Hyperspectrale beeldvorming is de meest uitgebreide van de drie gangbare beeldverwerkingstechnologieën. De andere twee technologieën zijn rood-groen-blauw (RGB) beeldvorming en multispectrale beeldvorming. Alle drie zijn ze niet-invasief en niet-destructief en bieden ingenieurs en wetenschappers verschillende manieren om objecten te analyseren.
RGB-beeldvorming kan snel en goedkoop worden geïmplementeerd en biedt basisinformatie over een object. Multispectrale beeldvorming legt meer nuances vast in de verschillende golflengten waaruit het zichtbare spectrum bestaat. Hyperspectrale beeldvorming legt gedetailleerde informatie vast over elke pixel over een veel breder spectrum, doorgaans van 250 nanometer (nm) tot 15,000 nm en thermisch infrarood (Figuur 1).
Multispectraal versus hyperspectraal
Multispectrale beeldvorming is een verfijning en uitbreiding van RGB-beeldvorming met behulp van meer spectrumbanden. De resulterende gegevens kunnen voldoende gedetailleerd zijn om analyse van de fysische en chemische basiseigenschappen van een object mogelijk te maken.
Hyperspectrale beeldvorming is anders. Het combineert beeldvorming met spectroscopie. Bij hyperspectrale beeldvorming wordt het spectrum van elke pixel tot in detail vastgelegd. Het produceert gegevens over de ruimtelijke en spectrale inhoud van een afbeelding. Hyperspectrale beeldvorming ondersteunt gedetailleerde karakterisering van de compositie van een object.
Een typische hyperspectrale camera legt honderdduizenden spectra vast om een hyperspectrale kubus te creëren waarin twee dimensies de ruimtelijke structuur van een beeld vertegenwoordigen, en de derde dimensie de spectrale inhoud. Bovendien is de vastgelegde informatie voldoende gedetailleerd om te worden gepresenteerd als een continue representatie en niet in discrete spectrale buckets zoals die worden gebruikt voor RGB- en multispectrale beeldvorming (Figuur 2).
De commerciële ontwikkeling van hyperspectrale beeldvorming is mogelijk gemaakt door vooruitgang in de beeldvorming, waaronder de mogelijkheid om het gereflecteerde licht van een object snel te scheiden in zijn spectrale componenten met behulp van technieken als ruimtelijke scanning, spectrale scanning, snapshot-imaging en spatio-spectrale scanning. De beschikbaarheid van CMOS-sensoren met hoge resolutie die werken op videosnelheden, gekoppeld aan de vooruitgang in hoogwaardige beeldverwerkingssystemen, zijn ook sleutelfactoren.
Hoe ziet een hyperspectrale camera eruit?
Er zijn verschillende manieren om een hyperspectrale camera te maken. Eén uitvoeringsvorm getoond in Figuur 3 begint met een lens die een beeld van het object scherpstelt op een smalle spleet die de beeldlijn definieert. De smalheid van de lijst zorgt ervoor dat het licht buigt, en de collimatorlens wordt gebruikt om de straal uit te lijnen en het effect van de diffractie te verwijderen. Het licht gaat vervolgens door de prisma-diffractierooster-prismastructuur die het in zijn spectrale componenten scheidt. Ten slotte focust een lens het resulterende licht op een CMOS-sensor (niet weergegeven) die de hyperdatakubus produceert. Ook niet getoond is de spiegelstructuur die wordt gebruikt om de scène te scannen en de individuele lijnscans te produceren.
Waar is hyperspectrale beeldvorming goed voor?
Verschillende materialen kunnen worden geïdentificeerd aan de hand van hun spectrale signatuur. Hoewel het begon met multispectrale beeldvorming, heeft het toegenomen detailniveau dat mogelijk wordt gemaakt door hyperspectrale beeldvorming het vermogen voor identificatie en analyse van materialen op afstand vergroot. Hyperspectrale beeldvorming kan worden geïmplementeerd op productielijnen, vliegtuigen, drones en satellieten. Het wordt gebruikt in een breed scala aan toepassingen, waaronder astronomie, landbouw, geologie, biomedische beeldvorming, milieumonitoring en meer.
Hyperspectrale camera's zijn verkrijgbaar bij verschillende leveranciers en zijn geoptimaliseerd voor specifieke toepassingen, waaronder:
- Hyperspectrale beeldvorming wordt gebruikt om de gezondheids- en nutriëntenniveaus in gewassen te beoordelen, waardoor boeren selectief meststoffen en insectenbestrijdingsmaatregelen kunnen toepassen, waardoor de kosten worden verlaagd en de resultaten worden gemaximaliseerd.
- Kunstanalyse. Het controleren van het chemische gehalte van de materialen in een kunstobject kan ervoor zorgen dat deze consistent zijn met de periode en kan de datering van nieuw ontdekte kunstwerken ondersteunen.
- Voedselverwerking. In de vleesindustrie wordt hyperspectrale beeldvorming gebruikt om de chemische samenstelling te meten om het eiwitgehalte te bepalen of bot, kraakbeen en andere materialen te identificeren. Het wordt ook gebruikt voor algemene kwaliteitscontroleprocessen, zoals het bepalen van de rijpheid van fruit en groenten.
- De mogelijkheid om materialen te identificeren met behulp van hyperspectrale beeldvorming ondersteunt het geautomatiseerd sorteren en beheren van gerecyclede artikelen.
Samengevat
Hyperspectrale beeldvorming legt informatie over een object vast en verwerkt deze over een breed scala aan golflengten, vaak van 250 tot 15,000 nm en thermisch infrarood. Het produceert veel genuanceerdere informatie dan multispectrale beeldvorming en maakt een gedetailleerdere analyse van materialen en processen mogelijk. Commerciële hyperspectrale camera's zijn ontworpen voor een reeks specifieke toepassingen.
Referenties
Hyperspectrale toepassingen en casestudies, RESONON
Line Scan Hyperspectral Imaging Framework voor open source goedkope platforms, MDPI-teledetectie
Wat is hyperspectrale beeldvorming?, NIREOS
Wat is hyperspectrale beeldvorming?, SPECIM
Waarom wordt hyperspectrale beeldvorming niet op grote schaal geïmplementeerd en hoe kan dat worden veranderd?, Netguru