Гиперспектральная визуализация (HSI) — это основанная на спектроскопии аналитическая техника, которая собирает тысячи изображений одной и той же пространственной области на разных длинах волн. В то время как человеческий глаз имеет только три цветовых рецептора: синий, зеленый и красный, HSI измеряет непрерывный спектр каждого пикселя в сцене с высоким разрешением по длине волны не только в видимом диапазоне, но и в ближнем инфракрасном (NIR) диапазоне. Свет, падающий на каждый пиксель, разбивается на множество различных спектральных диапазонов, чтобы предоставить больше информации о том, что отображается. Собранные данные образуют трехмерный гиперспектральный куб, где два измерения представляют пространственную протяженность сцены, а третье измерение представляет ее спектральное содержимое.
HSI обычно называют гиперспектральной визуализацией, которая также включает в себя мультиспектральную визуализацию (MSI). Основное различие между этими двумя системами визуализации заключается в том, что HSI использует непрерывный диапазон длин волн (например, от 400 до 1000 нм с шагом 5 нм), тогда как MSI использует подмножество целевых длин волн в выбранных местах (например, от 400 до 1000 нм с шагом 100 нм). Датчики MSI обычно имеют от 3 до 10 различных длин волн, измеренных в каждом пикселе, тогда как изображения HSI Датчики MSI обычно измеряют от 3 до 10 различных полос в каждом пикселе, тогда как изображения HSI могут содержать сотни более узких, но непрерывных спектральных полос. В результате датчики HSI содержат гораздо больше данных, чем датчики MSI. Например, MSI можно использовать для картирования областей леса, тогда как гиперспектральное изображение можно использовать для картирования видов деревьев в лесу.
Хотя MSI можно считать упрощенным подмножеством HSI, эти две технологии являются взаимодополняющими, и выбор между ними зависит от требований приложения. Например, в видимом канале MSI можно использовать для распознавания контуров фруктов и обнаружения трудноразличимых синяков на таких фруктах, как черника. Но если цель состоит в том, чтобы проанализировать содержание жира в авокадо в мельчайших подробностях, это можно сделать только с помощью технологии HSI.
Алгоритмы и методы обработки изображений, лежащие в основе MSI и HSI, восходят к 1970-м годам, когда Landsat 1 был первым спутником в программе США Landsat и первым, оснащенным многоспектральным сканером. Спектрометр аэросъемки (AIS) и AVIRIS от NASA появились в середине 1980-х годов, когда Джерри Соломон из Калифорнийского технологического института ввел термин «гиперспектральная съемка».
В то время микропроцессоров не существовало, и обработку изображений приходилось выполнять в крупных централизованных компьютерных центрах. С тех пор, и особенно за последние пять лет, технология HSI распространилась от наблюдения за Землей на многие области, такие как сельское хозяйство, промышленная сортировка, медицинские исследования, контроль качества продуктов питания и окружающая среда, благодаря достижениям в области микропроцессоров и датчиков на основе чипов. Мониторинг.
Гиперспектральные приложения
Каждый материал имеет определенные спектральные характеристики, которые могут использоваться в качестве «отпечатка пальца» для его уникальной идентификации. В результате HSI используется в широком спектре приложений благодаря своей способности неинвазивно, без маркировки и неразрушающе определять состав веществ. Они включают:
Медицина: для хирургии дополненной реальности и медицинской диагностики
Машинное зрение: для классификации практически любого материала — от продуктов питания и минералов до текстиля и пластика
Дистанционное зондирование: для классификации сельскохозяйственных почв, минералов, пластика, загрязнения и мониторинга
Сельское хозяйство: обнаружение ранних симптомов заболеваний, водного стресса и качества почвы для оптимального управления процессами роста
Анализ искусства и наследия: для рассказа о том, как, когда и где артефакты были изначально изготовлены или впоследствии изменены
Контроль качества продуктов питания: идентификация и количественная оценка химического состава продуктов питания, предоставление информации о
питательной ценности, процентном содержании жира, содержании сахара и свежести
Сортировка отходов: сортировка и разделение опасных материалов, таких как пластик, текстиль, металлы, стекло, бумага, картон и асбест
Фармацевтика: для обеспечения качества химического состава фармацевтических препаратов
Горнодобывающая и нефтяная промышленность: быстрый и надежный минеральный анализ кернов и других геологических образцов
Криминалистика: сбор доказательств преступления сцены, такие как кровь и остатки пороха
Коммерциализация гиперспектральных
Согласно недавнему отчету о рынке, ожидается, что глобальный рынок гиперспектральной визуализации будет расти с годовым темпом прироста (CAGR)
8,2% в период с 2020 по 2027 год и достигнет 3,52 млрд долларов к 2027 году. Ожидается, что Азиатско-Тихоокеанский регион и Европа станут самыми
быстрорастущими регионами с CAGR 9,3% и 8,5% соответственно.
Ключевыми драйверами являются растущий спрос на точный и надежный анализ материалов, разработка новых технологий (например, искусственный
интеллект в сочетании с разработкой недорогих систем визуализации) и растущий спрос на приложения дистанционного зондирования. Основными
приложениями будут медицинская диагностика, промышленное машинное зрение, мониторинг окружающей среды и военное наблюдение.
Типы гиперспектральных
Гиперспектральные камеры могут захватывать информацию для формирования трехмерного куба данных пятью основными способами
Whiskbroom (точечное сканирование) захватывает один пиксель за раз. Изображение формируется, когда камера сканирует образец и содержит всю его спектральную информацию. Хотя процесс получения изображения занимает много времени, этот метод обеспечивает очень высокое спектральное разрешение.
Push-scan (линейное сканирование) измеряет непрерывные спектры, по одной строке пикселей за раз, что в настоящее время является наиболее зрелым и технологически основным путем к гиперспектральной технологии. Он широко используется в промышленном контроле качества и научно-исследовательском дистанционном зондировании и т. д. Технология стабильна и всеобъемлюща, а продукты являются высокозрелыми.
Спектроскопия с преобразованием Фурье (FT) — еще один метод измерения непрерывных спектров. Этот метод объединяет монохроматический датчик
изображения с интерферометром и имеет более высокий световой поток, чем системы push-scan, но подходит только для визуализации статических сцен.
Спектральное сканирование собирает всю пространственную информацию для заданной длины волны, по одной длине волны за раз. Хотя каждое
изображение быстрое, спектральное сканирование медленно генерирует кубы из-за времени, необходимого для изменения длины волны.
Гиперспектральные быстрые камеры снимают гиперспектральное видео. Обычно они предлагают ограниченное спектральное и пространственное
разрешение и являются скорее мультиспектральной камерой, но они быстрые и идеально подходят для съемки движущихся объектов.
Конечно, технологии быстро меняются, и появляются различные новые методы, такие как 2D-решетка, спектральная вычислительная визуализация,
все из которых обрабатываются многими алгоритмами постобработки, и все они так или иначе несовершенны или ограничены в своих текущих
областях применения.
Введение в производителей гиперспектрального оборудования
-
CHNSpec
-
Specim
-
Headwall
-
резонанс
Смотри вперед
Хотя HSI обеспечивает гораздо более высокое разрешение, чем системы MSI, у него есть недостатки в стоимости и сложности. Гиперспектральные кубы представляют собой большие многомерные наборы данных, а анализ гиперспектральных данных требует быстрой обработки, чувствительных детекторов и большой емкости для хранения данных. Эти факторы значительно увеличивают стоимость и сложность получения и обработки гиперспектральных данных. Например, в космических приложениях основная проблема заключается в том, как запрограммировать гиперспектральные спутники для самостоятельной классификации данных и передачи только важных изображений, поскольку передача и хранение больших объемов данных может быть сложной и дорогостоящей.
Аналогично, для промышленных приложений решение использовать локальное или удаленное хранилище изображений и вывод данных может повлиять на скорость приложения, которое должно идти в ногу с производством. Другие проблемные области включают определение правильной длины волны, выбор правильной камеры с правильным спектральным и пространственным разрешением и выбор освещения с достаточной интенсивностью на критических длинах волн. И поскольку HSI часто требует высокого уровня физического понимания, программное обеспечение должно быть максимально интуитивно понятным и поддерживать простое создание классификаций материалов.
Для решения этих проблем развитие технологии HSI на сегодняшний день преследует общую цель: снизить сложность и сделать промышленные приложения HSI проще, быстрее и дешевле, чем когда-либо прежде.
В течение следующих нескольких лет, поскольку технология HSI становится менее сложной и более дешевой, она неизбежно перейдет в основные приложения визуализации, поскольку это единственная технология с достаточным спектральным и пространственным разрешением для удовлетворения растущего спроса на точный и надежный анализ материалов. Широкий спектр отраслей. Следующим шагом станет расширение приложений HSI в новые отрасли, такие как сельское хозяйство, мониторинг окружающей среды и биомедицина. Ожидается, что технология HSI будет играть важную роль на этих рынках, поскольку спрос на более точный анализ материалов продолжает расти. Кроме того, ожидается, что рост дистанционного зондирования и беспилотников будет стимулировать спрос на технологию HSI в приложениях мониторинга окружающей среды и картирования. Поскольку технология HSI продолжает развиваться, она может произвести революцию в том, как мы понимаем и анализируем материалы, предоставляя новые идеи и возможности для широкого спектра отраслей.
Гиперспектральная технология — это инструмент, который может оказать значительное положительное влияние на нашу продуктивную жизнь. Независимо от того, используется ли она для содействия устойчивому развитию, улучшения общественного здравоохранения или повышения безопасности, эта передовая технология помогает нам увидеть мир по-новому и вдохновляет нас на решение некоторых проблем, стоящих перед человечеством.