Living Optics Camera:
The Future of
Hyperspectral Imaging
发现远不止于
肉眼所见的那些
视频速度下的光谱成像
图像的信息量更大、处理速度也比以往更快。
“一体化的”解决方案
便携式相机具备强大的计算能力和相关工具，能够捕捉并分析空间光谱信息。
开发者
准备好了
为计算机视觉工程师提供的常用软件工具，可帮助他们在应用中利用光谱信息。
将光谱信息引入计算机视觉领域
“生活光学开发套件”
“活体光学相机”是一种用于可见光和近红外波段的视频速率光谱成像相机。
现在，开发人员能够实时查看整个图像，该图像能同时捕捉空间信息和光谱信息，且速度与视频帧率一致。
经过精心设计，将光谱成像的功能融入计算机视觉系统中，并使开发人员能够在其应用中探索并利用高光谱成像的优势。
“生活光学”
开发套件
相机
以视频速度进行成像和可见光-近红外光谱采集。
边缘计算
用于实时空间光谱数据处理的图形处理器处理能力。
软件开发工具包
工具、应用程序编程接口（API）、示例以及教程。
野外装备附件
防水便携箱、电池、外部数据存储设备以及三脚架安装装置。
支持
助您踏上计算机视觉之旅。
专业的技能
规格说明
案例
感兴趣吗?
水果检测
视频播放失败，请稍后重试
此示例展示了利用“生命光学相机”中的空间和光谱信息来完成检测和分割任务的应用。通过将一个基于少量数据训练的简单光谱分类器集成到语义分割流程中，这种方法能够实现对物体子类别的识别。仅使用标准的 RGB 数据无法达到这种细节程度。
帽子识别
视频播放失败，请稍后重试
这展示了如何利用光谱信息来识别不同的帽子，尽管它们看起来很相似。这是因为由不同材料制成的帽子会反射不同的光谱，而我们可以通过这些光谱来识别材料以及具体的帽子种类。
地形分类
视频播放失败，请稍后重试
在此，我们展示了如何对不同地形进行识别，以供自动驾驶车辆使用。这种视频速率的分类提供了超出 RGB 颜色和深度范围的额外信息，从而有助于提升自动驾驶系统的性能。
无混淆的重新获取
视频播放失败，请稍后重试
在这种场景中，苹果会随机在我们的画面中移动，目标是始终准确地识别出一个特定的苹果（此处指一个合成/塑料材质的苹果）。RGB 模型在该苹果返回画面时无法重新获取到它。然而，活体光学相机使我们能够利用光谱数据将所选的苹果与其他苹果区分开来，无论它返回画面时的速度如何。
苹果检测
视频播放失败，请稍后重试
对苹果和梨树进行的手持式高光谱成像技术已证明，在生长季早期（即在收获前）就能估算出作物产量是可行的。在收获前和收获期间对果实进行自动计数和测量将有助于改善储存管理，从而降低加工成本。
| 相机 | 价值 | 笔记 |
| 相机 | ||
| 空间样本 | 5M 像素 | |
| 光谱样本 | 4K | FOV中的高空间精度样本 |
| 波长范围 | 440-900纳米 | VIS-NIR 带宽 |
| 波长表带 | 96 | 每个光谱样本 |
| 波长FWHM | 8-20纳米 | 波长依赖 |
| 比特深度 | 12位 | 原始传感器像素数据 |
| 帧率 | 30帧 | 最大数据采集率 |
| 尺寸 | 207x84x57笔米 | 不含镜头的相机 |
| 重量 | 1公斤 | 不含镜头的相机 |
| 接口 | 双FAKRA同轴射频和5米电缆 | 数据与功率相结合 |
| 边缘计算 | ||
| 类型 | NVIDlA° Jetson AGX OrinTM | 双FAKRA同轴射频和5米电缆 |
| 操作系统 | Ubuntu 20.04 | |
| 类型 | 2TB NVMe 固态硬盘+64GB eMMC |
|
| 相机接口卡 | 双FAKRA同轴射频 | 双FAKRA同轴射频 |
| 网络 | RJ45 10GB 8021 Wi-Fi |
|
| 尺寸 | 110x110x84毫米 | |
| 重量 | 0.9公斤 | 0.9公斤 |
| 权力 | 15-60 西 | 杰特森 AGX 奥林 |
| 软件开发工具包(SDK) | ||
| 工具 | 相机控制、数据采集与处理 | |
| API | 应用程序程序员界面 | |
| 示例 | 示例和教程 | |
| 现场套件配件(可选) | ||
| 防水手提箱 | 螺旋藻IM2400 | |
| 电池 | 88Wh提供>2小时典型操作 | |
| 外部存储 | 2TB 固态硬盘 | |
| 安装 | 三脚架和 arca-swiss 快速释放板 | |
| 文档 | ||
| 用户手册、入门指南、合格证书 |
关注我们
关于我们
联系方式
高光谱产品
