文中介绍了多光谱与高光谱成像技术在相机与照明方案上的差异，并提出了一套能够权衡性能、复杂度与预算的决策框架。

近年来，随着技术飞速发展并催生诸多新应用，多光谱与高光谱成像技术的发展与应用备受关注。在面对一项光谱成像应用需求时，如何判断多光谱成像与高光谱成像哪一种方案更契合实际应用场景呢？

本文将梳理两种技术在相机与照明方案上的差异，并结合实际案例展开分析，提出一套能够帮助技术人员为特定应用场景挑选最适宜成像方案的决策框架，最终在性能、复杂度与预算三者之间实现平衡。

多光谱与高光谱成像技术概述

光谱成像技术能够检测出传统成像技术难以识别的材料特征与缺陷。

多光谱成像系统：仅采集3-10 个经精准筛选的特征波段。这种目标明确的技术路线，使其具备成像速度快、系统集成简便、成本效益高的优势，非常适用于目标特征光谱已知的应用场景。

高光谱成像系统：可采集超过100个连续波段的光谱信息，为每个像素点生成完整的光谱轮廓。这一特性使其能够实现高精度的材料识别与细微差异检测，但同时也会产生海量数据，导致系统复杂度提升、成本相应增加。

两种技术的核心差异如下：

1. 速度：多光谱成像速度更快，支持实时数据处理；高光谱成像因数据量庞大，处理速度相对较慢。

2. 复杂度：多光谱成像的系统集成与数据分析流程更简单；高光谱成像则需要依托先进算法与更强大的算力支撑。

3. 成本：多光谱解决方案性价比更高；高光谱系统成本显著偏高，不过目前其价格正逐步下降。

表1对两种技术方案及其适用场景进行了直观对比。

表1：多光谱成像与高光谱成像的特性及适用场景对比

典型应用场景

多光谱成像与高光谱成像技术的适用性，在很大程度上取决于应用场景的复杂程度与对检测速度的要求。

多光谱成像：适用于需要快速决策的高速工业流程，可高效完成有无检测、物料分选与缺陷识别等任务。由于仅聚焦少量选定波长，多光谱成像系统成本可控、易于部署，能很好地适配连续化、高通量的生产环境。

高光谱成像：适用于需要检测材料细微差异或识别化学特征的场景。它能生成详细的光谱指纹，支持高级分类与精准的材料成分分析。在材料特性尚未明确、或需要开展复杂化学计量分析的情况下，高光谱成像技术的优势尤为突出。

多光谱成像和高光谱成像技术，已经在如下众多行业的实际应用中，充分证实了这两种技术的实用价值。

薯条检测：多光谱成像可以利用少量目标波长，在生产初期就检测出糖端缺陷（即薯条尖端因葡萄糖、果糖等糖类物质焦糖化形成的深色焦黑部分），从而减少浪费，保障产品品质。

坚果分选：对于物料差异明显且特性已充分验证的高速分选场景，多光谱成像技术是理想之选。

基础垃圾分类：多光谱成像系统可以满足简易物料分离需求，仅需几个特征波长就能完成有效识别。

高级塑料回收：区分高密度聚乙烯（HDPE）与低密度聚乙烯（LDPE）、识别聚氯乙烯（PVC）等塑料材质时，需要高光谱分辨率的支撑，此时高光谱成像技术必不可少。

肉类成分分析：高光谱系统可以实现脂肪与蛋白质含量的精准量化分析，能够识别出材料的细微差异，满足品质检测需求。

制药行业：高光谱成像技术经常被用于化学计量分析，确保药品成分一致性，助力企业满足严苛的质量标准。

相机技术：性能对比

表2：多光谱相机与高光谱相机性能及适用场景对比

当待检测的缺陷或材料特性已明确，且仅需要少数关键波长即可凸显目标特征时，多光谱相机的优势十分显著。借助时序 LED 脉冲技术，单台单色传感器还可模拟出更多波段，进一步拓展系统功能。

当光谱分辨能力至关重要，或待检测材料与缺陷的特性尚未明确时，高光谱系统就成为了强有力的技术工具。尽管其成像速度较慢、数据处理压力较大，但它捕捉细微特征的强大能力，使其在化学计量分析、制药检测与高级回收等领域不可或缺。

选型决策要点

在多光谱与高光谱成像技术之间做选择时，核心依据是应用场景的优先级需求：

若速度、简易性与预算是核心考量因素，多光谱成像通常是最优选择。它通过少量目标波长即可输出稳定可靠的检测结果，成本可控且易于集成到高速生产线中。

若光谱分辨能力与复杂分析能力是关键需求，高光谱成像则更为适用。它能捕捉数百个连续波段的光谱信息，可以实现多光谱技术难以企及的精准材料识别、定量分析与化学计量分析。

照明方案

对于高光谱成像系统而言，光谱平坦度与稳定性是核心要求。根据IEEE P4001 标准，高光谱数据集必须覆盖目标光谱范围且无波段间隙，采样间隔不得超过光谱范围的1/30。卤素灯是光谱平坦度的传统参考光源，但基于 LED 技术的高光谱照明系统（如ProPhotonix公司的COBRA HyperSpec系列），凭借更出色的稳定性与系统集成优势，已经成为极具竞争力的替代方案。

对于多光谱成像系统而言，各波长对应的光强是关键指标。将LED功率集中于选定的特征波段，能够有效提升信噪比，实现更高的检测吞吐量。系统的可配置性也同样重要，例如 ProPhotonix 的 COBRA MultiSpec 系列产品，支持最多 12个波长独立控制，并可以将这些波长分配至不同频闪组，实现时序脉冲或同步脉冲触发。

COBRA 是一款模块化的板载 LED 线光源平台，长度可以在100 mm~6 m之间灵活配置。该平台支持更换不同的光学器件，以适配多样化的工作距离；同时可以搭载最多12个波长的LED光源，以满足多光谱或高光谱成像的照明需求。产品集成了控制电路，无需额外配置外置频闪控制器，大幅简化了系统集成流程。每个波长均可独立控制，并能分配至四个频闪组中的任意一组，具备极高的应用灵活性。

应用案例

（1）薯条糖端缺陷检测

在薯条生产行业，糖端缺陷（又称胶端缺陷）是长期存在的技术难题。这类缺陷的成因是葡萄糖、果糖等还原糖在土豆尖端密集，在油炸过程中，这些糖类物质的焦糖化速度远快于土豆其他部位，最终形成深色焦黑的尖端。该缺陷不仅影响产品外观，还会对口感、质地与消费者接受度造成负面影响。传统的检测方法只能在油炸工序完成后识别糖端缺陷，这意味着存在缺陷的土豆会历经切割、清洗、漂烫等一系列高能耗工序后才被剔除，造成了资源、时间与能源的大量浪费。

由于葡萄糖与果糖的吸收光谱特性已被充分研究，高光谱成像技术曾被广泛测试用于该应用场景。果糖在1400 nm波长附近存在强吸收峰，葡萄糖则在约 1150 nm与 1300 nm波长处出现吸收峰值（见图1）。虽然高光谱成像能够可靠地检测出糖类物质，但研究发现，仅利用上述三个特征波长，就能有效识别糖端缺陷，这为多光谱解决方案的落地提供了可行性（见图2）。

通过采用铟镓砷（InGaAs）线阵相机，搭配针对这三个波段优化的短波红外（SWIR）多光谱LED光源，生产商可以在生产流程初期完成糖端缺陷检测，最终实现了更快的分选速度、更低的物料损耗与更高的产品良率。该案例充分证明，部分看似需要高光谱技术才能解决的应用场景，采用多光谱方案能够以更低的成本达成目标。

图1：葡萄糖与果糖在短波红外波段的吸收峰（1150 nm、1300 nm和1400 nm）。

图2：可见光与短波红外照明下的糖端缺陷检测效果对比。

（2）塑料回收分选

塑料回收厂面临的核心挑战，是将混合塑料分选为单一材质料流，例如聚对苯二甲酸乙二醇酯（PET）、聚苯乙烯（PS）、高密度聚乙烯（HDPE）、低密度聚乙烯（LDPE）与聚氯乙烯（PVC）等。许多塑料的物理外观高度相似，无法通过人工目检进行区分；即便是光谱分选，在区分 HDPE 与 LDPE，或是识别在SWIR波段缺乏明显光谱特征的 PVC 时，也存在较大难度。若分选精度不足，再生塑料料流会受到污染，导致其市场价值下降，同时也限制了其在高品质产品领域的应用。

图3：常见塑料在SWIR波段的反射光谱。

图4：多光谱 LED 波长选择与塑料光谱的匹配关系。

图5：多光谱分选的 LED 波长选择依据。

实践发现，多种塑料材质可以通过选定的SWIR特征波长（如 1100 nm、1150 nm、1200 nm、1300 nm、1600 nm）实现有效区分。例如，PET 在 1200 nm波长附近有强响应，PS 可在 1100~1150 nm波段范围内被识别，这类场景非常适合采用多光谱成像方案，以更低成本实现更高的分选吞吐量（见图3-5）。

然而，在区分 HDPE 与 LDPE 这类细微差异材质，或是识别SWIR波段光谱特征不明显的 PVC 时，往往需要高光谱分辨率来捕捉完整的光谱指纹。在实际应用中，可以先在实验室利用高光谱分析技术完成材料特性表征，筛选出最有效的特征波长；待特征波长确定后，再部署针对这些波段优化的多光谱系统，从而在检测精度、速度与成本之间实现最优平衡。

应用决策框架

图6：多光谱与高光谱成像技术的应用导向决策框架。

多光谱与高光谱成像技术的选型，取决于具体应用场景的需求，同时还要综合考量分析的复杂度、吞吐量要求与预算限制。图6中给初的决策框架可以总结为以下五个步骤：

1. 明确应用任务：确定所属行业与检测类型（如食品农业、回收分选、制药检测等）。

2. 评估缺陷/特征认知程度若待检测缺陷或材料特征已明确，且具备显著的光谱特性（如特征吸收峰），多光谱成像通常是最实用、最高效的选择。若缺陷特性尚未明确，可以先在实验室利用高光谱技术分析其光谱响应，筛选出关键特征波长。

3. 判断分类任务复杂度定性检测或二元分类任务（如有无检测、简单缺陷识别），选用多光谱成像。定量分析或化学计量分析任务（如成分分析、细微差异检测），选用高光谱成像。

4. 评估吞吐量需求高生产线速度场景，选择多光谱成像（线阵相机与高功率聚焦 LED 照明，可支持数十千赫兹的检测频率）。低速度要求场景可采用高光谱成像系统，不受限于其较低的帧率。

5. 考量预算约束若预算充足，可部署高光谱系统，开展高级分析工作。若预算有限，可先在实验室通过高光谱分析确定关键波长后，多光谱系统可提供高性价比的优化解决方案。

建议在项目初期，先在实验室中开展高光谱分析，全面掌握材料或缺陷在宽波段范围内的光谱响应特性。这种方法能够捕捉到微小的光谱差异，并筛选出最具辨识度的特征波段。一旦确定关键波长，即可针对性地设计多光谱系统并投入生产，在保障检测精度的同时，实现更快的检测速度、更简便的系统集成与更低的总体成本。

凭借超过25年的光子技术积累，ProPhotonix 已经帮助众多行业的客户完成了从实验室验证到量产解决方案的落地。这套方法论减少了不必要的试错环节，缩短了从测试到实施的周期，为客户打造出兼顾技术性能与实际需求的检测系统。通过在项目初期开展精细化分析，并结合生产场景进行定制化部署，用户能够在效率与长期投资回报率两方面均获得显著优势。

总结

高光谱成像技术是高复杂度分析、未知材料检测与精准化学成分定量分析的必备工具。多光谱成像技术则在目标特征明确、光谱差异显著的应用场景中表现优异，尤其适用于对速度、简便性与成本敏感的场景。两种技术的性能发挥，都离不开前期精心设计的照明方案，这是保障系统最优性能、降低总体成本的关键。

高光谱成像技术可以作为强大的探索性工具，用于材料特性表征与关键光谱特征筛选。一旦确定核心特征波长，多光谱成像技术就能为生产环境提供一套实用、可扩展且经济高效的解决方案。通过科学结合两种技术的优势，使得工程师能够最大限度地提升检测效率、减少浪费，打造出贴合行业需求的高可靠性检测系统。

本文转载自【ProPhotonix】

注：文章版权归原作者所有，本文内容、图片、视频来自网络，仅供交流学习之用，如涉及版权等问题，请您告知，我们将及时处理。