Development of a UV Hyperspectral Imaging Prototype for Industrial Applications

Abstract

Baumwollfasern sind aufgrund ihrer Weichheit, Haltbarkeit und Saugfähigkeit für die Textilindustrie unverzichtbar. Allerdings wirken sich Verunreinigungen negativ auf die Baumwollqualität aus und es ist notwendig die Stärke der Kontamination zu bestimmen. Eine häufig auftretende Verunreinigung ist Honigtau, welcher zu klebriger Baumwolle führt, und erhebliche Probleme für die Textilindustrie verursacht. Verschiedene Methoden im sichtbaren (Vis) und nahen infra-roten (NIR) Spektralbereich werden für Qualitätskontrollen und Sortierverfahren eingesetzt, während der ultraviolette (UV) Bereich bisher kaum genutzt wird. In den letzten Jahren haben hyperspektrale Bildgebungssysteme aufgrund ihrer Multimodalität, ihre räumliche Auflösung und ihrer Fähigkeit zur quantitativen Analyse im Vergleich zu herkömmlichen Verfahren zunehmend an Aufmerksamkeit gewonnen. Diese Vorteile haben sie für verschiedene Anwendungen, z. B. in der Textilindustrie, sehr attraktiv gemacht. Das Hauptaugenmerk der vorliegenden Arbeit liegt auf der Erkennung von Honigtaukontaminationen und der Entwicklung eines hyperspektralen Bildgebungssystems im UV-Bereich. Der Auf-bau basiert auf einem Spektrographen, der mit einer CCD-Kamera verbunden ist. Die Proben werden auf ein Förderband gelegt, welches die Probe unter der hyperspektralen Kamera bewegt. Dieses Verfahren wird als Pushbroom Imaging bezeichnet. Je nach Anwendung wurden Xenon- oder Deuteriumlampen zur Beleuchtung verwendet, wobei Deuteriumlampen eine höhere Beleuchtungsstärke im UV-C-Bereich im Vergleich zur Xenon-Bogenlampe bieten. Zur Validierung dieser neuartigen Bildgebungseinrichtung wurde eine Reihe von bekannten Substanzen wie aktive pharmazeutische Wirkstoffe (APIs) und Schmerzmittel verwendet. Diese Proben waren Ibuprofen, Acetylsalicylsäure und Paracetamol. Die Ergebnisse wurden mit lokalaufgenommenen Einzelspektren verglichen und mittels multivariater Datenanalyse ausgewertet. Es wurde gezeigt, dass die hyperspektrale Bildgebung im UV-Bereich zuverlässige Ergebnisse erzielt und eine ana-lytische Methode wurde entwickelt, um kommerzielle Schmerzmitteltabletten mit dem neuen Prototyp zu identifizieren. Anschließend wurde eine separate Probenreihe, einschließlich direct bonded copper (DBC) Substrate, für eine sekundäre Bewertung getestet. Der entwickelte Prototyp ist in der Lage wenige Nanometer dicke Oxidschichten, zu erkennen. Dabei können verschiedene Oxidationszustände unterschieden werden, sogar nachdem die Proben vorgesehene Reinigungs-verfahren durchlaufen haben. Im nächsten Schritt wurden Baumwollproben aus verschiedenen Ländern verwendet und mittels Vis/NIR hyperspektraler Bildgebung untersucht. Die gewonnenen Daten wurden mit lokal aufgenommen Einzelspektren verglichen und mittels multivariater Datenanalyse analysiert. Die Ergebnisse zeigen, dass es möglich ist, anhand einiger ausgewählter Wellenlängenbereiche zwischen verschiedenen Baumwollsorten zu unterscheiden. In einem letzten Schritt wurde die Quantifizierung von Honigtaukontaminationen auf Baumwolle durchgeführt. Hierfür wurde ein Verfahren zur Kalibrierung des Prototyps für hyperspektrales Imaging im UV-Bereich entwickelt und mit realen Proben getestet. Mechanisch gereinigte Baumwollproben wurden in eine Lösung getaucht, die Zucker und Eiweiß in bekannten Konzentrationen enthielt, um mit Honigtau verunreinigte Baumwolle zu imitieren. Diese Proben wurden nach 44 Stunden und nach einem Monat untersucht. Anhand dieser Proben wurde der Prototyp erweitert und optimiert. Die gewonnenen Daten wurden chemometrisch analysiert, um ortsaufgelöst die Honigtaumengen in Baumwollproben mit unterschiedlichen Mengen der Substanz erfolgreich vorherzusagen. Zusammenfassend lässt sich sagen, dass die Menge von Honigtau auf Baumwolle lateral aufgelöst quantifiziert wird. Dafür wurde ein Prototyp für hyperspektrale Bildgebung im UV-Bereich entwickelt, der für industrielle Anwendungen geeignet ist. Die Ergebnisse zeigten, dass die hyperspektrale Bildgebung mehrere Vorteile gegenüber etablierten Bildgebungsverfahren oder der klassischen ortsaufgelösten Spektroskopie bietet, z. B. die laterale Auflösung, die Fähigkeit, Proben zerstörungsfrei zu analysieren, Stoffe in sehr geringen Konzentrationen zu erkennen und Stoffe selbst dann zu identifizieren, wenn sie mit anderen Stoffen vermischt oder durch diese überlagert sind. Außerdem ist sie sehr empfindlich und kann kleinste Veränderungen in der chemischen Zusammensetzung von Materialien in Abhängigkeit der Zeit erkennen

Cotton fiber is essential for the textile industry due to its softness, durability, and absorbency. Therefore, the assessment of the cotton quality is needed, which is determined by the degree of contamination. The predominant contaminants in raw cotton come from insects that excrete sug-ars called honeydew during feeding. Cotton contaminated by sugar causes significant problems for textile equipment. Honeydew is the most common source of sticky cotton. However, various methods in visible (Vis) and near-infrared (NIR) spectral ranges are regularly used for quality control and sorting procedures, while the ultraviolet (UV) range has not been widely used. In recent years, hyperspectral imaging systems have gained increased attention over traditional techniques due to their multi-modality, spatial resolution, and ability for quantitative analysis. These advantages have made them highly attractive for various applications, such as in the textile industry. The main goal of this work is to develop a method to detect honeydew contamination in the UV range. For this purpose, a UV hyperspectral imaging system based on a spectrograph connected to a CCD camera was constructed. The samples were placed on a conveyor belt, which moved them underneath the hyperspectral imaging camera. This technique is called pushbroom imaging. Depending on the application, either Xenon or Deuterium lamps were used for illumination since Deuterium lamps provide a higher illumination strength in the UV-C region compared to the xenon-arc lamp. In order to validate this novel imaging setup, a set of well-known substances, such as active pharmaceutical ingredients (APIs) and painkillers, was used. These sample are ibuprofen, acetylsalicylic acid, and paracetamol. The results were compared with single-point spectroscopy and analyzed using chemometric data analysis. It was shown that the hyperspectral imaging achieved reliable results, and an analytical method was developed to identify commercial painkiller tablets with the new prototype. Subsequently, a separate sample set, including direct bonded copper (DBC) sheets, was tested for a secondary evaluation. The developed prototype is able to detect very thin oxide layers, as thin as a few nanometers. It can also distinguish between various oxidation states via a cleaning procedure for DBC samples. Consequently, cotton samples from different countries were investigated using Vis/NIR hyperspectral imaging. The data obtained were compared to that obtained from single-point spectroscopy and analyzed using multivariate data analysis. The results indicate that it is possible to distinguish between different cotton types based on specific wavelength ranges. In the last step, the quantification of honeydew contamination on cotton was determined. A calibration procedure was developed using mechanically cleaned cotton samples. These samples were immersed in different concentrations of sugar and protein to mimic cotton contaminated with honeydew. Consequently, they were analyzed after 44 hours and one month. Further improvements were made to the UV hyperspectral imaging setup in the later measurement. The data obtained were analyzed using chemometrics to predict the local quantities of honeydew on cotton samples successfully. In conclusion, the present work aims to quantify the spatial amount of honeydew contaminated on cotton by developing a hyperspectral imaging prototype in the UV region that is advantageous for industrial applications. The results showed that hyperspectral imaging has several advantages over established analytical techniques, such as lateral resolution, the ability to analyze samples non-destructively, detect materials at very low concentrations, and identify materials even when mixed or obscured by other materials. It is also highly sensitive and can detect subtle changes in the chemical composition of materials over time.