- 面议
起订量：
NIRONE Sensor S 微型智能近红外光谱仪传感器
- 型号
- NIRONE Sensor S
上海昊量光电设备有限公司
Aunion Tech Co., Ltd
专业源自专注 专注成就未来
自2008年成立以来，昊量光电专注于光电领域的技术服务与产品经销，致力于引进guo外*先进性与创新性的光电技术与可靠产品，为国内Z前沿的科研与工业领域提供优质的产品与服务，助力中国智造与中国创造! 目前，昊量光电已经与来自美国、欧洲、日本的多家光电产品制造商建立了紧密的合作关系。其代理品牌均处于相关领域的发展前沿，产品包括各类激光器、光电调制器、光学测量设备、精密光学元件等，所涉足的领域涵盖了材料加工、光通讯、生物医疗、科学研究与国防等。
昊量光电坚持“专业源自专注，专注成就未来”的经营理念。近年来，我们专注于前沿的细分市场，为量子光学、生物显微、物联传感、精密加工、先进激光制造等领域的客户提供系统解决方案。
作为一家以技术沟通与技术服务见长的高科技企业，我们所有的销售与技术服务团队成员都具有理工科方面的专业背景，并在公司接受相关领域的专业培训，在售前技术沟通、售后产品安装培训、产品问题解决、软硬件增值服务等方面为客户提供更加专业化的服务！我们专业高效的商务与物流部门凭借多年积累的贸易经验与规范化的制度流程，保障每一笔订货准时安全到达目的地，免除客户的后顾之忧！
秉承诚信、高效、创新、共赢的核心价值观，昊量光电坚持以诚信为基石，凭借高效的运营机制和勇于创新的探索精神为我们的客户与与合作伙伴不断创造价值，实现各方共赢！
立足于光电产业，昊量光电始终坚持价值创造与创新，赢得客户与合作伙伴的认可，不断拓展业务领域的新边疆，立志打造的代理服务品牌！
详细信息
微型智能近红外光谱仪传感器
SpectralEngines致力于物联网技术发展，开发出 NIRONE近红外传感器，该传感器安装在PCB板上，集成两颗卤素灯光源，可实现不同的光学配置；可应用在农业，农产品品质检测，药品质量控制，纺织品检测，智能家电，布料分选，酿酒工艺，，化工合成领域。
NIRONE不仅实现尺寸小，价格低，而且结合人工智能AI算法和大数据技术，是物联网时代的选择，NIRONE传感器采用MEMS技术，*可编程的光学滤波器。传感器可以驱动整个波长范围或它只能在选定的波长。传感器的智能算法消除了额外的温度稳定的需要。
NIRONE传感器采用单点探测器，而不是线性阵列，这使得它成本低。单探测器的使用使得探测器的面积比线性阵列中受狭缝限制的光的面积大。这使得传感器的信噪比提高。InGaAs区域可以通过使用单个探测器的方式到达。这为材料传感应用提供了更好的灵敏度。
产品特点：
· 体积小，重量轻
· 成本低
· 模块化设计使它很容易集成
· 灵敏度和信噪比
产品图片：
产品详细参数：
波长范围 | 1.10 — 1.35um （NIRONE S1.4） |
1.35 — 1.65um （NIRONE S1.7） | |
1.55 — 1.95um （NIRONE S2.0） | |
1.75 — 2.15um （NIRONE S2.2） | |
2.00 — 2.45um （NIRONE S2.5） | |
光谱分辨率[FWHM] | 12 — 16nm （S1.4） |
13 — 17nm （S1.7） | |
15 — 21nm （S2.0） | |
16 — 22nm （S2.2） | |
18 — 28nm （S2.5） | |
探测器类型 | 单点InGaAs检测器 （S1.4） |
单点扩展型InGaAs检测器 （S1.7 — S2.5） | |
光源 | 两颗卤素灯光源 |
灯泡寿命 | ＞ 40,000hrs |
波长点 | 波长间隔 大于0.1nm，up to 512 in total |
信噪比SNR（典型的，W/O 平均） | ＞15,000（NIRONE S1.4） |
＞11,000（NIRONE S1.7） | |
＞75,00（NIRONE S2.0和S2.2） | |
＞1,500（NIRONE S2.5） | |
波长温度响应 | 0.1nm / ℃ |
操作温度范围 | 10℃ — 50℃（非温控） |
能耗 | ＜1.1W ，＜300mW （正常工作） |
光学接口 | 微型漫反射/ SMA适配器接口 |
电气接口 | 供应 5V电压 UART （3.3V） I2C (3.3V) 数字触发 in/ out （3.3V） |
机械接口 | 挂载在PCB上，两个M2螺丝和PCB连接器，PCB面积需要25 x 25 mm2。 |
尺寸（W×L×H） | 25×25×17.5mm |
重量 | 15g |
产品原理和技术：
产品应用：
水果检测，布料分拣，便携式快检设备，塑料分选，食材检测，粮食快检
典型案例1：农田现场质量管理
玉米测试模型和预测
