多光譜和高光譜成像是捕獲光譜分辨率高于人類顏色感知的圖像的兩種主要方法。高光譜成像涉及狹窄的、通常是連續的光譜帶，可能包括數百或數千個光譜，而多光譜成像涉及不同帶寬的光譜帶——不一定是連續的。多光譜成像可以被認為是高光譜成像的簡化子集。這兩種互補技術并不相互競爭，因此在它們之間進行選擇取決于應用程序需求。

通常，當最終用戶知道要在某些應用中識別或區分的物體的光譜特征時，多光譜成像可以提供幫助。多光譜成像的方法各不相同。其中包括在機器視覺系統中部署帶有單色相機、多帶通濾光片、光譜儀、棱鏡、濾光輪或可調濾光片的專用 LED 照明。多個濾光片或專用傳感器也可以與相機集成以進行光譜成像。

高光譜成像是一種收集綜合光譜數據立方體的方法，可以在以后進行分析，以用于土壤或植被遙感等應用。然而，該技術已經從探索性科學技術發展成為能夠適應不同類型的物質流和操作環境的技術。如今，高光譜相機可以識別并幫助分類具有不同化學含量的材料或測量材料的質量參數。

“例如，脂肪和蛋白質在近紅外范圍內具有非常獨特的光譜特征，但無法在可見光范圍內測量，專門針對要求苛刻的工業應用的高光譜相機能夠識別潛在的異物并同時測量蛋白質和脂肪含量。”

互補技術

當應用的光譜要求未知或非常復雜時(例如，當它們超出典型多光譜成像傳感器的能力或成本效益時)，高光譜成像也是一個理想的選擇。

“多光譜成像的局限性正是高光譜成像的優勢，反之亦然，”他說。“高光譜成像永遠是探索性工作的首選，速度、成本和復雜性都不那么重要，一旦需要建立生產系統，多光譜成像系統就是探索的自然衍生品。”

然而，值得注意的是，分揀行業的許多機器制造商都部署了高光譜相機，能夠幫助每小時高精度地分揀大量材料。例如，在水果檢測等應用中，高光譜成像分析可以隔離最適合檢測系統的三到五個光譜通道。

水果檢驗

多光譜和高光譜成像技術都非常適合食品檢測應用，但方式不同。機器視覺系統可以檢查藍莓、蘋果或草莓等水果的質量。此類任務可以通過關注 RGB 和近紅外 (NIR) 波段中的特定波段來完成。

在可見光通道中，系統可以查看表面缺陷，然后使用第一個 NIR 波段中的 760 或 780 nm LED 來識別水果的輪廓，并發現藍莓等水果上難以看到的瘀傷。然后，帶有 850 或 940 nm LED 的波段可以檢測成熟度和水分含量。另一方面，某些食品檢測應用超出了多光譜成像的能力。例如，鱷梨檢查涉及對脂肪含量進行非常詳細的分析，這項任務非常適合高光譜成像技術。

在最佳成熟度時收獲牛油果對于確保高品質水果非常重要。然而，在采摘季節開始時，水果的價格較高，因此收割者可能會傾向于采摘未成熟的水果，因為這些水果不會完全成熟。結果，鱷梨的味道和營養價值都會受到影響。另一方面，過熟的牛油果采摘得太晚，保質期較短，而且患病的風險也會增加。預測鱷梨的質量很困難，高光譜相機可以檢測和預測肉眼不可見的變化。然后可以建立預測模型并應用于檢測最容易變質的水果及其部分。

做出選擇

當決定針對給定應用是否使用多光譜相機或高光譜相機(或兩者)時，這取決于現有數據的水平。如果系統集成商或最終用戶知道有一定數量的光譜帶可以為檢查或分析提供最高水平的細節，那么多光譜成像就適合。在需要比多光譜成像所能提供的更多光譜帶的情況下，高光譜成像適合這項工作。此外，當用戶不知道應用程序的光譜要求或想要收集稍后分析的數據立方體時，高光譜成像技術可以提供幫助。

在農民可能引入需要檢查的新水果的情況下，部署這兩種選擇可能是有意義的。高光譜相機可以識別最佳光譜通道，多光譜相機可以在這些波段執行更高速的檢查。