一、检测目的和依据

1、使用 400-1000nm、900-1700nm 相机采集回收废品的光谱数据；

2、使用机器学习、深度学习等技术，对回收废品的光谱数据进行训练拟合，实现通过高光谱技术无损识别回收废品的成分技术实验与落地。

3、采用双波段高光谱设备采集实验室废水、废活性炭、废酸液等回收废品的光谱数据，经预处理提取特征波段构建模型，结合量热仪实测热值数据进行拟合分析，建立光谱与热值的定量关联，实现回收废品热值的快速无损预测，为固废资源化利用提供数据支撑。

二、样品类别及数量

样本：测试实验客户来样回收废品样品 数量10种

数量：10瓶

结合量热仪实测热值数据进行拟合分析

三、检测设备和方式

检测设备

1、400-1000nm、900-1700nm高光谱相机；

2、光学暗箱（含350-2500nm光源，放样移动平台）；

3、黑色托盘（低反射率背景）；

4、辅助材料：标签（用于标记样品编号，方便对回收废品光谱数据与热值相对应）

采集方式

1、样品摆放规则：将样品按如图所示摆放

2、数据采集模式：使用反射模式采集低G2饼干粉样品400-1000nm、900-1700nm反射率数据

3、设备调参：调节相机高度，使相机视场可以覆盖所有样品；调节镜头光圈到最大（F1.4）；调节镜头焦距，使样品图像最清晰；曝光时间调整到合适的值，避免采集到的样品数据过曝。

四、采集结果

1、数据提供

每个样品数据包含如下6个格式文件：

a、样本400-1000nm、900-1700nm原始数据（包含 .dat、.hdr格式）；

b、样本400-1000nm、900-1700nm反射率数据（包含 .dat、.hdr格式）；

c、样本400-1000nm、900-1700nm高光谱图像（.png格式）；

d、提供样品摆放实拍图（.jpg格式）。

2、数据展示