何时选择多光谱或高光谱相机（或两者）进行水果检查

多光谱和高光谱成像是两种主要的获取光谱分辨率高于人类颜色感知的图像的方法。高光谱成像涉及通常相邻的窄光谱带，可能包括数百或数千个光谱，而多光谱成像涉及不同带宽的光谱带——不一定是相邻的。多光谱成像可以看作是高光谱成像的一个子集。这两种互补技术并不相互竞争，因此在它们之间进行选择取决于应用程序需求。

乐队之战

通常情况下，当终端用户知道要识别或区分的对象的光谱特征进入特定应用时，多光谱成像可以提供帮助。多光谱成像的方法各不相同。它们包括在机器视觉系统中部署配有单色相机、多带通滤光片、光谱仪、棱镜、滤光轮或可调滤光片的专用LED照明。多个过滤器或专门的传感器也可以集成到一个相机的光谱成像。Allied Vision的SWIR业务发展经理Jens Hashagen说，例如，Allied Vision的新型Goldeye相机与索尼SenSWIR图像传感器支持热电冷却，以实现可再现的成像结果——这是区分小信号差异的一个特别重要的功能。

Companies like Smart Vision Lights support the use of these sensors in multispectral imaging applications by offering combined SWIR + UV + visible LED-based machine vision lights that complement Sony IMX990 and IMX991 SenSWIR sensors as well as the quantum-dot SWIR Vision Systems’ colloidal quantum dot (CQD) sensor line.

“通过提供具有SWIR的灯光，可见光和UV波长LED组合 - 从365nm到1750 nm - 智能视觉灯旨在帮助系统集成商实现具有成本效益，多波长多光谱成像系统的全部潜力，”Jeremy说布罗德森，智能视觉灯的光学工程师。

高光谱成像是一种用于收集综合谱数据立方体的方法，可以在以后的时间内分析诸如土壤或植被的遥感的应用。然而，该技术已经从探索性科学技术演变为可以适应不同类型的材料流和操作环境的东西。如Katja Lefevre，Specim的lefevre的说法，今天，高光谱相机可以识别和帮助用不同的化学含量或措施材料的质量参数进行分类。

勒费夫尔说:“例如，脂肪和蛋白质在近红外范围内具有非常独特的光谱特征，但在可见光范围内无法测量。”“例如，专门针对苛刻的工业应用的specm相机能够识别潜在的外来物体，并同时测量蛋白质和脂肪含量。”

补充技术

当应用程序的光谱要求不清楚或非常复杂时(例如，当它们超出了典型的多光谱成像传感器的能力或成本效益)，高光谱成像也是一个理想的选择，根据Teledyne成像公司高级和业务发展的Matthias Sonder，一家提供多种多光谱相机的公司，包括两到八个光谱波段的行扫描模型。

“多光谱成像的局限性是高光谱成像的强度，反之亦然，”他说。“高光谱成像将始终是探索性工作，其中速度，成本和复杂性较少，并且多光谱成像系统是一旦生产系统建造生产系统一旦生产的探索就是这种探索的自然衍生物。”
但是，重要的是要注意，分拣行业中的许多机器建设者部署了高光谱相机，以便在lefevre的高精度下提供帮助对大量材料进行调整的能力。

在诸如水果检验的应用中，高光谱成像分析可以隔离三到五个光谱通道，该信道在Jai营销通讯经理富裕的Dickerson称，这是最能为检测系统提供的。

水果检验

多光谱和高光谱成像技术均适当地套装食品检验应用，但以不同的方式做得这么做。机器视觉系统可以检查水果，诸如蓝莓，苹果或草莓等水果。可以通过专注于RGB和近红外（NIR）频带的特定频段来完成这样的任务。

在可见通道中，系统可以看起来，然后在第一NIR带中使用760或780nm LED，以识别水果的轮廓和难以看到蓝莓等水果上的瘀伤。然后具有850或940nm LED的频段可以寻找成熟和含水量。JAI的产品管理总监Paritosh Puaragi表示，jai的Flex-Eyp光谱棱镜的相机允许客户以高速查看来自相同光轴的视频流，以高速和高分辨率。

另一方面，某些食品检验应用超出了多光谱成像的能力。例如，检测牛油果需要对脂肪含量进行非常详细的分析，这一任务非常适合高光谱成像技术。

“识别鳄梨的成熟是难以有限的信息，”Pangagi说。“此应用程序涉及数据深度，以便对水果进行定量分析，这真正需要大量的乐队。”

在最佳成熟度下收获鳄梨对于确保高质量的水果非常重要。采摘季节开始时，水果价格较高，因此收割机可能会诱惑挑选未妥善成熟的不成熟的水果。因此，鳄梨的味道和营养价值将受到影响。另一方面，过度的鳄梨选择太晚了，保质期更短，患有疾病的额外风险。预测鳄梨质量很困难，而是诸如来自Specim的相机可以检测和预测肉眼无法看到的变化。然后可以构建预测模型并应用于检测果实及其处于最高风险的果实。这些相机的范围在包括SWIR，VNIR，NIR和MWIR，包括FX10（400至1000nm）和FX17（900至1700nm）。他们还可以帮助排出食物的异物。

做出选择

当涉及到对给定的应用程序是使用多光谱还是高光谱相机，或者两者都使用时，它归结到已经存在的数据水平。如果系统集成商或终端用户知道有一个选择的光谱波段，可以为检查或分析提供最高层次的细节，那么多光谱成像将适用。在需要比多光谱成像更多的光谱波段的情况下，高光谱成像适合这项工作。此外，当用户不知道应用程序的光谱需求或想要收集数据立方体以便以后进行分析时，高光谱成像技术可以提供帮助。

在场景中，农民可能引入需要检查的新水果，部署两个选项可能有意义。高光谱相机可以识别最佳光谱通道，并且多光谱相机可以在这些频带中执行更高速度检查。