1. 多光谱与高光谱相机介绍

下一代机器视觉的核心在于光谱成像技术。

多光谱与高光谱相机通过捕捉传统RGB相机无法获取的波长信息,实现了更精细的分析和高维数据解读。

该技术正迅速在农业、医疗、半导体等多个领域得到广泛应用。

本文将通过介绍两种技术的原理、差异及主要应用案例,阐述为何光谱相机成为必需,以及选择时应参考的标准。

文中所述的多光谱与高光谱相机的波长范围及光谱标准,均基于Avaldata相机的规格制定。

 

2. 机器视觉中的光谱成像概念

光谱成像(Spectral Imaging)是一种利用不同波长范围的光线来分析物体光学特性的技术。

普通相机拍摄的是人眼可见的整个可见光波段,而光谱成像技术则将光线划分为多个波长段进行感测,从而实现对物质特性的分析与分类。

3. 高光谱与多光谱相机的原理与结构

1) 高光谱相机

高光谱相机通过棱镜光谱仪技术检测数百个连续的波长段。

光线通过狭缝(slit)限制其位置和大小,随后经过光栅(Grating)进行色散,分散后的光线被传递到传感器上。

以AHS-003VIR为例,可在450nm至1700nm波长范围内采集最多512个波段的光谱数据。

高光谱相机通常一次拍摄仅捕捉分光后的单条线数据,因此为了拍摄所需区域,需要采用Push Broom(推扫式)方式进行拍摄。

Push Broom是高光谱相机中使用的一种线扫描技术,指的是相机或物体移动时,逐行扫描并一次拍摄一条线的数据。

随后随着相机或物体的移动,连续拍摄多条线,最终构建出二维图像及三维数据。

获取的数据如上图所示,以立方体(Cube)形式生成二维图像,立方体数据由x、y、λ(波长)三维组成,其中x为横向,y为纵向,λ为光谱信息。

以本公司产品型号AHS-003VIR(默认参数)拍摄时,生成的立方体数据尺寸为横向640,纵向512,波段512个。

左上角的图表显示了对塑料(PS)拍摄获得的亮度信息。

由于尼龙、PP等其他塑料在不同波长上与PS具有不同的光谱特性,因此可以在特定波段实现区分。

关于塑料材质区分的详细内容,请参考此前博客文章《利用高光谱相机对多种塑料材质进行分类》:

当用户难以自行处理所获取的立方体数据时,可使用多种第三方光谱分析工具(如perClass、Mira等)进行数据分析和分类。

 

2) 多光谱相机

Multispectral camera filter structure

多光谱相机的结构因制造商而异。以AVALDATA的AMS-013VIRLF2为例,其在传感器上添加了滤光片,仅允许部分波长通过。

此外,一次拍摄可获取1200nm、1300nm、1450nm和1600nm四个波段的数据。

每个波段内可拍摄1至32条线,因此一次拍摄最多可采集128条线的数据,同样需要采用Push Broom(推扫式)方式进行拍摄。

Multispectral Viewer Program - AVALDATA

一次拍摄可获取4个波段的图像。
多光谱相机查看器支持NDVI(归一化植被指数)功能。

NDVI是定量评估植被活力(生长状态和健康状况)的典型植被指数。
它能够快速识别病虫害损害、生长状况及水分胁迫,并通过NDVI的变化分析作物成熟度。
该技术广泛应用于精准农业、无人机林业监测及城市绿地管理等领域。

 

4. 多光谱相机与高光谱相机的区别

多光谱(Multispectral)与高光谱(Hyperspectral)相机均可检测可见光及不可见光(红外、紫外等)中的特定波长,但主要区别在于波段数量与连续性。

  • 多光谱相机选择性地检测4个波段的宽波长范围。该方式通过选取最适用的波段实现高效信息提取。
    因其在传感器上附加滤光片,体积小巧且重量轻,适合特定应用场景。
  • 高光谱相机则可检测多达1680个(视型号而定)连续波段,实现更细致、精准的光谱分析。
    其优势在于能够识别肉眼或普通相机无法区分的微小物质差异。输出数据为立方体形式,支持ENVI文件格式,并可被支持该格式的第三方软件广泛应用。

 

5. R、G、B 多光谱与高光谱相机对比分析

项目 RGB相机 多光谱相机 (AMS-013VIRLF2) 高光谱相机 (AHS-052VIR)
光谱波段数量 1个(红、绿、蓝) 4个 1680个(支持合并与特定波段选择)
光谱分辨率 中等(宽波段) 非常高(窄波段)
光谱范围 可见光范围 (400–700nm) 1200、1300、1450、1600nm 450~1700nm
图像获取方式 同时获取 Push Broom扫描 Push Broom扫描
传感器结构 Bayer滤镜或3-CMOS结构 带通滤波器 衍射光栅、棱镜
数据格式 2D彩色图像 限定波段数据 3D光谱图像(数据立方体)
优点 价格低廉、通用性强、响应快 可选择性波段分析,结构相对简单 高精度分析与分类
缺点 几乎无光谱信息 光谱分辨率有限 成本高、数据量大、处理复杂

 

为了从普通RGB相机获取光谱信息,通常需要使用额外的滤光片或特定波长的照明设备。

为了获得多波长数据,环境配置往往需要投入大量时间和精力。

而光谱相机能够一次拍摄同时获取多个波长的信息,相较于普通相机,测试条件的搭建更加简便高效。

一般的高光谱相机通常分为可见光和短波红外两个类型,需分别配备不同的相机;而本公司高光谱相机覆盖从可见光到短波红外的波长范围,单台相机即可同时获取两个波段的信息,极大提升了使用效率。

 

6. 主要应用领域

  • 农业:作物健康状态及含水量分析
  • 环境监测:海洋与水质分析,森林监控
  • 医疗与生物分析:皮肤诊断,血流监测
  • 食品质量检测:水果成熟度、肉类新鲜度检测
  • 犯罪相关:数字取证

短波红外与紫外线不同,属于无损检测范围,因此可以在不损伤被测对象的情况下进行拍摄。

正因如此,光谱成像技术非常适合用于敏感样品或高价值产品的检测。

 

7. 光谱相机的应用与未来展望

近年来,光谱成像技术在机器视觉领域越来越受到关注。高光谱相机在自动化检测、质量管理、回收分类、医疗诊断等多个领域的实际应用案例不断增加。 该技术能够捕捉到肉眼或普通相机难以察觉的微小差异,在精密分析和自动化检测中发挥了重要作用。

尤其是与人工智能技术的结合,使得光谱数据的分析更加精准。基于深度学习的算法实现了实时分析的可能。 未来,随着人工智能的深入融合,光谱成像技术有望发展成为更智能、更快速的分析工具。