一、检测目的与依据

  本研究基于高光谱成像无损检测技术，针对海绵、布料材料的含水率智能识别开展实验研究，结合人工智能算法实现材料含水状态的精准判别，推动高光谱无损检测技术在纺织、泡棉材料品质检测场景的落地应用，具体研究目标如下：

1、采用 400-1000nm、900-1700nm 双波段高光谱成像设备，批量采集不同品类海绵、布料材料的光谱数据，覆盖材料水分敏感特征波段；

2、对比分析干燥状态、含水状态下海绵与布料的光谱反射曲线、特征吸收波段、光谱响应差异等核心特征参数，明确水分对材料光谱特征的影响规律；

3、依托采集的标准化光谱数据集，结合机器学习、深度学习算法构建智能识别模型，实现海绵、布料含水率及含水状态的快速无损鉴别，突破传统检测方式效率低、有损、无法实时检测的痛点，推进技术产业化落地。

二、样品类别及数量

样本：本次实验共计选用6类不同材质的海绵、布料样品，样品覆盖常用工业及民用柔性材料品类，具备广泛的代表性。实验通过人为调控样品干湿状态，构建干燥、不同含水率梯度的样品样本组，所有样品均进行统一编号分类，精准区分不同材质、不同含水状态样本，保障光谱数据与样品状态一一对应，为模型训练提供全面、可靠的样本数据支撑。

三、检测设备与采集方式

   本次检测采用高精度标准化高光谱检测系统，设备抗干扰能力强、数据重复性高，适配柔性材料含水率精准检测场景，核心设备如下：

检测设备

1.  双波段高光谱相机：搭载 400-1000nm、900-1700nm 双波段检测能力，精准捕捉材料因水分差异产生的细微光谱变化；

2. 辅助设备：光学暗箱内置 350-2500nm 宽光谱标准光源与精密可控放样移动平台，隔绝外界环境光干扰，保障检测环境恒定统一；

3.  辅助工具：黑色托盘（低反射率背景，避免环境光干扰光谱采集）；降低背景杂光反射干扰，大幅提升光谱数据纯净度与检测精度；

4. 辅助材料：专用分类标签，用于区分不同材质、不同含水状态的实验样品，实现数据全程可追溯、可匹配。

采集方式

1、样品摆放：

a、所有海绵、布料样品平整平铺于检测托盘，样品之间无重叠、无褶皱、无挤压，保证每块样品独立成像、完整采集，规避摆放误差对实验数据的影响；

2、数据采集模式：

采用反射模式，分别采集样品400-1000nm、900-1700nm波段的反射率数据；

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

调整曝光时间至适宜值，避免采集数据出现过曝现象，保证光谱数据准确性。

四、采集结果

数据提供

本次检测为每个样品提供以下6种格式的完整数据文件，确保数据可追溯、可分析：

a、样本400-1000nm、900-1700nm原始数据（.dat、.hdr格式），完整保留原始采集信息，支持二次分析与模型优化；

b、样本400-1000nm、900-1700nm反射率数据（.dat、.hdr格式），经标准板校准，可直接用于模型训练拟合，确保数据的可靠性；

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），留存原始摆放状态，便于数据追溯与异常排查，保障检测流程的可追溯性。

数据展示

采集参考Q/EX C 0628-2025标准