有样品

• 调节镜头光圈到最大：F1.4

• 调节镜头焦距，使样品图像最清晰

• 曝光时间调整到合适的值，避免采集到的样品数据过曝

四、采集结果

1、数据提供

提供数据格式，每个样品数据包含如下6个格式文件：

a、样本400-1000nm原始数据（包含 .dat、.hdr格式）

b、样本400-1000nm反射率数据（包含 .dat、.hdr格式）

c、样本400-1000nm高光谱图像（.png格式）

d、提供样品摆放实拍图（.jpg格式）

2、数据展示

本次测试输出完整成套数据：原始高光谱数据、校正后的反射率数据、高光谱伪彩色图像与实拍照片。在高光谱分析软件中对布线不同色差区域选取 ROI 感兴趣区域，提取光谱反射曲线。结果表明，不同色差布线样品光谱指纹存在稳定差异，600~1000nm 波段光谱区分效果显著。 依托本次布线光谱数据集，可进一步训练机器学习与深度学习识别模型，开发布线色差在线检测算法。未来可集成至产线，替代人工肉眼分拣，实现布线色差自动化、快速无损质检，提升检测效率与一致性。

采集参考Q/EX C******/strong>标准