超越人眼能力的视觉力量

我们能看到的不同颜色是基于不同波长的光。 人眼可以检测和区分覆盖 450 至 650 纳米范围的三个波段（红色、绿色和蓝色）中的波长，但我们无法看到该范围之外存在的数百个其他波段的光。 有一种称为高光谱成像的技术可以让我们更好地了解我们周围世界正在发生的事情。 有专门的相机可以用棱镜分离多达 300 个光带，然后将它们在特定波长的基础上检测到的能量数字化。 这些相机具有广泛的潜在应用。 例如，它们可用于监测温室气体排放、区分混合透明塑料或测量包装线上水果的成熟度。

这些高光谱相机有多家制造商，但至少就目前而言，它们相当昂贵——起价约为 20,000 美元。 他们使用的相机专用软件不容易与其他系统集成。 这种扩展的世界观带来的另一个挑战与数据量有关——这些相机每秒产生大约 XNUMX GB 的数据！

有一家名为 Metaspectral 的公司正在寻求通过提供硬件和软件的组合来扩展高光谱成像的潜力，以使该数据源更加用户友好。 他们使用运行压缩算法的“设备无关”边缘设备，这些设备可以连接到任何高光谱相机并将其数据输出转换为可管理的流程。 他们专有的 Fusion AI 平台可用于与熟悉的用户软件、驱动机器人或馈送人工智能和深度学习系统进行交互。

Metaspectral 最近从 SOMA Capital、Acequia Capital、加拿大政府以及包括 Jude Gomila 和 Alan Rutledge 在内的天使投资人那里筹集了 4.7 万美元的种子轮资金。 该公司由 Francis Doumet（首席执行官）和 Migel Tissera（首席技术官）共同创立。 Tissera 对他们的产品描述如下：“我们开发了新颖的数据压缩算法，使我们能够更好更快地传输高光谱数据，无论是从轨道到地面还是在地面网络中。 我们将其与我们在深度学习方面的进步相结合，以执行亚像素级分析，从而使我们能够提取比传统计算机视觉更多的见解，因为我们的数据包含更多关于光谱维度的信息。”

事实上，高光谱成像可以在非常不同的尺度上使用。 例如，Metaspectral 系统最发达的应用之一是在混合回收材料的分拣线上安装特写镜头，它可以根据化学成分区分透明塑料，以便将它们分类为再加工所需的极其纯净的塑料流.

加拿大最大的废物回收商现在正在使用该系统。 在装配线或水果分选中还有其他用于质量保证的近距离应用。

在另一个极端，相机可以从卫星生成数据，其中图像的每个像素代表 30m x 30m 见方（900 平方米）。 加拿大航天局正在使用这种方法来跟踪温室气体排放，甚至通过比较随时间变化的通量率来估算耕地或林地的土壤碳固存量。 该技术还计划在未来部署在国际空间站上。 森林野火风险评估是指导规范性烧伤等行动的另一个潜在应用。

另一种对农业特别有用的选择是在 50-100 米的高度部署带有无人机的摄像机。 在这种情况下，数据的每个像素可以代表 2 厘米乘 2 厘米的区域，并且能够监测这么多不同的波长可以在人类可见之前及早发现入侵性杂草、昆虫活动、真菌感染、水的早期迹象或营养缺乏，或作物成熟度参数来指导收获时间。 或许可以追踪耕种土壤的温室气体或氨气排放，以更好地了解特定耕作方式（如减耕、覆盖种植、可变施肥或“控制轮式交通”）如何影响这些排放。 目前需要的是大量“地面实况”研究，以将成像数据与相关变量的测量结果联系起来，但使用 Metaspectral 提供的数据压缩和接口功能，这将变得容易得多。

一种希望是，由 Metaspectral 平台促进的高光谱成像的多样化应用将为相机创造足够的需求，从而推动制造进一步降低成本学习曲线。