多光譜相機是在普通航空照相機的基礎(chǔ)上發(fā)展而來的，指在可見光的基礎(chǔ)上向紅外光和紫外光兩個方向擴展，并通過各種濾光片或分光器與多種感光膠片的組合，使其同時分別接收同一目標在不同窄光譜帶上所輻射或反射的信息，即可得到目標的幾張不同光譜帶的照片。

 

　　下面咱們來了解下多光譜相機的應(yīng)用：

 

　　隨著世界人口的增加和可預(yù)見的自然資源短缺，效的農(nóng)業(yè)生產(chǎn)成為當下的需要。今天，大多數(shù)農(nóng)民使用目視檢查作為控制作物生長和質(zhì)量的評估方法，但是人眼所能感知的東西是有限的和主觀的。有許多質(zhì)量評估不僅超出了人類的視覺，而且也超出了傳統(tǒng)的RGB彩色成像。在農(nóng)業(yè)戰(zhàn)略和智能農(nóng)業(yè)方法的指導(dǎo)下，規(guī)模化農(nóng)場已經(jīng)開始趨向于使用多光譜相機來幫助實現(xiàn)效率、低成本、的農(nóng)作物監(jiān)測。多光譜圖像是評估土壤的非常有效的工具，比如評估土壤生產(chǎn)力。

 

　　除了估算作物產(chǎn)量外，多光譜成像還可以幫助農(nóng)民查看受損作物并對作物生長管理進行必要的介入。使用多光譜成像識別雜草、疾病和害蟲正變得越來越流行，因為早期檢測有助于實現(xiàn)良好的植物生長。多光譜成像還可以幫助計算植物和確定農(nóng)場人口密度。它不僅有助于提供土壤肥力數(shù)據(jù)，而且在與作物生產(chǎn)相關(guān)的土地管理方面也具有巨大潛力。

 

　　除了與植物生長相關(guān)的幫助之外，多光譜成像結(jié)合深度學習和人工智能還有助于控制和測量作物灌溉效果。對于水果和蔬菜產(chǎn)品的檢測，多光譜成像可以提供可見光和不可見光波長的組合來測量和分析外在特征（如顏色、質(zhì)地、表面損傷、形狀和大?。┖蛢?nèi)在特征（如礦物質(zhì)含量、成熟度、水分含量、糖和脂肪含量）。