Living Optics Camera:
The Future of
Hyperspectral Imaging
发现更多
不为人知的精彩
视频速度下的光谱成像
图像处理速度更快，信息量更大。
一体化
解决方案
具备计算能力和工具的便携式相机，可捕获和分析空间光谱信息。
开发人员
已准备就绪
计算机视觉工程师常用的软件工具，用于在其应用中利用光谱信息。
将光谱信息引入计算机视觉
Living Optics Development Kit
Living Optics Camera是一款可见光-近红外视频速率光谱成像相机
开发人员现在可以看到整个图像，以视频帧速率实时捕获空间和光谱信息。
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和利用高光谱成像的优势。
Living Optics
Development Kit
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 GPU 处理能力。
软件开发工具包
工具、API、示例以及教程。
户外装备配件
防水便携箱、电池、外置数据存储设备和三脚架安装支架。
技术支持
助您开启计算机视觉之旅。
技能
规格
应用案例
感兴趣吗?
水果分类
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。
形变目标识别
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材质的帽子，尽管它们看起来很相似。但因为不同材料制成的帽子会反射不同的光谱，因此我们可以通过这些不同的光谱特征来识别材料以及其类别。
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。
目标重识别
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。
果实计数
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。
| 特征 | 参数 | 补充说明 |
| 相机 | ||
| 空间分辨率 | 5M 像素 | |
| 光谱采样点 | 4K | 视场内高空间精度样本 |
| 波长范围 | 440-900nm | 可见光-近红外波段 |
| 波段 | 96 | 对于每个光谱样本 |
| 波长FWHM | 8-20纳米 | 与波长范围相关 |
| 位深度 | 12位 | 原始传感器像素数据 |
| 帧率 | 30hz | 最大数据采集速率 |
| 尺寸 | 207x84x57 mm | 不含镜头的相机 |
| 重量 | <1kg | 不含镜头的相机 |
| 接口 | 双 FAKRA 同轴射频线缆 | 数据传输与供电 |
| 边缘计算 | ||
| 型号 | NVIDIA® Jetson AGX Orin™ | 双FAKRA同轴射频线缆与相机连接 |
| 操作系统 | Ubuntu 20.04 | |
| 类型 |
2TB NVMe 固态硬盘+ 64GB eMMC |
|
| 尺寸 | 110x110x84 mm | |
| 重量 | 0.9kg | |
| 功率 | 15-60W | Jetson AGX Orin |
| 软件开发工具包(SDK) | ||
| 工具 | 相机控制、数据采集和处理 | |
| API | 应用程序编程接口 | |
| 示例 | 示例和教程 | |
| 现场套件配件(可选) | ||
| 防水手提箱 | Pelicase IM2400 | |
| 移动电源 | 88 瓦时，日常使用场景下续航超 2 小时 | |
| 外部存储 | 2TB 固态硬盘 | |
| 安装 | 三脚架和 Arca-Swiss 快装板 | |
| 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
