一、檢測目的和依據

1、使用 400-1000nm、900-1700nm 相機采集回收廢品的光譜數據；

2、使用機器學習、深度學習等技術，對回收廢品的光譜數據進行訓練擬合，實現通過高光譜技術無損識別回收廢品的成分技術實驗與落地。

3、采用雙波段高光譜設備采集實驗室廢水、廢活性炭、廢酸液等回收廢品的光譜數據，經預處理提取特征波段構建模型，結合量熱儀實測熱值數據進行擬合分析，建立光譜與熱值的定量關聯，實現回收廢品熱值的快速無損預測，為固廢資源化利用提供數據支撐。

二、樣品類別及數量

樣本：測試實驗客戶來樣回收廢品樣品 數量10種

數量：10瓶

結合量熱儀實測熱值數據進行擬合分析

三、檢測設備和方式

檢測設備

1、400-1000nm、900-1700nm高光譜相機；

2、光學暗箱（含350-2500nm光源，放樣移動平臺）；

3、黑色托盤（低反射率背景）；

4、輔助材料：標簽（用于標記樣品編號，方便對回收廢品光譜數據與熱值相對應）

采集方式

1、樣品擺放規則：將樣品按如圖所示擺放

2、數據采集模式：使用反射模式采集低G2餅干粉樣品400-1000nm、900-1700nm反射率數據

3、設備調參：調節相機高度，使相機視場可以覆蓋所有樣品；調節鏡頭光圈到最大（F1.4）；調節鏡頭焦距，使樣品圖像最清晰；曝光時間調整到合適的值，避免采集到的樣品數據過曝。

四、采集結果

1、數據提供

每個樣品數據包含如下6個格式文件：

a、樣本400-1000nm、900-1700nm原始數據（包含 .dat、.hdr格式）；

b、樣本400-1000nm、900-1700nm反射率數據（包含 .dat、.hdr格式）；

c、樣本400-1000nm、900-1700nm高光譜圖像（.png格式）；

d、提供樣品擺放實拍圖（.jpg格式）。

2、數據展示