多光谱成像技术检测样品的步骤是怎样的？

多光谱成像技术是在高光谱成像技术基础上发展起来的一种无损检测技术，这种技术克服了传统高光谱成像技术多维数据高、计算量大、数据处理实时性差、不确定性显著、样本选择困难等缺点，是一种有效鉴定和定量测量样本内外品质的无损检测技术。本文对多光谱成像技术检测样品的步骤作了介绍。

多光谱成像技术检测样品的具体步骤如下：

1.样品选择

筛选建模集和预测集样本，要求样本对需要检测的指标具有很好的代表性，且建模集的样品能覆盖预测集的样品的分布。然后采用常规实验方法准确测试待测指标，获取参照数据。

2.光谱图像获取

用多光谱仪扫描样本，获取其光谱图像。为了确保测试的稳定性，必须严格控制包括样品准备、测试条件、仪器参数等条件。

3.图像预处理

图像的预处理是图像分析过程中的一个重要环节。图像由于图像采集环境的不同，光照明暗程度不同、设备性能的优劣、样品浓度不均匀、人为操作等都会带来不同的噪声。为了保证图像中被测物大小，位置及图像质量的一致性，提高光谱质量，必须对图像进行预处理。图像预处理有两种基本方法，包括对像素值的预处理和领域预处理。

4.图像分割

图像分割是图像处理过程中的关键步骤之一，是后续工作能够有效进行的关键技术。图像分割是将图像中有意义的特征部分提取出来，包括图像中的边缘、区域等。目前已经研究出不同分割的种类和方法，但还没有统一的方法可以适用于所有的图像处理中。图像分割结果的好坏需要根据具体的要求进行衡量。常见的图像分割的方法很多，如阈值法、特征空间聚类法、区域分割法等。

5.特征提取

特征提取是图像处理中最初级的运算，指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征，把识别后的图像特征从图像中抽取的过程。常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征等。图像特征提取是一门交叉性的学科，涉及数学、物理学、控制理论、计算机科学等多个方面的知识。

6.建立校准模型

利用所提取的图像特征作为输入，用化学计量学方法关联样本的预处理光谱数据和参照数据，通过一定的数学计算方法计算出关联模型。常用的化学计量学法有PCA，PLSR，LS-SVM，BPNN等。

7.建立预测模型

使用预测集的样品来检验建立的校准模型的稳定性。对实际值与预测值作线性相关，并用相关系数和预测标准差来表示预测效果，好的预测模型要求相关系数接近1、预测标准差逼近于校准标准差。

8.未知样品的检测

用多光谱仪对未知样本进行扫描，获取光谱数据，根据已建立的预测模型和测得的光谱数据对于样品进行预测。