HSI技術(shù)在谷物無損快速檢測方面的研究

谷物有大宗谷物與小宗谷物之分，大宗谷物包括小麥、玉米、稻谷，小宗谷物包括高梁、粟、黍、養(yǎng)麥、筱麥、薯類、豆類等。谷物及谷物加工制品提供了人類所需能量物質(zhì)的50%~80%，蛋白質(zhì)的40%~70%，B族維生素60%以上，以及膳食纖維、碳水化合物、脂肪、鐵、鋅、維生素E、維生素C以及多種抗氧化活性成分等。谷物品質(zhì)的好壞直接影響到民眾的健康及其加工特性，因此谷物品質(zhì)的檢測方法研究意義重大。

目前，谷物品質(zhì)檢測的方法包括：蛋白質(zhì)檢測的DNA分子標(biāo)記法、凱氏定氮法、近紅外光譜分析法等，水分檢測的烘干法、近紅外光譜分析法等，淀粉檢測的分光光度法、熱重分析法等，品種鑒別的人工檢測法、蛋白電泳鑒定法等，活力檢測的電導(dǎo)率法、電子鼻法、發(fā)芽試驗法、葉綠素?zé)晒鈾z測技術(shù)、激光檢測技術(shù)等，不完善籽粒檢測的聲學(xué)原理法、人工檢測法等。其中，傳統(tǒng)的谷物品質(zhì)檢測的方法包括：人工檢測法、烘干法、凱氏定氮法、分光光度法、DNA分子標(biāo)記法、蛋白電泳鑒定法等，而傳統(tǒng)的谷物品質(zhì)檢測方法存在工作量大、主觀性強、效率低、操作繁瑣、時效性差、成本高、危害人體健康等缺點?，F(xiàn)代儀器法包括：電子鼻、機器視覺技術(shù)、葉綠素?zé)晒鈾z測技術(shù)、激光檢測技術(shù)、近紅外光譜分析法等，但上述方法存在測定結(jié)果易受其他因素干擾、穩(wěn)定性差的缺點。因此，研發(fā)一種簡便、快速、有效、穩(wěn)定的谷物品質(zhì)檢測技術(shù)一直是本學(xué)科的研究重點和熱點。

高光譜成像（Hyperspectral?imaging，HSI）技術(shù)融合了傳統(tǒng)的光譜技術(shù)（反映化學(xué)組成等）和圖像技術(shù)（反映物理特性），具有高分辨率、無損、快速等特點。隨著化學(xué)計量學(xué)的發(fā)展，HIS技術(shù)作為一種新興的快速、無損檢測方式，已經(jīng)廣泛應(yīng)用于谷物無損檢測中。

針對近五年來HSI技術(shù)在谷物無損快速檢測方面的研究，分析了HIS技術(shù)在小麥、玉米、稻谷3種大宗谷物的化學(xué)成分檢測、品種鑒別、種子活力檢測、不完善籽粒檢測中的應(yīng)用進(jìn)展，提出了現(xiàn)有研究中存在的問題，并對HSI技術(shù)在谷物品質(zhì)檢測應(yīng)用中的研究進(jìn)行了展望，以期為今后的研究提供參考。

1 HIS技術(shù)的基本原理與光譜信息數(shù)據(jù)處理方法

1.1?基本原理與主要構(gòu)成

HIS技術(shù)是在一定的波長范圍內(nèi)，將二維的平面圖像按照光譜分辨率連續(xù)地組成一個三維的數(shù)據(jù)立方體結(jié)構(gòu)，其中的二維數(shù)據(jù)是圖像像素的橫縱坐標(biāo)x軸和y軸，第三維是波長信息λ。HSI系統(tǒng)主要由光源、成像高光譜儀、相機、圖像采集系統(tǒng)和計算機等組成，其分辨率△λ/λ=0.01數(shù)量級，波長范圍可在紫外（200~400nm）到可見光-近紅外（400~1000nm），再到近紅外（900~1700nm，1000~2500nm）以及波長大于2500nm的區(qū)域。按照HIS系統(tǒng)掃描方式不同可將其分為點掃描式、線掃描式以及區(qū)域掃描式3種，其中線掃描式為最常用的一種方式。

1.2?光譜信息數(shù)據(jù)處理方法

高光譜信息量巨大，采用化學(xué)計量學(xué)算法可挖掘詳細(xì)且重要的信息。目前，相關(guān)數(shù)據(jù)處理軟件有ENVI、MATLAB和Unscramble。

1.2.1?圖像數(shù)據(jù)處理與分析

圖像處理和分析包括了圖像預(yù)處理、圖像分割和特征提取。圖像預(yù)處理可以通過直方圖均值化或主成分分析法（PCA）移除壞點、背景信息和邊緣效應(yīng)，也可通過小波變換（WT）減少圖片噪聲和模糊邊緣，為后續(xù)的處理提供高質(zhì)量的圖像。圖像分割的目的是將有差異的區(qū)域分割出來，使它們互不相交，從而為感興趣區(qū)域的提取、定性、定量分析提供基礎(chǔ)，常用的方法有大津閥值分割算法（OSTU）等。

圖像特征包括紋理、顏色和形態(tài)特征，紋理特征的提取方法有灰度共生矩陣（GLCM）、WT等，顏色特征的提取方法有顏色直方圖等，形態(tài)特征的提取方法有傅里葉變換、幾何參數(shù)法等。

1.2.2?光譜數(shù)據(jù)預(yù)處理與分析

高光譜數(shù)據(jù)中除了包含樣品的自身信息外，還包含其他無用的信息和噪聲，為了消除這些因素的影響，以優(yōu)化增強光譜信息、提高模型的穩(wěn)健性，在建模之前，需對原始光譜數(shù)據(jù)進(jìn)行預(yù)處理。光譜預(yù)處理的方法有很多種，包括平滑法[移動平均平滑法（MAS）和卷積平滑法（SG）]、導(dǎo)數(shù)法[光譜的一階（1stDer）和二階導(dǎo)數(shù)（2ndDer）]、散射效應(yīng)校正[多元散射校正（MSC）和標(biāo)準(zhǔn)正態(tài)變量變換（SNV）]、數(shù)據(jù)增強算法[均值中心化（MC）、標(biāo)準(zhǔn)化（AL）和歸一化（NL）]、基線校正（BL）、WT、正交信號校正（OSC）、去趨勢算法（Dt）等。

1.2.3?特征波長提取

高光譜數(shù)據(jù)的特點是波段多、數(shù)據(jù)量大、冗余性強，對高維數(shù)據(jù)分類時，由于可獲取的樣本數(shù)量是有限的，所以分類精度會隨著波段數(shù)量的增加出現(xiàn)先上升后下降的現(xiàn)象，也就是Hughes現(xiàn)象，導(dǎo)致所建模型性能差、效率低。故提取特征波長、消除無關(guān)信息，是提高模型穩(wěn)健性和準(zhǔn)確性的關(guān)鍵步驟。常用的特征波長提取的方法有連續(xù)投影算法（SPA）、PCA、變量投影重要性（VIP）、無信息變量消除法（UVE）、競爭性自適應(yīng)重加權(quán)算法（CARS）、間隔偏最小二乘算法（IPLS）、組合偏最小二乘波段選擇算法（SiPLS）、隨機蛙跳（RF）算法、遺傳算法（GA）等。

1.2.4模型建立與驗證

由于高光譜數(shù)據(jù)冗余，需要應(yīng)用統(tǒng)計學(xué)方法進(jìn)行定性定量分析。其中定性分析中主要有監(jiān)督分類與非監(jiān)督分類、參數(shù)分類與非參數(shù)分類、確定性分類與非確定性分類等，常用的方法包括線性判別（LDA）、最小二乘判別（PIS-DA）、隨機森林（RF）、支持向量機（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）、BP神經(jīng)網(wǎng)絡(luò)（BPNN）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、Fisher判別分析（FDA）、極限學(xué)習(xí)機（ELM）；定量分析模型中多采用多元變量回歸，可分為線性回歸和非線性回歸，線性回歸包括逐步線性回歸（SLR）多元線性回歸（MLR）、主成分回歸（PCR）、偏最小二乘回歸（PLS）等，非線性回歸包括人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機（SVM）等。

模型驗證是用來評估模型的穩(wěn)健性和準(zhǔn)確性，由于不同測試數(shù)據(jù)計算出的模型預(yù)測誤差有較大的差別，所以化學(xué)計量學(xué)中經(jīng)常使用多次重復(fù)選擇不同的測試數(shù)據(jù)來綜合評價模型的預(yù)測結(jié)果，即交叉驗證（CV）法，常用的交叉驗證方法有留一交叉驗證、K折交又驗證和蒙特卡洛交叉驗證等。交叉驗證法評估模型的魯棒性和預(yù)測能力的參數(shù)包括校準(zhǔn)系數(shù)（R2C）、交叉驗證（R2CV）和預(yù)測（R2P）以及校準(zhǔn)的均方根誤差（RMSEC）、交又驗證的均方根誤差（RMSECV）和預(yù)測的均方根誤差（RMSEP）。通常，一個好的模型應(yīng)具有較高的R2C、R2CV、R2P，而具有較低的RMSEC、RMSECV和RMSEP。

2在谷物品質(zhì)檢測中的應(yīng)用

高光譜技術(shù)發(fā)展迅速，在軍事、地質(zhì)、農(nóng)業(yè)領(lǐng)域都得到了廣泛的研究。近年來HSI技術(shù)用于谷物品質(zhì)檢測主要集中在種子化學(xué)成分檢測、品種鑒別、種子活力檢測、不完善籽粒檢測等方面。

2.1?化學(xué)成分檢測

谷物化學(xué)成分含量是評價谷物品質(zhì)的重要指標(biāo)。谷物中含水分、淀粉、蛋白質(zhì)、纖維素、維生素等營養(yǎng)成分。近幾年HSI技術(shù)已經(jīng)被作為一種快速無損技術(shù)用于谷物化學(xué)成分定性和定量的分析，并取得一定成果。

目前最常用的高光譜波長范圍為可見-近紅外（VNIR）（400~1000nm）、近紅外（NIR）（900~1000nm）、短波紅外（WNIR）（1000~2500nm），其中近紅外譜段（780~2500nm）反映的是分子倍頻和組合頻吸收的特征，倍頻是伴隨中紅外區(qū)的分子基頻振動產(chǎn)生的，基頻的強度會隨倍頻的增大而降低；組合頻是多個基頻之和，其強度隨頻率之和的增大而降低。近紅外區(qū)域最常觀測到的譜帶是O-H、N-H、C-H和S-H化學(xué)鍵基頻振動的組合頻以及一級、二級和三級倍頻吸收，主要基團(tuán)組合頻與各級倍頻吸收帶的近似位置見表1。

表1?主要基團(tuán)組合頻與各級倍頻吸收帶的近似位置

小麥化學(xué)成分測定的研究表明，使用高光譜近紅外波段預(yù)測小麥蛋白質(zhì)、水分、濕面筋含量的性能優(yōu)于傳統(tǒng)的近紅外光譜。玉米水分含量測定研究表明，用NIR光譜建立的模型比用VNIR光譜建立的模型的進(jìn)行測定玉米種子含水量更具潛力。種子不同部位的化學(xué)成分的種類和含量不同，研究發(fā)現(xiàn)，玉米胚結(jié)構(gòu)區(qū)域高光譜的特征波長建立的模型優(yōu)于全表面區(qū)域。Zhang等將得到的定量模型傳遞到每個像素從而實現(xiàn)大米淀粉含量的可視化圖像，從可視化圖像可以了解大米淀粉的分布情況，為實現(xiàn)在線檢測提供了基礎(chǔ)。HSI技術(shù)在小麥蛋白質(zhì)、水分、濕面筋含量指標(biāo)，水稻和玉米的水分含量定量檢測方面取得了一定的成果，但在小麥的穩(wěn)定時間、纖維素、千粒重、沉淀值、淀粉、濕面筋等，玉米的淀粉、脂肪、蛋白質(zhì)等，水稻的淀粉、蛋白質(zhì)等化學(xué)指標(biāo)的較少甚至沒有。

表2?HSI技術(shù)在谷物化學(xué)成分檢測中的應(yīng)用

2.2?谷物品種鑒別

小麥、水稻、玉米等谷物品種眾多，不同品種的谷物其生長條件、抗病蟲害情況、產(chǎn)量及加工品質(zhì)等存在差異，對種植、收購、流通、儲運和加工均具有重要影響。然而大部分品種在缺乏經(jīng)驗前提下憑肉眼無法鑒別，且部分品種外觀極其相似。近年來，基于高光譜成像技術(shù)在小麥、水稻、玉米等谷物品種鑒別方面已有探索性研究（表3）。

表3?HSI技術(shù)在谷物品種鑒定中的應(yīng)用

小麥、水稻品種鑒別研究中均發(fā)現(xiàn)NIR?波長范圍所建模型的品種鑒別效果優(yōu)于VNIR波長范圍所建模型。谷物品種鑒別的研究中，采用光譜和圖像信息結(jié)合進(jìn)行建模，所建模型性能優(yōu)于單一使用光譜或圖像信息。模型的準(zhǔn)確性和穩(wěn)定性是評價模型性能的重要指標(biāo)，Guo等為了保持模型的準(zhǔn)確性和穩(wěn)定性，提出了一種基于高光譜成像結(jié)合預(yù)標(biāo)記方法的不同年份玉米種子品種的模型更新算法。Qiu等使用不同數(shù)量的訓(xùn)練樣本進(jìn)行建模，模型性能隨著訓(xùn)練樣本數(shù)量的增加而提高。目前國內(nèi)外研究均表明基于HIS技術(shù)進(jìn)行小麥、水稻、玉米品種鑒別的可行性，但同時也發(fā)現(xiàn)HIS技術(shù)存在有效性和穩(wěn)定性差等問題。此外，樣本在儲運和流通環(huán)節(jié)產(chǎn)生的不一致性也增加了高光譜建模的難度和不確定性。

2.3?種子活力檢測

種子活力檢測種子活力是評估種子品質(zhì)的一個重要指標(biāo)，高活力的種子耐儲藏、發(fā)芽率高、具有較強的抗逆性。

成熟時的種子活力最高，但會隨著貯藏時間的增加而降低。故在使用種子進(jìn)行播種或食品加工前進(jìn)行及時、準(zhǔn)確的種子活力檢測具有重要的意義。目前，HIS技術(shù)在小麥、水稻、玉米種子活力檢測上都獲得了有效性驗證，但同時也表明種子活力受品種、種植區(qū)域、貯藏年份等的影響，需要對不同品種、種植區(qū)域、貯藏年份等的樣本建立檢測模型。

表4?HSI技術(shù)在谷物活力檢測中的應(yīng)用

2.4?不完善籽粒檢測

不完善籽粒檢測不完善籽粒主要在生產(chǎn)、存儲、包裝等過程中產(chǎn)生，不完善籽粒的存在會降低谷物質(zhì)量甚至影響糧食安全。目前我國谷物不完善籽粒檢測多以人工分選為主，存在主觀性較強，費時費力等問題。因此，如何快速準(zhǔn)確鑒別谷物不完善粒是現(xiàn)階段提高生產(chǎn)率和保證糧食安全的重要問題，HSI技術(shù)作為一種無損和快速的光學(xué)成像分祈技術(shù)可以解決這一重要問題。目前，HSI技術(shù)在谷物不完善籽粒檢測主要應(yīng)用于小麥破損粒、黑胚粒、發(fā)芽、發(fā)霉、干癟、蟲蝕、病斑粒等檢測并取得一定進(jìn)展，但由于不同品種小麥的特征波長可能有所不同，需大量的研究數(shù)據(jù)來建立可靠的識別模型，故仍存在樣本量少而導(dǎo)致模型可信度低的問題。

表5?HSI技術(shù)在谷物不完善籽粒檢測中的應(yīng)用

3 問題和展望

HSI技術(shù)在谷物品質(zhì)無損檢測研究與應(yīng)用中已經(jīng)取得一定的成果，但其應(yīng)用于實際仍存在許多問題。HSI技術(shù)在小麥蛋白質(zhì)、水分、濕面筋含量指標(biāo)，水稻和玉米的水分含量檢測方面取得了一定的成果，但在小麥的穩(wěn)定時間、纖維素、千粒重、沉淀值、淀粉等，玉米的淀粉、脂肪、蛋白質(zhì)等，水稻的淀粉、蛋白質(zhì)等化學(xué)指標(biāo)較少甚至沒有。HSI技術(shù)在品種鑒別的研究上存在有效性和穩(wěn)定性差等問題。此外，樣本在種植區(qū)域、儲藏年份、生產(chǎn)條件、儲運和流通環(huán)節(jié)產(chǎn)生的不一致性也增加了高光譜建模的難度和不確定性。HSI技術(shù)在種子活力檢測上都獲得了有效性驗證，但同時也發(fā)現(xiàn)模型的準(zhǔn)確性和可信度受樣本的品種、種植區(qū)域、儲藏年份等的影響。HSI技術(shù)在谷物不完善籽粒檢測的研究中，由于不同品種的小麥的特征波長可能有所不同，需大量的研究數(shù)據(jù)來建立可靠的識別模型，故仍存在樣本量少而導(dǎo)致模型可信度低的問題。缺乏集光譜采集、數(shù)據(jù)處理、智能判別為一體的相關(guān)設(shè)備。目前實驗室用和室外用HSI成像設(shè)備，體積過于龐大、不易攜帶。

高光譜設(shè)備和數(shù)據(jù)處理軟件操作難度大，大量數(shù)據(jù)通過不同數(shù)據(jù)軟件分析速度顯著不同，所構(gòu)建的模型不具通用性，致使該技術(shù)的應(yīng)用受限。

將高光譜成像技術(shù)成功應(yīng)用于谷物無損快速檢測仍需做大量工作：建立多化學(xué)指標(biāo)的高光譜定量模型；增加樣本來源和數(shù)量，嘗試不同數(shù)據(jù)處理方法，有助于提高模型的

推薦：

萊森光學(xué)- iSpecHyper-VM系列無人機機載高光譜成像系統(tǒng)

萊森光學(xué)-多旋翼無人機高光譜成像系統(tǒng)iSpecHyper-VM系列是一款基于小型旋翼無人機的高性能機載高光譜成像系統(tǒng)。

萊森光學(xué)-多旋翼無人機高光譜成像系統(tǒng)光譜范圍400-1000nm/900-1700nm，由高性能高光譜相機、穩(wěn)定云臺、高清相機、GNSS模塊、機載控制與數(shù)據(jù)采集模塊、機載供電模塊、地面站模塊等部分組成。核心載荷高光譜相機完全自主研發(fā)，采用1英寸大靶面CCD圖像傳感器具有高光譜分辨率、高靈敏度、大視場及優(yōu)異的成像性能，配合定制開發(fā)的高性能穩(wěn)定云臺，能夠有效降低飛行過程中無人機抖動引起的圖像扭曲與模糊；同時與GPS同步觸發(fā)，實現(xiàn)可見光照片匹配同步GPS信息；通過地面實時數(shù)據(jù)平臺實時觀測飛行器采樣點并可利用地面端設(shè)置采集的航線預(yù)覽及矯正功能；有輻射度校正、反射率校正、區(qū)域校正等批處理能力。輔助相機可實時可見、監(jiān)控拍攝效果，有圖像實時回傳功能；有輻射度校正、反射率校正、區(qū)域校正等批處理能力，光譜相機控制、數(shù)據(jù)采集、自動曝光、自動掃描速度匹配、輔助攝像頭功能、支持遠(yuǎn)程遙控、支持巡航、慣導(dǎo)采集模式，數(shù)據(jù)支持Envi等主流遙感軟件，實時常用植被指數(shù)計算功能、光譜及圖像數(shù)據(jù)預(yù)覽、建庫、建立指標(biāo)解譯庫等功能。

萊森光學(xué)-多旋翼無人機高光譜成像系統(tǒng)與大疆M600 pro/M300RTK無人機完美適配，支持同類型的多種無人機；系統(tǒng)支持配件升級及定制化開發(fā)，為教育科研、智慧農(nóng)業(yè)、林業(yè)調(diào)查、水環(huán)境監(jiān)測、目標(biāo)識別、軍事反偽裝等行業(yè)高端應(yīng)用領(lǐng)域提供高性能解決方案。

萊森光學(xué)- iSpecHyper-VS系列高光譜成像相機/便攜式高光譜成像系統(tǒng)

萊森光學(xué)-iSpecHyper-VS系列高光譜成像相機是萊森光學(xué)（LiSen Optics）專門用于公安刑偵、物證鑒定、精準(zhǔn)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品，主要優(yōu)勢具有體積小、幀率高、獨有高光通量分光設(shè)計、信噪比靈敏度高、大靶面探測器、高像質(zhì)等特點。iSpecHyper-VS采用了透射光柵外置推掃或內(nèi)置原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計，物鏡接口為標(biāo)準(zhǔn)C-Mount，可根據(jù)用戶需求更換物鏡。iSpecHyper-VS系列高光譜成像相機，廣泛應(yīng)用于公安刑偵、物證鑒定、精準(zhǔn)農(nóng)林、遙感遙測、?工業(yè)檢測、?醫(yī)學(xué)醫(yī)療、采礦勘探等各領(lǐng)域。

萊森光學(xué)-iSpecHyper-VS系列高光譜成像相機/便攜式高光譜成像系統(tǒng)主要技術(shù)特點

光譜范圍400-1000nm或900-1700nm，分辨率優(yōu)于3nm

獨有高光通量分光成像設(shè)計、信噪比靈敏度高

高性能CMOS/CCD/InGaAs（TE Cooled）圖像傳感器，數(shù)據(jù)格式支持ENVI，支持多區(qū)域ROI

可選配電控自動對焦技術(shù)、自動曝光、自動成像掃描匹配

全靶面高成像質(zhì)量光學(xué)設(shè)計，點列斑直徑小于0.5像元

多種焦距物鏡鏡頭（12.5/25mm/35mm/75mm）可根據(jù)用戶需求更換物鏡

多種光學(xué)附件可選：戶外太陽光源、實驗室太陽勻化光源工作臺、三腳架（野外專用）、數(shù)據(jù)線、電源線、電源（外置電源模塊）、儀器便攜式手提箱（定制三防箱）、專業(yè)高光譜采集軟件

?

萊森光學(xué)- iSpecField-系列手持式/便攜式地物光譜儀

萊森光學(xué)-iSpecField系列地物光譜儀是萊森光學(xué)（LiSen Optics）專門用于野外遙感測量、土壤環(huán)境、礦物地質(zhì)勘探等領(lǐng)域的最新明星產(chǎn)品，由于其操作靈活、便攜方便、光譜測試速度快、光譜數(shù)據(jù)準(zhǔn)確是一款真正意義上便攜式地物光譜儀。iSpecField系列地物光譜儀光譜范圍250-1100nm/250-1700nm/250-2500nm，采用了工業(yè)級觸控顯示屏手柄探頭，手柄探頭同時采用了獨有光學(xué)設(shè)計內(nèi)置攝像頭（相機）、GPS、激光指示器、內(nèi)置光學(xué)快門控制，同時地物光譜儀主機與工業(yè)級觸控顯示屏手柄探頭一體化設(shè)計，可野外現(xiàn)場直接進(jìn)行地物光譜操作測量，野外操作更加便捷方便，非常適合復(fù)雜的野外地物光譜測量。

萊森光學(xué)-iSpecField系列地物光譜儀主要技術(shù)特點

光譜范圍250-1100nm/250-1700nm/250-2500nm，固定全息光柵一次性快速掃描分光

2048像素面陣BT-CCD，256/512像元InGaAs，高像素雙路探測器同步測量，光譜精度高、分辨率高

主機與工業(yè)級觸控顯示手柄探頭一體化結(jié)構(gòu)，野外測量無需額外電腦，操作靈活

最短積分時間30微秒，測量動態(tài)范圍大，7吋高清觸控顯示遠(yuǎn)程觸發(fā)一鍵測量

內(nèi)置＞800萬像素自動對焦攝像頭（相機）、GPS、激光指示器、內(nèi)置光學(xué)快門控制

GPS定位、地物圖像、角度測量、距離測量、空氣溫濕度測量與光譜實時對應(yīng)同步

SpecAnalysis專用地物分析軟件，兼容ENVI、TSG、Arcgis等第三方工具軟件，嵌入了USGS數(shù)據(jù)庫和NDVI等13個植被指數(shù)

豐富測量光學(xué)配件：標(biāo)準(zhǔn)白板/灰板、葉片透射夾、礦物土壤專用探頭、手槍式光纖探頭、室內(nèi)太陽光源、視場角鏡頭、BRDF測量附件、透反射實驗室支架裝置、遠(yuǎn)程觸發(fā)器等可滿足野外和實驗室測量需求，可實現(xiàn)透射反射率、輻照度、輻亮度等測試

大容量電池，續(xù)航時間4-5小時，供電電池模塊可拆卸，可配置備用電池模塊，滿足長時間野外測量
?