水果检测选择多光谱相机还是高光谱相机?
发布时间:2023-07-20
浏览次数:392
多光谱和高光谱成像是捕获光谱分辨率高于人类颜色感知的图像的两种主要方法。高光谱成像涉及狭窄的、通常是连续的光谱带,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——不一定是连续的。
多光谱和高光谱成像是捕获光谱分辨率高于人类颜色感知的图像的两种主要方法。高光谱成像涉及狭窄的、通常是连续的光谱带,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——不一定是连续的。多光谱成像可以被认为是高光谱成像的简化子集。这两种互补的技术不存在竞争关系,因此可根据实际应用需求在两者之间进行选择。
通常,当最终用户知道要在某些应用中识别或区分的对象的光谱特征时,大多选择多光谱成像。多光谱成像的方法各不相同。它们包括将带有单色相机、多带通滤波器、光谱仪、棱镜、滤光轮或可调滤波器的专用 LED 照明部署到机器视觉系统中。多个过滤器或专用传感器也可以与相机集成以进行光谱成像。
高光谱成像是一种收集综合光谱数据立方体的方法,可在土壤或植被遥感等应用中进行处理和分析。然而,这项技术已经从探索性的科学技术演变为能够适应不同类型的物质流和操作环境的技术。相关科研人员表示,如今,高光谱相机可以识别和帮助分类不同化学成分的材料,或测量材料的质量参数。例如,脂肪和蛋白质在 NIR 范围内具有非常独特的光谱特征,但无法在可见光范围内测量。而专门针对要求苛刻的工业应用的特殊相机提供了识别潜在异物并同时测量蛋白质和脂肪含量的能力。
水果检测
多光谱和高光谱成像技术都非常适合食品检测应用,但方式不同。机器视觉系统可以检查蓝莓、苹果或草莓等水果的质量。可以通过关注 RGB 和近红外 (NIR) 波段中的特定波段来完成此类任务。
![](/static/upload/image/20230720/a86de8d55799eab77616ea765900f55c.jpeg)
在可见光通道中,系统可以查看表面缺陷,然后在第一个 NIR 波段使用 760 或 780 nm LED 来识别水果的轮廓,并在蓝莓等水果上发现难以看到的瘀伤。然后,带有 850 或 940 nm LED 的波段可以查看成熟度和水分含量。
然而,某些食品检测则超出了多光谱成像的能力。例如,鳄梨检查涉及对脂肪含量的非常详细的分析,这项任务非常适合高光谱成像技术。
在最佳成熟期收获鳄梨可确保较高的水果质量。但是,由于在采摘季节开始时,考虑到储藏期,采摘者会倾向采摘一些未完全成熟的水果。但是这样,鳄梨的味道和营养价值则会受到影响。另一方面,过晚采摘的过熟鳄梨的保质期较短,并且增加了疾病风险。所以,预测鳄梨的质量很困难。高光谱相机可以检测和预测肉眼不可见的变化。然后可以构建和应用预测模型来检测水果及其变质风险最高的部分。这些相机的工作范围包括 SWIR、VNIR、NIR 和 MWIR,包括 FX10(400 至 1000 nm)和 FX17(900 至 1700 nm)。
到底选择多光谱相机,还是高光谱相机?
在决定为给定应用程序使用多光谱还是高光谱相机(或两者兼而有之)时,它归结为已经存在的数据级别。如果系统集成商或最终用户知道有一些光谱带将为检查或分析提供最高级别的细节,那么就可选择多光谱成像。在需要比多光谱成像提供的光谱带更多的光谱带的情况下,高光谱成像更为适合。此外,当用户不知道应用程序的光谱要求或想要收集可以稍后分析的数据立方体时,高光谱成像技术可以提供帮助。
在农民可能引入需要检查的新水果的情况下,部署这两种选项可能是有意义的。高光谱相机可以识别最佳光谱通道,多光谱相机可以在这些波段进行更高速的检测。
相关产品
-
干旱区基于高光谱的棉花遥感估产研究
棉花产量与冠层光谱植被指数相关关系,建立棉花高光谱估算模型,可以促进高光谱技术在棉花长势监测和估产中应用。本文简单总结了干旱区基于高光谱的棉花遥感估产研究。..
-
近红外光谱分析技术在精准农业中的应用
近红外光谱分析技术在精准农业中的应用非常广泛且深入,主要体现在以下几个方面:..
-
近红外高光谱相机的工作原理
近红外高光谱相机以其高分辨率、高光谱分辨率以及广泛的应用领域,在科研、工业检测、环境监测等多个领域发挥着重要作用。本文简单总结了近红外高光谱相机的工作原理。..
-
高光谱图像处理的主要方法有哪些?
对高光谱图像进行处理,可以获取物体在不同波段的反射光谱信息,提供更加详细和全面的图像数据。那么,什么是高光谱图像处理?高光谱图像处理的主要方法有哪些?下文对此做..