1. 使用400-1000nm、900-1700nm高光譜相機，精準采集布料818的光譜數據；

2. 依托客戶通過化學方法獲取的布料成分值，作為數據對比基準；

3. 運用機器學習、深度學習等人工智能技術，對布料光譜數據與化學法獲取的成分值進行訓練擬合，最終實現高光譜技術無損識別布料成分的技術實驗驗證與落地應用。

二、樣品類別及數量

樣本：測試實驗客戶來樣樣品，數量共2種。

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，配套放樣移動平臺）；

3. 黑色托盤（低反射率背景，保障采集數據準確性）；

4. 輔助材料：標簽（用于標記布料編號，實現布料光譜數據與化學值精準對應）。

采集方式

1. 樣品擺放規則：將布料818樣品按圖示規范擺放；

   

2. 數據采集模式：采用反射模式，采集布料樣品400-1000nm、900-1700nm波段反射率數據；

3. 設備調參要求：

• 調節相機高度，確保相機視場可完整覆蓋所有樣品；

• 調節鏡頭光圈至大：F1.4；

• 調節鏡頭焦距，使樣品圖像達到最清晰狀態；

• 調整曝光時間至合適值，避免采集的樣品數據出現過曝現象。

四、采集結果

1. 數據提供

為每個樣品提供完整數據文件，每個樣品包含以下6個格式文件：

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

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

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

d、樣品擺放實拍圖（.jpg格式）。

1. 數據展示