機器視覺對于許多應用越來越重要，例如對象分類。然而，依賴傳統的 RGB 成像有時是不夠的——無論算法的復雜程度如何，輸入圖像都太相似了。

高光譜成像為傳統圖像增加了額外的波長維度，提供了更豐富的數據集。高光譜相機不是在每個像素位置使用紅色、綠色和藍色 (RGB) 值來表示圖像，而是在每個點記錄完整的光譜以創建 3D 數據集，有時稱為高光譜數據立方體。

額外的光譜維度有助于監督學習算法，這些算法可以表征視覺上無法區分的對象——這些能力在多個應用領域都是非常需要的。將高光譜成像與能夠檢測 1000 nm 以上光的傳感器相結合，可以獲得更多信息，進一步增強區分不同材料的能力。

農業測量

通過高光譜成像可以深入了解植物和土壤的健康狀況。不同的波段或頻譜部分對各種輸入(水、氮等)敏感，可以在早期階段識別和糾正氮和水缺乏等問題。

對于農業測量，高光譜相機經常安裝在無人飛行器(UAV，即無人駕駛飛機)上，以創建農場的空間和時間地圖。機器視覺算法將高光譜數據轉換為氮、水和葉綠素水平、作物和雜草密度、產量估計等。該信息與支持GPS 的機器相結合，使農民能夠針對特定地點采取行動。

工業檢驗

在線檢查是一種常見的安裝方法，其中線掃描高光譜相機記錄在傳送帶上從其下方通過的物品。攝像頭速度可調，與產線速度同步，確保100%實時檢測覆蓋物品。

處理后的數據輸出，例如分類結果，可以集成到現有的機器視覺系統中，類似于現有的線掃描技術。具體檢測相關應用包括識別異物、分類回收對象、區分巖石類型，甚至根據光學干涉圖案確定薄膜厚度。

高光譜成像的工業部署面臨的挑戰之一是將數據極其豐富的高光譜數據立方體(右上圖)轉換為有形的見解可能很棘手，需要專業的數據分析/機器學習技能。為了解決這個問題，制造商越來越多地將機器視覺算法納入他們提供的包中，以便系統輸出分類對象的坐標而不是原始的高光譜數據立方體。

消費者應用

或許出乎意料的是，高光譜成像也可用于消費領域，用于分析皮膚健康狀況。更具體地說，不同皮膚特征(水、血紅蛋白等)的空間分布可以根據它們的特征反射光譜進行映射。因此，該技術可用于皮膚護理診所甚至化妝品柜臺，以更好地了解哪些產品最適合特定客戶。最終，高光譜相機可能最終會出現在智能手機中，使定制化妝品和護膚品能夠在家中訂購。