新闻动态

日常消费和工业生产中，经常会碰到“肉眼辨不出”的难题：看起来新鲜的蔬菜是否有农药残留？外观完全相同的两块塑料哪块是可降解材质？刚摘的水果内部糖度分布是否均匀？这些问题，我们都能够通过光谱类检测技术找到答案。

作为光学检测领域的核心技术分支，光谱检测的本质是利用光和物质的作用特征，将看不见的物质属性差异转化为可量化的数字结果。光谱分析作为自然科学分析的重要手段，常用来检测物体的物理结构、化学成分等指标。图像光谱测量则是结合了光谱技术和成像技术，将光谱分辨能力和图形分辨能力相结合，造就了空间维度上的面光谱分析，也就是现在的多光谱成像和高光谱成像技术。

光谱

Spectrum

复色光经过色散系统(如棱镜、光栅)分光后，被色散分离成的单色光，再通过探测器捕捉不同波长的光信号强度，形成按波长顺序排列的特征曲线，这条曲线就是每种物质独有的“光学身份证”，既称为光学频谱。

光波根据波长不同，又有不同的名称：波长处于380-780nm之间的光波称为可见光，短于380nm的称之为紫外光，而长于780nm的则为红外光。

• 可见光谱(nm级)

波长范围大约在380-780nm之间，人眼可以直接观察到这个波段的光。其中，又可细分为紫光(380-420nm)、蓝光(420-450nm)、青光(450-490nm)、绿光(490-560nm)、黄光(560-590nm)、橙光(590-620nm)、红光(620-780nm)。

不同颜色的光对应不同的波长范围，通过眼睛对可见光的感知来识别物体的颜色和形状。在摄影、显示技术、照明等领域有广泛应用，如彩色相机口通过捕捉可见光不同波段的信息合成彩色图像，显示屏通过发出不同颜色的可见光来显示图像和文字。

• 紫外光谱

波长小于可见光，通常分为真空紫外区(小于200nm)、远紫外区(200-300nm)、近紫外区(300-380nm)。

许多物质在紫外区有特征吸收或发射光谱，可用于物质的定性和定量分析，如有机化合物的结构鉴定、药物分析等。此外，在天文学中，紫外光谱可用于研究高温天体和星际物质。

• 红外光谱(um级)

波长大于可见光，一般分为近红外区(780-1500nm)、中红外区(1500-10000nm)、远红外区(10000-1000000nm)。

红外光具有热效应，物体在常温下就会发出红外辐射。红外光谱可用于研究分子的振动和转动能级跃迁，从而分析物质的化三学结构和化学键信息，在化学、材料科学、生物医学等领域有重要应用，如红外光谱仪可用于鉴定有机化合物的官能团、分析材料的化学键组成等。在遥感领域，可通过红外波段探测地表物体的温度分布、植被生长状况等。

多光谱技术

Multispectral

能同时获取多个光学频谱波段(通常≥3个)，并在可见光的基础上向红外光和紫外光两个方向扩展的光谱探测技术。

我们可以把多光谱设备理解成装了多个定制化滤镜的相机，每个滤镜只允许特定波长区间的光通过，常见的多光谱设备一般搭载3-15个独立通道，波段覆盖从紫外到近红外的区间，可以同时获取被测物体的空间图像信息和对应几个波段的光谱数据。相比于光谱设备，多光谱设备可以实现面状区域的快速筛查，而且成本更低、体积更小，适合对精度要求不极端但对检测效率、设备成本有要求的场景。

常见实现方法是通过各种滤光片或分光器与多种感光胶片的组合，使其在同一时刻分别接收同一目标在不同窄光谱波段范围内辐射或反射的光信号，得到目标在几张不同光谱带的照片。常见的多光谱照片是彩色相机拍摄的照片，如下图：

从频谱上看，其包含了1(红色)、2(绿色)和3(蓝色)三个光学频谱波段的信息。如果在相机或者探测器上，增加更多的频带如频带4和5，就可以获得一个含多个频带的多光谱照片了。

由此，多光谱技术结合成像硬件，即可图像形式呈现多光谱信息。通过特定的彩色合成算法，将多个波段的图像数据进行融合处理，生成彩色图像。常见的方法是选择三个波段，分别赋予红、绿、蓝三种颜色，然后按照一定的比例和规则进行叠加合成，从而得到彩色的图像。

例如，在遥感领域，常用的真彩色合成是将红波段、绿波段、蓝波段分别对应到RGB颜色通道，得到接近人眼观察自然景物的真实彩色图像；而假彩色合成则是根据不同的研究目的和地物特征，选择其他波段组合并赋予RGB 颜色，以突出特定地物或显示一些人眼无法直接看到的信息，如将近红外波段赋予红色通道，红色波段赋予绿色通道，绿色波段赋予蓝色通道，可以突出植被的信息，因为植被在近红外波段有较高的反射率。

在多波段图像的获取和处理过程中，还会进行一系列的数据处理和增强操作，以优化图像的质量和色彩表现。如对每个波段的图像进行对比度调整、灰度拉伸等，使不同地物之间的差异更加明显，色彩更加鲜艳和易于区分。同时，还可以进行滤波、降噪等处理，减少图像中的噪声和干扰，提高图像的清晰度和准确性，从而更好地显示彩色图像和提取有用信息。

高光谱成像

Hypespectral

一种可以捕获和分析一片空间区域内逐点上光谱的精细技术，由于可以检测到单个对象不同空间位置上的独特光谱“特征”，因此可以检测到在视觉上无法区分的物质。

和多光谱的离散波段采集不同，高光谱设备可以采集连续的波长区间，光谱分辨率普遍可以做到10-20nm，可达3nm，波段数从几十到上千个不等。

我们可以把高光谱设备理解成给被测区域的每一个像素都配了一台独立的微型光谱分析仪，最终输出的是包含空间X轴、Y轴、波长轴三个维度的“光谱数据立方体”，每个像素都对应一条完整的连续光谱曲线，哪怕是视觉上完全一致的不同物质，只要分子结构有细微差异，都能通过光谱特征被准确识别。

比如同样是黄色的颜料，一种是纯矿物颜料，一种是人工合成颜料，肉眼和多光谱设备都很难区分，但高光谱设备可以捕捉到两者反射率曲线的细微差异，实现百分之百的准确判别。

从频谱上看，图像由更窄的波段(10-20nm)组成。高光谱图像可能有数百或数千个波段。物体与光源的光相互作用并被非成像光谱分析设备(比如光谱仪)接收后，设备可以精确地反应出接收到的光信号在光谱频带上分布的强度差异也就是光谱信息。而使用高光谱设备时，从成像特性角度看，可以了解到样品各个位置的光谱信息，从光谱特性角度看，可以了解在特定光谱带内的信号位置分布，也就是说，高光谱设备可以获取更加丰富的细节信息。

人眼只能接收三个光谱频段中物体的光能量信号：红色、绿色和蓝色，也就是我们常称的发光三原色。但事实上我们能够看到由这三种颜色的组合产生的橙色、紫色、青绿色等更细微的色彩，可我们并不能区分纯黄色、红绿二色的混合色的差异，这也称为“同色异谱”，高光谱成像却可以轻松分辨其中的区别。

我们在进行试验的时候，使用光谱仪得到的数据代表在整个被探测范围内同入射光源相互作用的所有分子发出的光的平均值；而使用多光谱设备可以获取被探测范围内各点在几个特定频带上样品信息。因此，这两种设备均无法提供单个区域内非常精细的样品信息。

高光谱成像仪可以类比为数百或数千个单点光谱仪紧密的排在一起并同时关注一片区域，每个光谱仪都独立工作，并获取自己所在位置的光谱信息。从高光谱输出的数据是图片，或者视频流，这些图片或者视频中的每个像素都有自己的光谱，并且每一张光谱都包含数百个光谱频带。

高光谱成像技术的这种“全光谱”功能让人们可以看到一个场景中每一个可分辨的空间位置上的光谱信号，即得到了更多维度的信息。因此高光谱成像的应用场景很丰富，其中包括艺术品鉴别、农作物健康、海岸线测绘、森林/矿物勘探、城市和工业基础设施、生产线产品质量、环境监控等。

总结来看，这三个的差异主要体现在三个维度：

• 光谱分辨率

光谱分析仪分辨率可达但没有空间信息，多光谱分辨率普遍在50nm以上，高光谱分辨率可达几nm；

• 数据维度

单点光谱仅输出一维的波长-强度曲线，多光谱输出三维的数据+离散波段数据，高光谱输出四维的空间+连续波长+强度数据立方体；

• 适用场景

单点光谱适合定点快速成分检测，多光谱适合大面积低成本快速筛查，高光谱适合需要精细化识别、微量检测的复杂场景。

随着光学器件成本的下降和算法的成熟，光谱检测技术正在快速从实验室走向民用场景，未来多光谱传感器可能会成为智能手机、智能家电的标配，用户在家就能完成食品农残、化妆品成分的快速检测，高光谱设备也会在自动驾驶识别路面材质、判断积水结冰、智慧农业准确判断作物长势和病虫害类型、生物医药病理组织快速筛查等领域发挥更大的作用。