成分与分布的特征
粉末与颗粒材料的混合是许多不同行业的关键步骤，包括食品、制药、化妆品、造纸、塑料和橡胶行业。选择最佳混合程序以实现均匀的产品质量并非易事。混合过程会受到颗粒特性的影响，例如尺寸、形状、密度和粘附特性，这些特性可能在同一混合物中的不同组分之间有所不同。
良好的过程和质量控制需要对产品成分和同质性进行评估。这传统上是通过随机抽样和实验室分析来完成的。为了获得关于每个批次均匀性的详细信息，需要高采样频率。通过使用高光谱成像，可以以更省时、更经济的方式直接实时测量批次中的样品成分和分布，覆盖更大的样品体积。这也允许了检测杂质及其在粉末中的分布。
在此种示例中，我们将演示如何使用高光谱成像来测量含有 4 种潜在污染物的粉末的纯度。目标是独立于污染物类型检测基本成分的纯度。该数据集还用于展示如何使用高光谱成像来研究样品均匀性和揭示较差的混合质量。
图 1：研究了 5 种不同的粉末。其中一种粉末用作实验的基础，其余4 种粉末用作污染物 (C1-C4)。污染物与基础物质混合一次，为每种污染物组成 16 个样品系列，污染物的浓度范围为 0.5% 至 25%。除了具有不同的化学性质外，这些粉末在粒径、形状密度和粘附性等颗粒特性方面也各不相同。
图 2：在实验室中使用 HySpex Classic SWIR-384 相机 (930-2500 nm) 在 30 厘米距离处对样品进行成像。该相机的空间分辨率为 250 µm，光谱分辨率为 5.45 nm。使用平移台在相机下扫描样品。两个宽带卤素灯用作光源。使用由 Prediktera 提供支持的 Breeze 软件分析获得的高光谱图像数据。使用完全交叉验证的偏最小二乘 (PLS) 回归创建量化模型。除了包括所有样本的模型外，模型还基于当时的一种污染物。
图 3：5种纯粉末的平均 SWIR反射光谱
不同的粉末在 SWIR 范围内都表现出独特的光谱特性，即使某些粉末显示出相似的吸收特征（图 3）。基体显示出与 C4 相似的光谱特性，样品 C2 和 C3 之间也有很高的相似性。为了实现良好的分离，因此需要良好的光谱分辨率。
光谱差异足以为所有5种粉末创建具有可接受误差的量化模型。模型质量评估基于交叉验证的相关系数(Q2)和交叉验证的均方根误差(RMSECV)。一次处理一种污染物的模型（表1）比全局模型（表2）表现更好。然而，全局模型的优势在于，可以预测碱的含量，从而预测纯度，而无需知道污染物的性质。
表 1. 基础粉末的 PLS 回归模型，包括建模中的不同样品子集。
表 2. 不同粉末的 PLS 回归模型，包括建模中的所有样品（全局模型）
该模型可用于预测每个像素中不同粉末的含量。这给出了粉末混合情况的图像（图 4）。为了更好地了解粉末混合物的均匀性，建议使用高空间分辨率以尽可能接近单个颗粒之间的分离。
图 4：左：包含 75% 碱基和 25% C2 的样本中碱基的空间分布。图像是通过使用全局 PLS 模型来预测每个像素中的基本内容而创建的。右图：纯碱的假彩色 SWIR 图像，放大部分显示了 HySpex Classic SWIR 相机的空间分辨率。
这个例子表明，高光谱成像可用于预测粉末的纯度，而无需知道污染物的确切性质。鉴于空间分辨率和图像质量良好，高光谱成像还可用于评估粉末混合物的混合质量。HySpex 相机提供卓越的光谱和空间分辨率以及低微笑与梯形失真效果。
