在当今的机器视觉领域，传统的红绿蓝(RGB)相机已被广泛应用。它们通过捕捉物体的形状和颜色，为我们提供了丰富的视觉信息。但是，RGB相机的能力仅限于三个可见光波段，这在某种程度上限制了它们的识别能力。

与此相反，高光谱技术的崛起正彻底改变这一局面。高光谱成像（HSI）技术不仅覆盖了RGB相机的可见光范围，而且延伸到了其他光谱区域，如近红外（NIR）和可见近红外（VNIR），中波MWIR和长波LWIR区域。这一创新技术通过在广泛的光谱带宽内记录数百个连续光谱通道，为我们提供了前所未有的物质识别能力。

高光谱成像技术的核心在于其对每种材料独特化学成分的敏感性。每种物质都会以其独特方式对电磁频谱产生反应，这就像每个人都有独一无二的指纹一样。利用这一原理，高光谱相机如Specim FX10和FX17，不仅能够捕捉物体的形状和颜色，还能提取出物体的“化学指纹”，从而实现更加精确和全面的识别。

图 1 杏仁（Specim FX10；红色）和壳（Specim FX10；洋红色）的 VNIR 光谱。杏仁色（深蓝色）和贝壳色（青色）的 RGB 分量。可测量的 RGB 相机波段由各自的垂直线表示

在此示例中，与坚果油相关的 930 nm 光谱特征为准确分选提供了精确且选择性的特征。RGB 相机仅限于三个色带，完全缺少最相关的分选标准。

除了将灵敏度扩展到近红外 (NIR) 光谱区域之外，Specim FX10 高光谱相机测量的数百个波段比仅由 RGB 相机的三个波段表示的彩色图像能够更准确地描绘彩色图像。 超出可见光谱范围的高光谱相机（例如 Specim FX17）涵盖 900 – 1700 nm 的近红外范围。这些相机提供适用于更强大模型的扩展光谱数据（取决于应用要求）。如图 2 所示，Specim FX17 相机将是从杏仁和开心果的外壳和外来污染物中分选的最佳仪器，其性能优于基于 RGB 的模型。值得注意的是，其他应用可能需要具有短波红外（SWIR，1700 – 2500 nm）、中波红外（MWIR，2.7 – 5.3 um）和长波红外（LWIR）灵敏度的高光谱相机, 8 – 12 um) 光谱区域。

图 2 基于 RGB 相机、Specim FX10 和 FX17 数据的照片和模型预测。开心果和坚果分类为绿色，贝壳分类为蓝色，木材分类为黄色

机器视觉系统通常结合多个传感器，这些传感器彼此互补。下表重点介绍了高光谱技术相对于其他常用传感器的优势。

表 1 绿色 = 良好，橙色 = 较差，红色 = 不相关

高光谱技术在食品质量监控、药品检测、工业分选等领域展示了巨大的潜力。例如，在食品安全检测中，高光谱成像能够识别出食品中的微小污染物和不同的化学成分，保障食品的安全和品质。

随着人工智能和机器学习技术的不断进步，高光谱成像的应用前景将更加广阔。这种结合了先进成像技术和强大数据分析能力的创新解决方案，正开启了物体识别和材料分析的新纪元。

在未来，我们可以期待高光谱成像技术在更多领域发挥其独特的作用，从环境监测到宇航技术，从生物医学到农业科技，它的应用潜力是无限的。

（文章来源于Specim，如有侵权，请联系删文）