本系统为一套基于红外光谱仪的皮肤烧伤深度检测系统软件平台，用于处理红外光谱仪采集的烧伤信号并快速检测出烧伤深度，为后续的烧伤快速分级初筛、干预措施的快速决策、术后疗效评估等措施提供必备的数据支撑，从而实现烧伤的无创精确诊断，提高烧伤分级诊疗、应急救援等水平。 我国每年约有1000万人被烧伤，特别是严重烧伤给患者带来了极大痛苦。伤后早期对烧伤创面深度进行快速和准确的判断和评价，不仅为医生尽早选择治疗手段提供辅助依据, 而且最大程度地避免过度瘫痕增生、功能障碍和治疗费用增加等问题，是提高

本发明公开了一种动目标的红外辐射光谱特性仿真分析方法，该方法首先为动目标三维几何建模并将目标按区域划分；之后建立目标温度分布模型，计算不同观测角度下目标表面各点的温度；然后建立红外大气传输模型，计算大气透过率及大气路程辐射；之后设定测量系统及动目标的各参数；再利用已建立的目标温度分布模型及红外辐射传输模型计算动目标像方的辐射能量；最后分别计算点目标及面目标的红外辐射能量并绘制相应的辐射光谱曲线。本发明技术方案方

本发明提供了一种基于空间相关性的高光谱数据降噪方法及系统，进行投影变换，求解高光谱数据 中各个波段所成图像的平均图像，计算高光谱数据的协方差矩阵并进行特征值分解得到变换矩阵和特征 值矩阵，利用变换矩阵将高光谱数据进行线性投影，得到变换域中的三维数据；根据特征值矩阵选择降 噪阈值；降噪，包括对降噪阈值以内的变换域中的三维数据进行保留，对阈值以外的变换域中的三维数 据进行降噪处理；投影反变换，包括利用所述变换矩阵的逆矩阵对降噪后的变换域中的三维数据进行线 性投影，重构得到降噪后的高光谱数据。本发明在降噪处理过程中，对于空间域的相关性充分保护，很 好地降低了高光谱数据的噪声量级，提高了高光谱数据的信噪比。 

本发明提供一种无人机超高光谱多角度观测方法，涉及无人机应用技术领域。该无人机超高光谱多角度观测方法，包括以下步骤：采用两台光纤光谱仪、多通道分光器、余弦校正器、工控箱和云台；精确确定观测地中心点的经纬度坐标；根据飞行高度及观测角度计算每个观测点的经纬度，并写成kml文件生成航线，选择飞行时刻的航线，导入无人机控制软件中编辑飞行任务；通过等高观测、等距观测和悬停变角观测。本发明通过两台光纤光谱仪分别观测日光诱导叶绿素荧光和植被冠层反射率，结合多角度航线规划，能够从多个角度获取目标区域的光谱数据，更全面地反映观测对象的特性，提高数据的完整性和准确性，为后续的科学研究和分析提供更可靠的数据支持。

产品详细介绍一、应用范围（可分析周期表中所有金属元素和部分非金属元素）1．钢铁及其合金的分析：包括碳素钢、铸铁、合金钢、高纯铁、铁合金等。2．有色金属及其合金的分析：包括有色金属及其合金、稀有金属及其合金、贵金属、稀土元素及其化合物。3．水质样品的分析：包括饮用水、地表水、矿泉水、高纯水及废水等。4．环境样品的分析：包括固体废物、土壤、粉煤灰、大气飘尘等。5．地矿样品的分析：包括地质样品、矿石及矿物等。6．动植物及生化样品的分析：包括植物、中药及动物组织、生物化学样品等。7．核工业产品的分析：包括核燃料、核材料等。8．食品及饮料的分析：包括食品、饮料等。9．化学化工产品的分析：包括化学试剂化工产品无机材料化妆品油类等。

HY-90系列无人机载高光谱成像系统，采用自主研发的高光谱相机，结合高清可见光相机、定制化高稳云台、高精度GPS系统、远程控制系统，实现对地物多源信息的同步定性、定量、定时、定位的采集。  功能特性 采用高性能大靶面cmos图像传感器，光谱分辨率优于2.8nm； 内含定制云台自稳定系统，无人机推扫成像，作业效率高 ； 硬件同步触发高清可见光相机，分辨率达1500w像素，支持高精度正射影像拼接 ； 硬件同步触发POS系统，GPS定位数据与高光谱数据按行精准对应，辅助图像拼接 ； 小型地面站广播基站GPS信息，实现机载端RTK ；可实现远程智控，提升用户操作及使用便利性； 支持实时图传，监控单波段图像及光谱曲线； 机载控制及数据采集软件，数据格式完美支持ENVI等第三方软件； 可适配大疆M600 pro、华测P580及科卫泰、海康等多种无人机平台。  应用领域 水质环保：水质监测（总氮、总磷、氨氮、叶绿素、浊度、高锰酸钾指数等） 土壤监测：土壤含水量监测、土壤肥力监测、重金属污染监测； 地质应用：矿物填图、矿物成分探测、成矿预测； 农林碳汇：农业测绘，病虫害防治，树种识别， 国防军工：伪装识别，无人侦察等； 

产品详细介绍成像系统　　SOC-730VS可见光/近红外成像光谱仪是一款高质量、商品化的成像光谱仪，光谱范围为400nm～1000nm。和MIDIS™ 处理器（为可选件）连接后，SOC-730VS可以提供最苛刻的实时分析，质量控制和探测应用。 实时处理　　实时处理数据的应用，如机械视觉、生物影像、颜色质量评估、和需要即时反馈的目标探测等。可选的SOC MIDIS™处理器以最优的电脑速度快速执行光谱处理，克服了大部分成像光谱仪在实时数据处理方面的瓶颈。　　MIDIS处理器具有多个相关通道同时监测测量数据和三光谱积分，使得MIDIS处理器有能力克服当今数据处理的难题。配备了一个独立的偏振分光光度计，高灵敏度的，12bit兆像素数列和积分扫描仪，SOC-730VS通过高速Camera-Link接口，可以记录400nm到1000nm光谱范围内、2nm分辨率的高质量光谱成像数据。　　SOC的HS分析软件可以用来进行标定和数据分析。记录的数据格式为开放式的二进制数据，可以很容易的用第三方分析软件打开，如ENVI软件。 技术参数光谱范围： 400-1000 nm光谱分辨率： 2 nmSMILE： <1.5 μ数字光圈： F/2.4TFOV (35MM)： 10°IFOV (35MM)： 0.17 mrad分辨率 (像素)： 1024x1024帧频： 15 fps数字分辨率： 12-bit三脚架： 3/8”-16计算机接口： Cameral-Link扫描： 内置供电： AC/12DV 应用领域：机械视觉　　连接处和表面检查　　农业视察　　化学分析　　农业领域精准农业　　土地分类　　水份胁迫　　作物健康 科学领域　　显微镜　　生物分析军事领域　　目标识别　　敌友分辨遥感领域 　　地表真实　　分类制图 

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

成果描述：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。市场前景分析：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。与同类成果相比的优势分析：国内领先

本发明基于压缩感知理论将将测量的信号通过1比特量化，去掉了之前被测信号能量为1的假设，通过循环迭代的公式最小化凸的替代函数，最终恢复出要测量的信号，相比于之前相关算法明显的提高的信号的恢复精度。