ImSpectorシリーズイメージング分光計は、世界的な高分光イメージング技術リーダーであるSpecim社が発売した高性能分光計で、VIS（380-800 nm）、VNIR（400-1000 nm）、NIR（900-1700 nm）帯のために設計されている。ImSpectorイメージング分光計は、科学的階調CCD/CMOSカメラやInGaAsセンサと組み合わせると、日常的に使用されているさまざまな検査、分類、その他のマシンビジョンソリューションに適用される線形走査分光イメージングデバイスを構成する、世界中のインテグレータやマシンメーカーに簡単で高性能な、高価格比の統合方法を提供しています。

ImSpectorイメージング分光器は各モジュールのスペクトル分解能、検出器サイズ、空間分解能、イメージング速度を最適化し、市場で最も厳しい応用要件を満たすために、最も高い光学性能の歪みのない画像を提供することができる。

オプションの前置光学レンズ：

ü 標準シリーズ：2/3インチ以下の検出器用のOL 8、OL 12、OL 17、OL 23、OL 35

ü 拡張シリーズ：OLE 9、OLE 18.5、OLE 23、OLE 140 2/3インチ以上の検出器用

ü その他シリーズ：OLES 15、OLES 22.5、OLES 30、OLES 56 N 17 E用

オプション部品：

ü メカニカルシャッタ（エンハンスシリーズ）

ü ファイバの収集

ü 帯域阻止フィルタ、OBF 570（矩形14×12 mmまたは円形20 mmØおよび17 mmØ）、V 10およびV 10 E用

ü 光源モニタリング用光ファイバ拡散放射照度センサFODIS（拡張シリーズ）

技術パラメータ：

注：

*1 検出器ウィンドウの前に帯域阻止フィルタを取り付けることができる

*2 システムのスペクトル及び空間分解能はまた、検出器の離散イメージング特性及びレンズ品質に依存する

応用例1：アフラトキシンB 1自然汚染の落花生分類

南京財経大学食品科学・工学院Xueming Heらの研究者は、ImSpector V 10 e分光計+EMCCDカメラを用いて400 ~ 1000 nmの高分光イメージングシステムを構成し、分光法、色、テクスチャ特徴を抽出・統合し、酵素結合免疫吸着試験（ELISA）方法を用いてAFB 1レベルを測定し、非破壊的な高分光イメージング方法に基づいて正常と自然アフラトキシンB 1（AFB 1）汚染を区別する落花生を実現するために使用した。

【図1−1】高スペクトル撮像システムの概略図（左）、落花生サンプルRGB及び分割処理画像（右）：（a 1）−（a 4）AFB 1含有量が最小（0.1 ppb）の落花生分割前RGB画像、ROI 2値画像、分割後RGB画像及び分割後階調画像、（b 1）−（b 4）はAFB 1含有量が最も高い（599.21 ppb）落花生対応画像である

全スペクトルに対して異なる前処理を行い、線形判別分析（LDA）の結果、まずSavitzky-Golay平滑化（SGS）を行い、それから標準正規変換（SNV）を行うことで最適な判別を実現することができ、校正セットと検証セットに対する精度はそれぞれ90%と92%であった。最後に、偏最小二乗判別分析（PLS-DA）と支持ベクトル機（SVM）の性能をLDAと比較したところ、RBF核を持つ支持ベクトル機は校正セットと検証セットの正確率はそれぞれ93%と94%で、結果は最も良かった。

図1-2：（a）すべての150個の落花生サンプルの原始スペクトルと（b）SGS＋SNVスペクトル

本研究は落花生AFB 1汚染の直接分類における高スペクトルイメージングの応用可能性を示し、テクスチャとスペクトル特徴の結合がモデリング結果を改善できることを証明した。

応用例2：ブドウの種の損傷がない迅速な品種識別と可視化表現

浙江大学生物システム工学と食品科学学院Yong Heなどの研究者は、ImSpector N 17 E分光計+ Xeva 992カメラはHSIシステムを構成し、それぞれ3つのブドウ品種の14015、14300、15042粒のブドウ種子の874-1734 nmスペクトル範囲内の高スペクトル画像を収集した。ウェーブレット変換により画素レベルスペクトルを前処理し、各ブドウ種子のスペクトルを抽出した。高スペクトル画像に対して主成分分析（PCA）を行い、最初の6つのPCsのスコアを用いて異なる品種間のパターンを定性的に識別し、最初の6つのPCsの荷重を用いて有効波長（EWs）を識別する。

図2-1：左：最初の6つの主成分（PCs）の画像を採点する：（a）PC1；（b） PC2；（c） PC3；（d） PC4；（e） PC5；および（f）PC 6を含む。右：最初の6つの主成分の荷重：（a）PC1；（b） PC2；（c） PC3；（d） PC4；（e） PC5；および（f）PC 6

サポートベクトルマシン（SVM）を用いてEWsに基づくスペクトル判別モデルを構築する。その結果、この方法はブドウの種ごとの品種を正確に識別することができ、検証精度は94.3%、予測精度は88.7%であった。各品種の外部検証画像を用いて提案モデルを評価し、各個々のブドウの種が異なる品種に属すると正しく識別される分類図を形成する。

図2−2：（a）〜（f）これを品種I−IIIとする元の階調画像と対応する分類図

全体的な結果により、高スペクトルイメージング（HSI）技術と多元分析を結合することはブドウ種子の非破壊的で迅速な品種識別と可視化発現のための有効なツールとすることができ、この方法は実際の応用のために多スペクトルイメージングシステムを開発する上で大きな潜在力を持っている。

参考文献：

[1] He X , Yan C , Jiang X , et al. Classification of aflatoxin B1 naturally contaminated peanut using visible and near-infrared hyperspectral imaging by integrating spectral and texture features[J]. Infrared Physics & Technology, 2021:103652.

[2] Yiying Z , Chu Z , Susu Z , et al. Non-Destructive and Rapid Variety Discrimination and Visualization of Single Grape Seed Using Near-Infrared Hyperspectral Imaging Technique and Multivariate Analysis[J]. Molecules, 2018, 23(6):1352-.