其他行業
本研究應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS23進行相關研究。FigSpec?系列成像高光譜相機采用高衍射效率的透射式光柵分光模組與高靈敏度面陣列相機、結合內置掃描成像及輔助攝像頭技術，解決了傳統高光譜相機需外接推掃成像機構及調焦復雜等難以操作的問題。可與標準C接口的成像鏡頭或顯微鏡直接集成，實現光譜影像的快速采集。
近年來，隨著汽車工業的蓬勃發展，汽車保有量急劇增加，愛車族都在提高車子的外在品質上下功夫，給自己的愛車穿上一件光鮮亮麗的“衣裳”。汽車打蠟能夠有效地保護漆面，延長汽車殼體的使用壽命，并使車輛外表光亮美觀。車蠟是一種由蠟、表面活性劑、溶劑等組成的化合物，易于附著在汽車涂層表面，能增加汽車涂層的光澤度及耐磨性。大量實踐證明，高品質的車蠟可以上光、防水、抗高溫、防靜電、防紫外線、研磨拋光作用，車蠟除了具有上述作用外，還具有防酸雨、防鹽霧等作用，既可以汽車美容又可以提高汽車的實用價值。
本研究采用可見-近紅外光譜技術開展了車蠟品牌的快速無損鑒別方法研究。研究采用連續投影算法（SPA）選取對品牌鑒別最為重要的特征波長，以減少模型輸入變量個數和計算復雜程度。進一步分別采用線性判別分析（LDA）和最小二乘支持向量機（LLS-SVM）建立車蠟品牌的定性判別模型，并比較兩類模型之間的鑒別能力，從而實現快速、無損、低成本、大批量的車蠟不同品牌間的鑒別，為汽車的保養與美容單位，國家質監部門以及普通消費者提供一種快速獲取車蠟品質信息的新方法，避免非法商販以次充好，規范市場秩序，推動車蠟市場的健康有序地發展。
探討了可見-近紅外光譜技術對車蠟不同品牌識別的可能性。基于LDA分類器的車蠟識別模型的預測集準確率為84%，而采用LS-SVM分類器可以將識別模型準確率提高到97%。進一步通過SPA方法從全光譜751個波段中選擇了7 個特征波長變量，這7個波長分別是351，365，401，441，605，926和980 nm。基于特征變量建立的LS-SVM模型分類準確率與全波段一樣為97%，SPA-LS-SVM模型的變量數減少了99.07%，大大減少了數據量和計算復雜度，縮短了計算時間。因此，基于SPA-LS-SVM的識別模型能從可見-近紅外光譜中提取有效信息，并用于不同品牌車蠟的識別。
上述研究結果表明，利用先進的光譜分析技術和數據挖掘算法可以實現車蠟品牌信息的快速識別。該方法具有使用簡單、快速、準確等特點，可以大大的降低人力成本和物力的浪費。
