高光谱定量氮含量

中国中医科学院中药资源中心黄璐琦院士团队提出了注意力机制（AM）、卷积神经网络（CNN）和长短时记忆（LSTM）的集成深度学习模型辅助的高光谱成像(HSI)。实现了薏苡仁的地理来源和质量的定量、快速无损检测。相关研究成果在以题为“Application of hyperspectral imaging assisted with integrated deep learning approaches in identifying geographical origins and predicting nutrient contents of Coix seeds”发表在国际学术期刊Food Chemistry（IF= 8.688）上。通讯作者为黄璐琦院士和杨健副研究员。薏苡仁含有丰富的营养物质，包括淀粉、蛋白质和油脂等。具有受保护地理标志和高水平营养物质含量的地理来源保证了薏苡仁的质量，但无损和快速预测这些质量指标的方法仍有待探索。本文提出了注意力机制( Attention Mechanism，AM )、卷积神经网络（Convolutional Neural Networks，CNN）和长短时记忆（Long short-term memory）的集成深度学习模型辅助的高光谱成像( High Spectral Imaging，HSI )。该方法实现了有效波长的选择，生产区域判别的预测精度最高，营养物质含量预测的平均绝对误差和均方根误差最低。此外，通过AM模型选择的波长对于预测地理来源和营养元素含量具有可解释性和可靠性。提出的HSI与集成深度学习模型的结合在薏苡仁的质量评价中具有很大的潜力。研究亮点:1.引入注意力机制以增强深度学习模型的性能2.所提出的深度学习模型适用于营养和来源预测3.研究中所选波长是可解释且可靠的图1. ACLSTM模型的结构。ACLSTM模型由注意力机制( AM )、卷积神经网络( CNN )和长短期记忆网络( LSTM )三部分组成。CNN前面的AM模块用于评估重要波长的权重，并将结果作为CNN模块的输入。CNN模型由3个隐藏层、2个全连接层和1个回归层组成。在CNN模型的隐藏层的卷积层后面加入LSTM模型，替换第一层全连接层。图2 . 产地预测效果和AM选择识别的有效波长。(a)通过AM模型选择(AM -测试集)在全波长测试集和有效波长测试集上的预测精度；(b)产地预测中预测效果最好的ACLSTM模型的测试组结果；(c)通过AM选择波长。在产地预测中，采用权重值相对较高的前9个波长进行模型预测。此外，在油脂、蛋白质和淀粉的预测中，采用权重值相对较高的前6个波长进行模型预测。图3 . 来自最佳模型组的三种营养物质含量的参考值与预测值。(a) - (c)使用基于全波长的最佳模型ACLSTM预测油、蛋白质和淀粉含量；(d) ~ (f)油分、蛋白质和淀粉含量预测使用基于所选波长的最佳模型CLSTM。R2，曲线相关系数的平方；Reg. bias，回归偏差。研究结论：本研究提出的ACLSTM模型(即AM、CNN和LSTM)具有变权重评价和连续光谱信息融合的优点，与传统的学习模型和单独的深度学习模块相比，在地理来源和营养物质含量预测方面取得了更令人满意的效果。此外，通过AM选择的有效HSI波长在提高预测效率和结果的可解释性方面具有可解释性和可靠性。整体结果表明HSI技术结合深度学习模型ACLSTM对薏苡仁质量评价具有巨大的应用潜力，该方法具有快速、无损、有效检测的优点。在未来的研究中，我们将收集更多来自不同生产区域、不同种植模式(有机与否)、不同储存年限的薏苡仁样本，以提高所提出模型的应用范围和可靠性。此外，基于有效波长，我们将尝试开发便携式和成本较低的高光谱设备，供工业使用。

澳洲坚果富含蛋白质、营养素、纤维和健康脂肪，其不饱和脂肪和抗氧化剂有益于代谢和心血管健康。但是容易出现质量缺陷，在收获后加工和处理对延长保质期和保证营养质量至关重要。高水分和湿度会导致霉菌和微生物生长，降低坚果质量和营养成分。由于坚果水分含量因农场和大气条件而异，需在供应链中持续监测水分。目前高光谱成像（HSI）可用于无损测定食品和农业中的物理和化学参数。主要应用于可见光、近红外（Vis/NIR）和短波红外（SWIR）。HSI技术已经应用于肉类、虾、大豆和树叶等复杂食品材料的水分含量，但尚未在澳洲坚果上应用。本次试验样品于2022年的 5 月、7 月和 9 月从位于澳大利亚昆士兰州和新南威尔士州收集，以确保不同品种、生长条件和水分浓度的样品。共收集了 30 袋约 1 公斤的带壳澳洲坚果，并从这些袋子中随机抽取 15 个坚果进行成像。图 1. 流程图坚果仁样本分两个阶段收集。第一阶段是直接从加工线上收集仁，由加工厂的实验室工作人员进行机械破碎，水分含量低于3%。共收集了30袋约150克的坚果仁，并从这些袋子中随机抽取15个单独样品。第二阶段是手动破碎收集的带壳坚果样本（前面所述）中的坚果仁，水分浓度在 3% 到 25% 之间，然后立即进行成像（图 1）。坚果仁采样的第二阶段是特意获取水分浓度3%的坚果仁。本研究使用Resonon Pika XC2高光谱成像仪采集高光谱图像。样品被放置在定制的胶合板托盘上，以消除成像过程中的移动误差。首先，将带壳坚果样品随机放置在托盘上并进行成像（图 2a、b），然后旋转≈180° 并重新成像。对于果仁样品，将坚果以两个方向放置在托盘上以获取图像：1）底部朝上（图 3a、b）和 2) 底部朝下（图 3c、d）方向。图 2. (a) 澳洲坚果的伪 RGB 高光谱图像，红色框表示手动选择的单个坚果的感兴趣区域 (ROI) 的示例(b) 使用机器视觉选择的 (a) 中所示相同坚果的灰度图像，黑色圆圈表示检测到的内外轮廓，内圆表示包含从中提取平均光谱并用于模型开发像素的 ROI。图 3. (a) 澳洲坚果仁的伪 RGB 高光谱图像，底部朝上；(b) 使用机器视觉选择的与 (a) 中相同的坚果的灰度图像；(c) 澳洲坚果仁的伪 RGB 高光谱图像，底部朝下。(a) 和 (c) 中的红色框表示手动选择的单个果仁感兴趣区域 (ROI) 的示例。(b) 和 (d) 中的黑色圆圈表示使用机器视觉为每个单个果仁检测到的轮廓，内圈表示从中提取平均光谱并用于模型开发的 ROI。 图 4. (a) 从图像 1（黄色）和图像 2（红色）方向收集的澳洲坚果带壳平均反射率，以及通过平均合并的图像 1 和 2（黑色）；(b) 图像 1；(c) 图像 2；和 (d) 图像 1 和 2 合并后的带壳坚果的主成分分析得分图；(e) 从底部朝上（黄色）和底部朝下（红色）方向收集的澳洲坚果仁的平均反射率，以及通过平均合并的底部朝上和底部朝下图像（黑色）；(f) 底部朝上；(g) 底部朝下；和 (h) 底部朝上和底部朝下图像合并后的坚果仁的主成分分析得分图。默认情况下，平均相对反射率缩放为 10,000（整数）。由于相似性，图 (a) 中坚果壳图像 2 和图像 1 和 2 的组合的反射数据分别通过添加 200 和 400 个相对反射整数进行了缩放。这项研究表明，可以使用机器视觉从高光谱图像中自动提取反射值，并利用这些值开发回归模型来预测澳洲坚果的水分浓度。使用从两幅图像中提取的数据可以提供更可靠的结果。我们的结果表明，来自不同方向的坚果图像的数据可以提供较高的预测精度，因此，该技术可以应用于坚果在传送带上运输的机械化加工。仅使用10 个波长带开发的 PLSR 模型提供了可使用的预测精度水平，同时降低了模型复杂性和计算需求。这项研究表明，高光谱成像结合机器视觉软件在收获后加工过程中预测澳洲坚果水分浓度具有巨大潜力。

车厘子，相信大家都不陌生，毕竟“车厘子自由”曾经也是风靡一时的网络热词。但是车厘茄是什么呢?车厘子的变种？车厘子和茄子的结合？空想不如实干，看看度娘怎么说......嚯，原来车厘茄就是常见的小番茄！另外，小加还了解到车厘茄含有丰富的维他命和十分高的铁质含量，不仅有美容功效，还可以预防出现贫血，可谓是值得多次购买的营养好物。但是购买时，我们只能通过朴素的双眼判断其好坏，如果从专业性的角度出发，该如何评估车厘茄的质量呢？答案就在下面这篇论文里，快一起来看看吧！基于深度学习和高光谱图像估算车厘茄可溶性固形物含量及硬度车厘茄（Solanum lycopersicum）因其特殊的香味深受世界各地消费者喜爱。可溶性固形物（SSC）和硬度是评估产品质量的两个主要指标。现存的测量技术主要依赖于化学方法。然而，这种破坏性的方法不适用于大面积的测量。高光谱成像技术可以同时获取光谱信息和空间信息，已广泛应用于各个领域，如植物病害胁迫检测、工业食品包装、医学图像分类及水果质量分析。基于此，来自浙江工业大学和浙江省农业科学院的研究人员选择当地主流的车厘茄（Zheyingfen-1）为研究对象，测量其硬度和SSC，并基于高光谱图像（PIKA XC 高光谱相机，Resonon Inc.，Bozeman，MT，USA）和相应的深度学习回归模型开发了无损式测量技术。高光谱成像系统【结果】（A）校正的光谱反射率图。（B）MSC预处理。（C）二阶差分预处理。每个模型的SSC估算结果。（A）小样本数据的SVR估算结果。（B）大样本数据的SVR估算结果。（C）小样本数据的KNNR估算结果。（D）大样本数据的KNNR估算结果。（E）小样本数据的AdaBoostR估算结果。（F）大样本数据的AdaBoostR估算结果。（G）小样本数据的PLSR估算结果。（H）大样本数据的PLSR估算结果。（I）小样本数据的Con1dResNet估算结果。（J）大样本数据的Con1dResNet估算结果。大样本数据集每个模型的硬度估算结果。【结论】本研究中，作者利用高光谱图像提出了Con1dResNet深度学习模型来估算车厘茄的SSC和硬度。相比传统的机器学习方法，充足的样本数量可以实现更好的结果。就SSC估算而言，其R2值为0.901，比PLSR高26.4%，其MSE为0.018，比PLSR低0.046。就硬度估算而言，其R2值为0.532，优于PLSR33.7%。结果表明高光谱成像结合深度学习可以显著提高车厘茄SSC和硬度估算准确性

随着社会的发展，工业、农业及生活废水的大量排放，严重污染了人类赖以生存的水资源；河湖水体变色，甚至散发恶臭。这些呈现令人不悦的颜色和散发不适气味的水体，一般称为黑臭水体。黑臭水体破坏了水质和生态环境，很大程度地影响了人们的生活、危害人类健康，是目前较为突出的环境问题。遥感技术因具有速度快、同步性好、 覆盖面广、单位成本低等优点，已经被广泛地应用于水质动态监测中，遥感影像数据还可应用于水体成分的反演；研究表明，将卫星遥感技术应用于水质监测，其方法已经较为成熟，并已取得了较多的成果。然而受卫星遥感影像的分辨率限制，这种技术主要适用于大面积水域的监测，难以实现对小型水域或河道的高空间分辨率测量，而且卫星遥感还存在数据获取周期较长、时效性不够高、易受大气云层影响等问题，因此需要一种机动灵活且能够快速获得较大覆盖面积的水质测量方法，而无人机高光谱成像系统与地面水质测量相结合进行水质反演，即可解决这一问题。无人机高光谱成像系统是由无人机技术、遥感与测量技术、计算机技术等共同发展而融合的新技术，通常由硬件（包括无人机、 高光谱成像仪、计算机等）、软件（地面站控制软件、相片处理软件、影像应用软件等）和售后服务团队组成。 无人机高光谱成像系统测量相对于常规测量具有如下的优势：1）机动、灵活、 快速。无人机可在各种复杂条件下作业，反应迅速，适合应急监测。2）数据获取成本低。无人机遥感系统的购置、运行成本大大低于载人飞机，对场地和人员的要求也较低，日常维护简单，大大降低了遥感数据的获取成本。3）适合大面积观测。无人机作业可快速覆盖较大的观测面积，作业效率比人工现场测量大大提高。4）空间分辨率高。无人机高光谱成像数据的光谱分辨率高达纳米数量级。5）复杂区域观测。对于一些复杂区域，例如山区河流、河口海岸带、滩涂湿地等常规测量方式难以进入的区域，无人机航测具有显著优势。数据获取1.无人机光谱数据获取（1）机载高光谱成像设备介绍：X20P机载高光谱成像仪是一款基于光场成像技术的高光谱成像（HSI）设备，其内核为20 MP的超高清CMOS传感器，实现了相当高的空间分辨率。该设备以画幅式成像方式高速获取超过160个光谱通道的高光谱图像，连续覆盖350~1000 nm的波长范围，高性能传感器保证了噪声被控制得非常低，双GigE摄像机接口保证了高达5Hz的图像帧率（1886*1886像素/帧）。*350~1000nm宽波段范围*164或325通道瞬时同步成像*采用光场成像技术，快速成像无畸变*1886 x 1886大面阵空间维度高清图像*一体式无刷云台，Skyport电子排线接口*可搭载多种无人机并完成大面积数据图像X20P机载高光谱成像仪的164/325个光谱通道同步瞬时成像，更适合高速移动式使用，数据真实可靠无伪影；配套软件具有反射率校准、感兴趣波段数据导出、光谱植被指数制图等功能。X20P具有一体式无刷云台，内置控制及固态存储，适合多旋翼或固定翼无人机搭载。X20P一体式高光谱成像仪光谱范围350~1000nm高光谱分辨率1886*1886像素/帧光谱通道数164（可扩展）探测器20 MP高光谱CMOS成像方式全面阵所有通道同步成像，全局快门高光谱成像速度＞2 Cubes/s 1886*1886像素/Cube数字分辨率12 Bit光谱输出168000 Spectra/Cube光学阵列/FOV66个/35°通讯接口Skyport电子排线接口、2*GigE、2*USB、HDMI存储内存内置固态硬盘500G/8G限位范围俯仰方向: ±50°，横滚方向: ±90°增稳范围俯仰方向: ±40°，横滚方向: ± 45°角度抖动量± 0.015°触发控制飞控提供触发信号，同步获取GPS数据结构重量一体式云台结构，整体重量＜1.5Kg主要应用：UAV应用农业遥感环境遥感精准农业物种分类病害检测植物科学考古调查植物表型水色遥感(2) 作业计划落实：地物类型（主要提供河流宽度与长度等参数）、飞行面积（根据谷歌地图 kml 文件初步估算实际作业面积）、飞行高度（根据地面分辨率要求与空域高度等给出推荐飞行高度）、飞行架次（根据飞行面积与飞行高度等，估算无人机的飞行架次）、空域许可（需求方提供）。2. 无人机同步水面实验数据获取无人机飞行航测的同时，在水面开展实验，获取水体实验数据，主要包括：（1）水面反射光谱：用于水质参数反演建模、评价无人机反射率反演精度等。（2）现场测量水质参数：地面取样或直接测量相关的水质数据，包括：透明度、浊度、水深、水温、溶解氧、氧化还原电位等。（3）现场调查水体污染状况，包括：蓝藻水华、黑臭水体、排污口等。（4）现场采集水样，送到实验室内测量水质参数，包括：叶绿素 a、总悬浮物浓度、无机悬浮物浓度、有机悬浮物浓度、有色可溶性有机物（黄色物质）含量、总氮浓度、总磷浓度、化学需氧量（COD）浓度等。数据处理1. 基于无人机高光谱成像的水质参数反演建模利用无人机高光谱遥感图像和实测水面光谱和水质参数数据，构建水质参数遥感反演模型，实现基于无人机高光谱遥感的水质参数快速制图，包括浊度、叶绿素 a、总悬浮物浓度、无机悬浮物浓度、有机悬浮物浓度、黄色物质、水体营养状态等。2. 基于无人机高光谱成像的水体污染和水色异常区域提取方法利用无人机高光谱遥感图像和实地调查水体污染分布数据，构建水体污染遥感提取方法，实现基于无人机高光谱遥感的水体污染分布快速制图，包括蓝藻水华和黑臭水体等。此外，构建基于空间维和时间纬的水色异常区域提取算法，实现基于无人机高光谱遥感图像的疑似水体污染源信息提取。案例分享高光谱大面积水质反演案例飞行参数：飞行高度：400 m 飞行速度：20 m/s；飞行面积：3 平方公里 波段选取：490、550 、615、685、725、940拼接结果：1.RGB 合成图：2.总磷反演结果：总磷是水样经消解后将各种形态的磷转变成正磷酸盐后测定的结果，以每升水样含磷毫克数计量。3.氨氮反演结果：氨氮是指水中以游离氨（NH3）和铵离子（NH4+）形式存在的氮。 动物性有机物的含氮量一般较植物性有机物为高。因此，水中氨氮含量增高时指以氨或铵离子形式存在的化合氮。4.水溶解氧（DO）反演结果：溶解于水中的分子态氧称为溶解氧，通常记作 DO，用每升水里氧气的毫克数表示。水中溶解氧的多少是衡量水体自净能力的一个指标。5.化学需氧量（COD）反演结果：化学需氧量 COD（Chemical Oxygen Demand）是以化学方法测量水样中需要被氧化的还原性物质的量。废水、废水处理厂出水和受污染的水中，能被强氧化剂氧化的物质（一般为有机物）的氧当量。水体遥感监测原理、特点影响水质的参数有：水中悬浮物、藻类、化学物质、溶解性有机物、热释放物、病原体和油类物质等。随着遥感技术的革新和对物质光谱特征研究的深入，可以监测的水质参数种类也在逐渐增加，除了热污染和溢油污染等突发性水污染事故的监测外，用遥感监测的水质数据大致可以分为以下四大类：浑浊度、浮游植物、溶解性有机物、化学性水质指标。利用遥感技术进行水环境质量监测的主要机理是被污染水体具有独特的有别于清洁水体的光谱特征，这些光谱特征体现在其对特定波长的光的吸收或反射，而且这些光谱特征能够为遥感器所捕获并在遥感图象中体现出来。如当水体出现富营养化时，浮游植物中的叶绿素对近红外波段具有明显的“陡坡效应”，故而这类水体兼有水体和植物的光谱特征，即在可见光波段反射率低，在近红外波段反射率却明显升高。水质遥感存在的问题与发展趋势1 存在的问题：①多数限定于定性研究，或进行已有的航空和卫星遥感数据分析，却很少进行定量分析。②监测精度不高，各种算法以经验、半经验方法为主。③算法具有局部性、地方性和季节性，适用性、可移植性差。④监测的水质参数少，主要集中在悬浮沉积物、叶绿素和透明度、浑浊度等参数。2 发展趋势2.1 建立遥感监测技术体系。研究利用新型遥感数据进行水质定量监测的关键技术与方法，形成一个标准化的水安全定量遥感监测技术体系，针对不同类型的内陆水体，建立多种水质参数反演算法，实现实验遥感和定量遥感的跨跃，从中获得原始创新性的成果。2.2 加强水质遥感基础研究。加深对遥感机理的认识，特别是水质对表层水体的光学和热量特征的影响机理上，以进一步发展基于物理的模型，把水质参数更好的和遥感器获得的光学测量值联系起来；加深目视解译和数字图象处理的研究，提高遥感影象的解译精度；增强高光谱遥感的研究，完善航空成像光谱仪数据处理技术。2.3 拓宽遥感水质监测项。现阶段水质遥感局限于某些特定的水质参数，叶绿素、悬浮物及与之相关的水体透明度、浑浊度等参数，对可溶性有机物、COD等参数光谱特征和定量遥感监测研究较少，拓宽遥感监测项是今后的发展趋势之一。应加强其他水质参数的光谱特征研究，以扩大水质参数的定量监测种类，进一步建立不同水质参数的光谱特征数据库。2.4 提高水质遥感监测精度。研究表明利用遥感进行水质参数反演，其反演精度、稳定度、空间可扩展性受遥感波段设置影响较大，利用星载高光谱数据进行水质参数反演，对其上百的波段宽度为10nm左右的连续波段与主要水质参数的波谱响应特性进行研究，确定水质参数诊断性波谱及波段组合，形成构造水质参数遥感模型和反演的核心技术，提高水质监测精度。2.5 扩展水质遥感监测模型空间。系统深入的研究水质组分的内在光学特性，利用高光谱数据和中、低分辨率多光谱数据进行水质遥感定量监测机理研究，进行水质组分的定量提取和组分间混合信息的剥离，消除水质组分间的相互干扰，建立不受时间和地域限制的水质参数反演算法，形成利用中内陆水体水质多光谱遥感监测方法和技术研究低分辨率遥感数据进行大范围、动态监测的遥感定量模型。2.6 改进统计分析技术。利用光谱分辨率较低的宽波段遥感数据得到的水质参数算法精度都不是很高，可以借鉴已在地质、生态等领域应用的混合光谱分解技术，人工神经网络分类技术等，充分挖掘水质信息，建立不受时间和地域限制的水质参数反演算法，提高遥感定量监测精度。2.7 综合利用“3S”技术。利用遥感技术视域广，信息更新快的特点，实时、快速地提取大面积流域及其周边地区的水环境信息及各种变化参数；GPS为所获取的空间目标及属性信息提供实时、快速的空间定位，实现空间与地面实测数据的对应关系；GIS完成庞大的水资源环境信息存储、管理和分析。将“3S”技术在水质遥感监测中综合应用，建立水质遥感监测和评价系统，实现水环境质量信息的准确、动态快速发布，推动国家水安全预警系统建设。

随着工业化、城市化的快速发展，环境污染问题也日益严重。水乃万物之根本，因此水污染问题的解决迫在眉睫。水质监测成为保障水资源安全、维护水生态系统循环的重要手段。传统的水质监测方法存在监测周期长、实时数据差、监测参数有限等局限，无法满足当前水质监测的迫切需求。与传统的水质监测方式相比，使用高光谱监测的优势在于能监控整条河流水质浓度变化趋势情况，可有效弥补传统点源监测的不足。通过采集获取的高现势性水质连续光谱数据，可实现叶绿素a、总氮、总磷、氨氮、总悬浮物、化学需氧量、溶解氧主要评价指标分析。利用无人机高光谱监测技术对河流进行拍摄扫描，统揽全局，锁定病灶，可视化平台有效实现水质精准监测。一、高光谱在水质监测领域的应用现状高光谱在水质监测领域的应用正在逐步深入，其独特的技术优势在未来会有很大的发展前景。高光谱相机能够通过对水中物质的光谱特征分析，精准地检测水中的各种污染物质，包括石油类物质、农药残留、重金属离子等。还可以应用在水体富营养化监测、不同类型的水体识别、动态监测水质异常、水生生物监测等场景。目前高光谱技术在水质监测领域的相关标准建设情况尚没有统一的标准。但高光谱技术的不断完善和成熟将为水质监测提供更实时化、数据化、系统化的支持，是促进水生态系统改善的得力科技助手。二、 彩谱高光谱技术的发展历程及技术优势发展历程：2009年，彩谱创始人团队在浙大做军工方面高光谱检测项目，研究高光谱成像技术。2013年，正式成立彩谱公司。2014年，组织高光谱颜色检测技术的研讨会，开展高光谱技术的深入探究。2019年，推出基于高光谱技术的图像分光测色仪DS1050系列产品。2020年，推出线扫描高光谱相机FS-1X系列、成像高光谱相机FS-2X系列、显微镜高光谱测量系统、无人机高光谱测量系统、便携式高光谱相机、云台高光谱相机等。2023年，彩谱高光谱相机在上百家高校、研究机构、农业、水质、林业领域得以广泛应用。2024年，参与标准制订：《纺织品 色牢度试验贴衬织物沾色评级 高光谱法》、《纺织品 涤棉混纺织物定量分析 高光谱法》。技术优势：彩谱的高光谱相机主要采用透射光栅分光色散型，性能卓越。利用色散元件(光栅或者棱镜进行分光，再经由成像系统成像在探测器上，同比其他原理产品，光谱分辨率更高，价格更低。三、彩谱高光谱技术如何发挥其作用分析解决不同水质污染监测问题？帮助提升水质监测的准确性和效率？有哪些案例说明？彩谱的无人机高光谱遥测系统主要由多旋翼无人机、高光谱相机、机载控制器、机载系统控制软件、漫反射校准布、多旋翼无人机平台和数据处理软件等部分组成。如何解决不同水质污染监测问题提升水质检测的准确性和效率离不开各部分组件的相辅相成。下面将具体展开讲解一下：1、无人机承载平台：旋翼-大疆M350RTK多旋翼无人机，垂起-飞图横空Aircross6号垂直起降无人机，稳定性好，便携使用简单，飞行效率高。能够在短时间内获取大范围的水质信息，提高了水质监测的效率和覆盖范围。2、高光谱成像系统：系统设计紧凑，成像光谱仪主机光谱分辨率高达2.5nm，采用高信噪比超高速光谱扫描成像器件，提供高稳定性的光谱图像采，采用自研的高效率低功耗图像处理算法，大大延长了整机飞行时间，降低了系统功耗。3、机载系统控制软件：用户无人机终端使用，支持实时保存高光谱数据，且操作简单安全可靠，支持显示通道设置、显示通道阈值设置、采集控制和图像格式控制，包含文件信息查看、快捷功能、镜头校正、状态信息展和图像采集功能。4、漫反射校准布：用于高光谱数据反射率校准，保证数据的长期稳定性。5、数据处理软件：通过对高光谱数据的解析和反演，可以获取到水体中的多种水质参数，如化学需氧量、氨氮、总磷、总氮等。案例说明根据XX河实际情况进行航线设计，采用多旋翼无人机+高光谱相机进行高光谱数据采集，同时在地面进行采样。（1）地面点采样及取样方案① 可用钓竿进行水质的取样；② 不要出现阴影、树木、建筑物的遮挡；③ 地面采样与高光谱的飞行基本同时进行，采样方式要保证采样点全部可用（即没有阴影遮挡、没有处于水波纹等）。（2）高光谱数据采集① 飞行主航线采用直线飞行；② 分段的末端要延长数据，保证整体数据可用性强；③ 航线均延河流走向规划。（3）高光谱数据处理分析通过水质反演软件基于地面采样结果和对应光谱值，进行光谱图像归一化、水质参数反演、模型评价等处理。通过数据预处理软件对高光谱影像的预处理，首先进行辐射定标和反射定标，得到地表反射率数据，然后通过GPS和特征图像，完成多航带影像的拼接，最后通过拼接裁剪得到河道光谱数据。利用水质反演软件通过采集获取的水质连续光谱数据，可实现叶绿素a、总氮、总磷、氨氮、高锰酸钾、溶解氧主要评价指标分析。（4）指数计算（5）灰度图像（6）聚类效果可进行监督聚类和非监聚类功能。可对不同的物质进行分类标记。（7）水质分析高锰酸钾指数(CODMin)、总磷(TP)、溶解氧(DO)、总氮(TM)、氨氮(NH3-H)、叶绿素a。四、高光谱在实际水质监测的应用中需要考虑哪些因素？当前，技术和应用层面还存在那些难题？在实际水质监测中，应用高光谱成像技术时需要考虑以下主要因素：1.仪器本身：保证高光谱的分辨率、光谱范围、波长校准等性能符合监测要求。时常进行仪器检查，确保仪器处于良好状态。2.数据采集：主要考虑环境因素，如天气、光照等对数据采集的影响，尽量在稳定的环境条件下进行数据采集。确保获取到准确、可靠的光谱数据。3.光谱特征差异：不同水体类型（河流、湖泊、水库等）和污染物质（重金属、有机物、石油类物质、农药残留等）的光谱特征差异不同，需要针对特定水体和污染物进行光谱特征研究和分析。4.数据处理与分析：对采集到的光谱数据进行预处理，包括噪声去除、光谱校准等步骤，以提高数据质量和准确性。选用高效、稳定的数据处理和分析算法，以提高水质参数反演和污染物质识别的准确性和精度。5.实时性与动态性：考虑水质监测的实时性和动态性要求，确保高光谱成像仪能够实时监测水质变化。当前技术和应用层面的难题1、数据冗杂、计算复杂：高光谱成像仪所获取的数据量巨大、冗杂，因此处理和分析这些数据需要高性能的计算设备和算法支持。数据处理过程中可能面临计算复杂、耗时长等问题。2、光谱特征差异：不同水体类型和污染物质的光谱特征存在差异，需要建立更加完善的光谱特征数据库和识别算法。3、自然环境干扰：天气、光照等环境因素可能对光谱数据采集产生干扰，影响监测结果的准确性。4、设备性能限制：高光谱成像仪的分辨率、光谱响应等性能可能受到设备本身的限制，影响监测结果的精度。针对这些难题，未来可以在提高数据采集质量、优化数据处理算法、加强光谱特征研究、推动多源数据融合与应用等方面进行改进和优化，以进一步提升高光谱成像技术在水质监测领域的应用效果。五、随着人工智能和大数据技术的发展，我司有哪些高光谱产品已经与人工智能技术相结合？1、农业方面：高光谱相机能够获取农作物的光谱数据，借助人工智能算法对其加以分析，能够精确评估农作物的生长态势、病虫害情况以及养分含量等，为精准农业提供有力的决策依据。彩谱FigSpec Studio 软件中内置了NDVI等多种植被因子，对不同空间尺度下植被冠层状态进行精准量化 ，定量评估作物和植被的健康情况、胁迫情况和长势情况 ，为作物长势评估 ，产量预估 ，病虫害检测等提供数据支持。2、林业领域：机载高光谱相机可用于林业灾害的监测，像森林火灾、病虫害等。与人工智能技术相结合，能够增强灾害监测的精准度和效率，及时施行防治手段，降低损失。人工智能技术、深度学习等创新型分类识别技术的引入，促使灾害防治逐步朝着多技术融合的方向迈进。受到病虫侵害的时候，因缺乏营养和水分而生长不良，海绵组织受到破坏，叶子的色素比例也会发生变化，使得可见光区的两个吸收谷不明显，反射峰值按植物叶子被损害的程度而变低。多光谱数据融合后，获取高精度的监测数据，得到病虫害分布情况。3、水质分析监测：使用水体光谱数据和化学分析结果构建分析模型 ，实现对黑臭水体分级、水质参数（蓝绿藻、水滑、总氮、总磷、溶解氧和悬浮物）反演。结合空间信息监测生活污水、工业废水等对周边水体的影响 ，助力污染源排查、水环境评估。4、水体富养化监测：利用光谱数据形成分类指数，进行水体富营养化，监测及空间信息统计，遵循水体富营养状态评价，标准，辅助分析农田、养殖、渔业等水体污染源，为污染源排查、水环境评估提供数据和强大的数据采集工具。六、未来，我司将如何应对市场需求，推动高光谱技术在水质监测领域的创新和发展？1、技术融合与创新多源数据融合：高光谱技术将与其他监测技术（如遥感技术、自动监测船、物联网传感器等）相结合，实现多源数据的融合与互补。这种融合将提高水质监测的全面性和准确性，为水质评估提供更丰富的信息源。智能化与自动化：随着人工智能和大数据技术的发展，高光谱水质监测系统将更加智能化和自动化。通过机器学习算法和深度学习技术，系统能够自动识别和分类水质参数，提高监测效率和准确性。同时，自动化监测和预警系统将能够及时发现水质异常，并采取相应的处理措施。2、监测精度与广度提升高精度监测：高光谱技术将不断提升其光谱分辨率和灵敏度，以实现对水体中更多细微光谱特征的捕捉和分析。这将有助于提高水质监测的精度和可靠性，为水质评估提供更准确的数据支持。大范围监测：借助卫星遥感技术和无人机平台，高光谱技术将能够实现大范围、长时序的水质监测。这将有助于掌握水质的时空变化规律，为水环境保护和治理提供科学依据。3、应用拓展与深化多样化应用场景：高光谱技术将不仅限于地表水的监测，还将拓展到地下水、海洋等更多类型的水体监测中。同时，该技术还将应用于水生生物监测、水体富营养化评估等领域，为水生态系统的保护和管理提供全方位支持。政策与市场需求驱动：随着环保意识的提升和政策支持的加强，水质监测市场需求将持续增长。高光谱技术作为先进的水质监测手段，将受到更多关注和青睐。同时，市场需求的多样化也将推动高光谱技术在水质监测领域的不断创新和发展。

近年来，高光谱技术迅速发展，其应用潜力越来越吸引大家的关注。最新报道显示：广东省水利水电科学研究院智慧水利研究所近期开展了基于无人机高光谱遥感的水质调查实验，搭载高光谱传感器获得的高时空和高光谱分辨率的遥感数据可实现河道和水库的长时间精准观测，对河湖（库）水域水污染状态的持续性监测及污染源紧急重点排查具有重要意义，能有效提高有关部门处理应急突发事件的能力。中日友好医院崔勇教授团队在首先实现皮肤高光谱仿真技术突破、研发出皮肤成分无创定量检测医疗器械的基础上，获得适合皮肤病精准医疗的AI数据源—皮肤高光谱图像，开启了皮肤病人工智能辅助诊断创新研究。除此之外，高光谱技术还被应用于工业上如垃圾分选，印刷纺织品检测；医学上如胃癌组织高光谱检测，基于显微高光谱成像的皮肤黑色素瘤识别；农业上如蔬菜表皮细胞检测，小麦长势情况；另外还可以对古代字画和壁画进行无损鉴定、文物颜料研究等。基于高光谱技术的应用案例越来越广，其市场潜力可见一斑。仪器信息网2021-2022年“行业应用”栏目信息显示（在题目中以“高光谱”为关键词搜索的不完全统计）， 2022年厂商发布的高光谱行业解决方案数量为2021年的3倍，涉及行业也进一步增加，相关解决方案主要涉及地矿、环保、建材、农业、食品等领域，其中在农/林/牧/渔、食品/饮料领域应用最为广泛。仪器信息网摘录部分如下：农/林/牧/渔领域：方案名称厂家名称高光谱-红外热成像无人机遥感技术-林木病虫害早期诊断和量化北京易科泰生态技术有限公司一体式高光谱-激光雷达无人机遥感系统应用案例北京易科泰生态技术有限公司易科泰光谱成像技术—植物天然活性物质和次生代谢产物无损高光谱检测方案北京易科泰生态技术有限公司高光谱-红外热成像无人机遥感技术—作物表型研究北京易科泰生态技术有限公司高光谱-红外热成像无人机遥感技术—森林病虫害监测北京易科泰生态技术有限公司[高光谱成像技术]面粉无损检测森泉光电有限公司一体式高光谱-红外热成像无人机遥感系统应用案例北京易科泰生态技术有限公司UAS-8高光谱无人机遥感平台北京易科泰生态技术有限公司高光谱成像相机技术解决大豆食心虫虫害技术检测杭州彩谱科技有限公司近红外高光谱相机：鸡种蛋性别鉴定研究进展杭州彩谱科技有限公司近红外高光谱成像技术应用于谷物品质检测北京易科泰生态技术有限公司FS60-无人机高光谱相机研究马铃薯株高和地上生物量估算杭州彩谱科技有限公司无人机高光谱测量系统协助甘蔗病虫害防治杭州彩谱科技有限公司高光谱相机针对大米农产品无损检测技术杭州彩谱科技有限公司基于高光谱相机技术的快速、准确、无损地霉变玉米检测研究杭州彩谱科技有限公司高光谱成像技术应用到薇甘菊特征提取的研究杭州彩谱科技有限公司高光谱成像技术应用于蔬菜品质检测评估北京易科泰生态技术有限公司基于高光谱相机分析的冬油菜苗期田间杂草识别研杭州彩谱科技有限公司基于高光谱工成像的黄瓜叶内叶绿素分布的无损检测杭州彩谱科技有限公司基于高光谱成像技术的苹果表面缺陷无损检测杭州彩谱科技有限公司基于高光谱成像技术的番茄果实成熟度研究杭州彩谱科技有限公司基于高光谱图像技术的稻田苗期杂草稻识别杭州彩谱科技有限公司基于无人机高光谱遥感技术对内陆养殖池塘水质监测的研究杭州彩谱科技有限公司基于高光谱图像技术预测苹果大小杭州彩谱科技有限公司易科泰高光谱成像技术应用于水果内外部品质研究北京易科泰生态技术有限公司易科泰高光谱成像技术应用于枸杞品种品质研究北京易科泰生态技术有限公司基于高光谱成像技术的油桃质量检测北京盈盛恒泰科技有限责任公司易科泰提供推扫式高光谱成像系统应用于鱼肉食品检测研究北京易科泰生态技术有限公司基于电子鼻和高光谱多数据融合跟踪水稻品质差异的协同策略研究北京盈盛恒泰科技有限责任公司高光谱技术在植物表型研究中的应用（1）北京易科泰生态技术有限公司高光谱-LiDAR应用于Natura2000自然保护区栖息地监测北京易科泰生态技术有限公司高光谱-LiDAR一体式无人机遥感系统应用于城市森林结构测量和生态功能评估北京易科泰生态技术有限公司高光谱-激光雷达无人机遥感技术北京易科泰生态技术有限公司一体式高光谱-激光雷达无人机遥感系统-森林碳循环研究及应用北京易科泰生态技术有限公司HSI果实品质高光谱无损检测技术北京易科泰生态技术有限公司一体式高光谱-激光雷达无人机遥感系统—林木监测和树种分类应用北京易科泰生态技术有限公司食品/饮料领域：方案名称厂家名称基于高光谱与电子鼻融合的番石榴机械损伤识别方法北京盈盛恒泰科技有限责任公司近红外高光谱成像技术在小黄瓜含水量无损检测中的应用杭州彩谱科技有限公司高光谱成像技术对生鲜猪肉含水率进行无损检测杭州彩谱科技有限公司杭州彩谱科技有限公司：高光谱成像技术检测三文鱼品质参数杭州彩谱科技有限公司高光谱成像技术对鲜枣裂纹进行定性和定量检测杭州彩谱科技有限公司基于高光谱成像的西兰花农药残留无损检测方法研究杭州彩谱科技有限公司基于高光谱成像技术检测脐橙溃疡杭州彩谱科技有限公司近红外高光谱成像技术探索西瓜糖度高精度检测模型杭州彩谱科技有限公司基于高光谱成像技术测定花生种子及花生油中油酸和亚油酸含量杭州彩谱科技有限公司基于高光谱成像技术的鸡肉品质快速无损检测杭州彩谱科技有限公司易科泰高光谱成像在线分选技术——食品检测应用北京易科泰生态技术有限公司高分辨率sCOMS-高光谱相机用于食品检测北京睿光科技有限责任公司纺织/印染/服装/皮革领域：方案名称厂家名称高光谱成像在纺织品识别与回收中的应用QUANTUM量子科学仪器贸易（北京）有限公司近红外高光谱相机对鹅鸭混合绒定量检测研究杭州彩谱科技有限公司高光谱成像技术应用于废旧纺织品识别与回收北京易科泰生态技术有限公司医疗/卫生领域：方案名称厂家名称光谱成像技术创新应用SpectrAPP高光谱成像技术监测伤口愈合过程北京易科泰生态技术有限公司近红外高光谱相机血液种属鉴别方法杭州彩谱科技有限公司400-1000nm高光谱相机在烧伤深度检测中的应用杭州彩谱科技有限公司地矿领域：方案名称厂家名称SWIR-LWIR地矿勘查高光谱成像分析系统应用案例北京易科泰生态技术有限公司“μXRF+高光谱成像”高通量样芯分析技术北京易科泰生态技术有限公司环保/水工业领域：方案名称厂家名称高光谱成像研究 胡泊水体中沉积物检测方案(生态环境遥感)北京易科泰生态技术有限公司基于高光谱相机系统数据的赤潮检测方法杭州彩谱科技有限公司建筑/建材/家具领域：方案名称厂家名称基于高光谱技术的陶瓷绝缘子污秽等级检测杭州彩谱科技有限公司军队/公安/司法领域：方案名称厂家名称高光谱成像光谱仪的字迹鉴定检测算法和实验研究杭州彩谱科技有限公司基于成像高光谱相机分析技术的不同介质血迹陈旧度研究杭州彩谱科技有限公司综合领域：方案名称厂家名称利用高光谱成像光谱仪对古代颜料进行无损鉴定杭州彩谱科技有限公司使用手持式高光谱相机IQ揭示进化的秘密—在非洲沙漠研究生石花北京易科泰生态技术有限公司

2023年4月4日，生态环境部在北京举行高光谱观测卫星在轨投入使用仪式。上海技物所研制的可见短波红外高光谱相机(AHSI)经过在轨测试交付用户投入业务应用。 　　AHSI是2021年发射的高光谱观测卫星主载荷之一，可实现2.5到10纳米光谱分辨率、30米空间分辨率、60公里幅宽，能够同时获取地物从0.4到2.5微米波段范围内的高光谱影像信息，是我国首台可在轨动态配置的宽幅宽谱高光谱相机。 　　测试结果表明，AHSI获取的图像清晰，光谱和辐射定量准确，空间结构和光谱反映能力强。与国际同类载荷相比，其综合性能达到国际领先水平。相机在河流/水库/湖泊等不同体量内陆水体的各类水质参数提取、矿区周边生态胁迫、植被精细分类和植被指数反演、大宗固体废弃物遥感监测、海洋生态环境监测、点源甲烷探测等生态环境应用方面，以及在矿物信息精细提取、作物种类识别和生长参数反演、区域产草量等行业应用方面，均具备突出的在轨应用能力，为我国水环境监测、自然生态监测、碳排放监测以及生态环境监管等主体业务提供了国产高精度高光谱数据保障。 　　目前，AHSI正与同为上海技物所研制的资源02D、资源02E、高光谱综合观测卫星同类载荷组网协同观测，使我国拥有当前国际上时-空-谱综合观测性能最强的高光谱对地遥感能力，有效服务于我国环境质量监管和自然资源调查等重大需求。AHSI获取的武汉市(2022年5月)的可见近红外光谱立方体(左)和短波红外光谱立方体(右)南四湖、太湖、滇池水质叶绿素a浓度反演结果通过矿物识别分层谱系、光谱特征归一化与光谱特征综合法以及光谱分解法进行矿物信息提取。图为测试区高光谱矿物填图。测试区农田土壤类型调查。图(左)为假彩色合成原始影像，图(右)为测试区农田土壤类型遥感监测识别结果图。煤炭工业园区内的煤矿矿井开展甲烷泄漏监测

2023年8月8日，由仪器信息网主办的高光谱技术在农业领域的最新应用进展” 网络研讨会成功召开。高光谱技术作为简便、快速、低成本、非损伤性光谱分析技术，在农业生产应用中备受关注。此次会议聚焦高光谱技术在农业生产、农产品检测实际应用、设备研发、分析方法等展开探讨，特别邀请了来自高校、科研单位以及企业的9位资深技术专家为本次会议分享了精彩的研究报告。点击图片查看会议页面详情会议期间，线上网友与各位老师积极互动，许多观众十分期待报告的回放，现在，精彩报告视频新鲜出炉，请各位需要的伙伴点击查看：报告题目报告嘉宾单位及职称太赫兹光谱成像技术在农作物种子品质检测中的应用探索吴静珠北京工商大学 教授基于高光谱和图像处理的紫叶生菜叶绿素和花青素含量估测研究王敏娟中国农业大学 副教授【点击回看】MEMS微型高光谱成像技术及应用郭斌深圳市海谱纳米光学科技有限公司 CTO【点击回看】高光谱成像技术在苹果内部品质异构性的评价潜力研究兰维杰南京农业大学食品科技学院 副教授基于成像光谱的生鲜鸡肉品质和木质化肉无损检测技术研究杨一北京工商大学 副教授光谱图像在微塑料无损表征中的应用黄越中国农业大学 副教授【点击回看】作物光谱学成像感知与多模态检测装备关键技术研发孙红中国农业大学 教授近红外光谱和图像技术果园应用基础孙旭东华东交通大学 副教授【点击回看】高光谱定量分析中多元回归模型常见问题解析王冬北京农林科学院 副研究员直播间部分问答如下：1、王敏娟老师，生菜表面褶皱很多，这种对光照均匀造成的影影响从而影响数据质量，您如何解决?答：我们做过生菜的RGB、RGB-D和高光谱数据的处理和建模，目前还没因光照影响了后期建模，不过我们的建模基本围绕视觉表型特征比较多。为了保证数据质量话，可以前期控制下环境光照。2、兰维杰老师,苹果表面成熟度不同，如何采集高光谱数据，多种方式拍照?答：我们这个研究是破损性的，主要在于揭示苹果内部的品质分布情况。是依次切开每一片以后，迅速获取样品高光谱图像，之后立即采集不同区域样品液氨冷冻真空待测，再后就是马上获取切片的RGB图片，特征区域选取则是依靠RGB图片和高光谱图像相对应，进行特征区域光谱采集分析。3、海普纳米的经理您好，能介绍下微型化高光谱产品和传统高光谱产品的成像质量差异吗?答：海谱纳米:1、体积更小，成像速度更快；2、功耗超低；3、光谱性能不亚于传统推扫式产品。4、王冬老师，我想问下特征波长的选择是在所有样品中呢还是只在校正集中呢?答：经过最佳预处理后的数据 (所有)使用竞争性自适应重加权采样CARS算法进行特征波段筛选以解决相邻波段间存在的共线性问题。5、兰维杰老师好，苹果切开后会迅速氧化，请问是否会对实验结果造成一定的影响呢?答：这个问题非常好，我们已经收集样品后，迅速进如液氮，之后又进行了立即真空贮藏。再后冻干进行测定。严格来说肯定会有影响。

p 　　在2016年度中国遥感领域10大事件评选中，“遥感技术首次辅助城市黑臭水体整治工作取得实效”名列榜首。而这与高光谱遥感技术有很密切的联系。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201707/insimg/9ced0203-c3d3-4be5-9ce3-cfd7eeb9418b.jpg" title=" 下载.jpg" / /p p 　　那么，高光谱遥感技术到底是怎么回事儿?高光谱分辨率遥感是用很窄而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，因此高光谱遥感又通常被称为成像光谱遥感。 /p p 　　在电影《地雷战》中有一个情景：民兵埋地雷的时候，用树枝进行掩盖，让埋藏地雷的地方看起来和周围一样 还有的干脆把鞋脱了，轻轻地压一个鞋印，以迷惑敌人。但是在今天，这种伪装就一点用也没有了，高光谱遥感技术能将一个个地雷精确地找到。 /p p 　　 strong 1.光谱：物体独一的身份证 /strong /p p 　　遥感可以概括为借助光、热、无线电波等电磁能量来探测地物特性的科学。在20世纪60年代之前，人类对地球和宇宙的观测还主要以可见光为主。 /p p 　　人们日常生活中所见的光，是由多种颜色构成的复色光，通过棱镜等分光后显现的是单色光。这些单色光按不同波长(或频率)大小依次排列形成的图案，就是光谱。地球上不同的元素及其化合物，由于物质组成、结构等不同，都有不同的光谱特征。这些独特的光谱特性，类似于人类指纹的功能，是遥感科学中用以识别和分析不同物体特征的一种重要的“身份证”。 /p p 　　高光谱遥感实际上是一种简称，它的全称叫“高光谱分辨率遥感”。它不像多光谱遥感中根据颜色的差异来分辨目标，而是根据谱段光谱曲线的形态来分析目标是什么。光谱分析是人类借助光认知世界的重要方式。如果说肉眼光学成像能看到物质的形状、尺寸等信息，光谱分析则能获取物质的成分信息。 /p p 　　据中国科学院遥感与数字地球研究所张兵研究员介绍，高光谱遥感能在可见光到短波红外范围内连续光谱成像，不仅光谱探测范围超过了肉眼的感知，还能连续记录数百个光谱波段。因此，用肉眼甚至普通的光学遥感不能识别的地面物体，这项技术都能够更好地分辨出其内在的物理、化学特性，甚至是物质的分子和原子结构。 /p p 　　如果说彩色合成遥感图像主要是根据颜色和形态的差异来分辨地面物体，那么高光谱遥感则是根据光谱曲线的形态来识别地面物体。它利用成像光谱仪在连续的几十个甚至几百个光谱通道获取地物辐射信息，在取得地物空间图像同时，每个像元都能够得到一条包含地物诊断性光谱特征的连续光谱曲线。张兵举例说：“在数百公里高度运行的高光谱卫星，不仅能观测到地面覆盖的是不是植被，还能探知这些植被的具体种类和长势如何。” /p p 　　高光谱遥感的出现，是遥感领域的一场革命，使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。 /p p 　　 strong 2.“火眼金睛”怎样炼成 /strong /p p 　　上文提到的埋藏的地雷是如何被高光谱遥感技术轻易发现的呢?因为土壤被挖开后再回填回去，土壤的结构、水分都改变了，高光谱遥感技术就是根据这种细微的土质变化，发现了地雷的藏身处。在阿富汗战争期间，美军利用高光谱遥感仪器，可以探测出塔利班武装晚上经常走的道路。高光谱遥感技术还可以发现隐蔽的哨所、坦克，伪装起来的军事设施。 /p p 　　当前，农业生产管理存在作物营养和病虫害等农情信息大面积监测不及时、监测水平以定性为主、监测精度无法实现定量的精准变量肥水药管理等难题。高光谱遥感技术可以对任何一种农作物的品种、类型、种植面积等情况进行调查，甚至可以对农作物的叶绿素、氮磷钾含量进行分析，为相关决策提供科学依据。中国科学院遥感与数字地球研究所黄文江带领的植被定量遥感研究团队，开展的即是这一工作。 /p p 　　高光谱遥感技术还可以为地质学家提供帮助。以前，地质学家野外考察时，背着包、拿着罗盘，需要花很大气力把采集到的矿物标本一一背回来进行研究。而自从有了高光谱仪器，他们只要到一个地方用高光谱仪器扫描一下，就可以获得岩石的一条光谱曲线，从野外回来后根据光谱曲线进行分析，可以知道这个地方矿物分布种类以及区域。 /p p 　　近年来，成像光谱技术也逐渐渗透进了各种非传统遥感行业，比如在医学、生物、刑侦、考古、文物保护等领域开展了广泛的探索性应用。2006年中科院成功研制了国内首套摆扫式地面成像光谱仪，并与故宫博物院等单位合作在古画、唐卡、壁画、墨书等文物的识别和鉴别方面取得了开创性成果。光谱分析技术与智能手机的融合诞生了面向普通民众的高光谱应用，借助于嵌入到智能手机里的光谱仪，人们能够随时随地用手机快速检测果蔬农药残留和食品品质安全等信息。 /p p 　　 strong 3.水质监测领域大有可为 /strong /p p 　　当前，全国城市黑臭水体的筛查、治理过程监督和整治效果评价，都迫切需要遥感大范围动态监测提供科技支撑，但黑臭水体遥感监测的有关研究几乎为空白。高光谱遥感技术可以对不同污染程度和不同污染来源的黑臭水体进行区分。 /p p 　　中国科学院遥感与数字地球研究所水环境遥感研究团队在北京等城市开展了十余次黑臭水体野外实验，积累了141个黑臭采样点的实测遥感反射率等数据。基于黑臭水体和一般水体的反射率细微的光谱差异，发展了决策分类树，可以区分一般水体、三种类型的轻度黑臭水体和七种类型的重度黑臭水体。并发展了基于纯度算法的多光谱遥感识别算法，可以识别一种类型的重度黑臭水体，识别精度约90%。基于这一方法，作为参研单位之一，进行了13个城市黑臭水体遥感筛查与实地验证。 /p p 　　利用高光谱数据对内陆水质开展水华和水生高等植物的识别，从而对水质分布情况进行监测，也是高光谱遥感的重要应用。由于水草和水华光谱与植被光谱具有一定的相似性，常用的多光谱遥感数据很难精确识别水华和水草，只有高光谱遥感数据才能够捕捉复杂多变的水华、水草和水体细致的光谱差异，从而对水华和水草进行精确识别。水环境遥感研究团队利用高光谱遥感技术等构建了水体叶绿素a浓度、总悬浮物浓度、水色FU值等9种水质参数、19个反演模型。其中，针对浑浊水体的悬浮物浓度精度提高了19.7% 研发了国内首个在国家级和省级环保部门业务化运行的内陆水环境遥感系统，为环保部卫星环境应用中心等部门开展水环境遥感应用提供了有力支撑。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201707/insimg/93282d25-10de-41c1-8a91-870ce8ba1772.jpg" title=" 下载 (1).jpg" / /p p 　　高光谱遥感技术起源于20世纪80年代，已形成了一个颇具特色的前沿领域。我国高光谱遥感的起步和发展基本与国际同步，在开创初期，中科院童庆禧院士和薛永祺院士为此做出了重大贡献。 /p p 　　1989年，中科院研制了我国第一台模块化航空成像光谱仪，并在20世纪90年代又陆续研发了推帚式成像光谱仪、新型模块化成像光谱仪、轻型高稳定度干涉成像光谱仪等。2002年“神舟三号”搭载了我国第一台航天成像光谱仪，此后我国发射的“嫦娥1号”探月卫星、环境与减灾小卫星(HJ-1)星座、风云气象卫星等也都搭载了航天成像光谱仪。 /p p 　　我国的高光谱遥感科技发展一直处于国际前列，中科院自主研发的高光谱图像处理与分析通用软件系统(HIPAS)被国际同行评为国际六大顶尖高光谱图像处理软件之一，并在高光谱遥感应用方面实现了向美、日、澳等发达国家的技术输出，成果在国际上产生了重大影响。 /p p 　　目前，高光谱遥感技术和应用在中国科学院逐渐形成了一个成熟的研究方向和学科领域，具有一支从技术发展到应用研究的专业科研队伍。其中，以遥感与数字地球研究所张兵、张立福研究员和童庆禧院士为突出贡献者的“高光谱遥感研究集体”获得了2016年度中国科学院杰出科技成就奖。 /p

近日，生态环境部在北京举行高光谱观测卫星在轨投入使用仪式。上海技物所研制的可见短波红外高光谱相机（AHSI）经过在轨测试交付用户投入业务应用。AHSI是2021年发射的高光谱观测卫星主载荷之一，可实现2.5到10纳米光谱分辨率、30米空间分辨率、60公里幅宽，能够同时获取地物从0.4到2.5微米波段范围内的高光谱影像信息，是我国首台可在轨动态配置的宽幅宽谱高光谱相机。AHSI获取的武汉市（2022年5月）的可见近红外光谱立方体（左）和短波红外光谱立方体（右）南四湖、太湖、滇池水质叶绿素a浓度反演结果测试结果表明，AHSI获取的图像清晰，光谱和辐射定量准确，空间结构和光谱反映能力强。与国际同类载荷相比，其综合性能达到国际领先水平。相机在河流/水库/湖泊等不同体量内陆水体的各类水质参数提取、矿区周边生态胁迫、植被精细分类和植被指数反演、大宗固体废弃物遥感监测、海洋生态环境监测、点源甲烷探测等生态环境应用方面，以及在矿物信息精细提取、作物种类识别和生长参数反演、区域产草量等行业应用方面，均具备突出的在轨应用能力，为我国水环境监测、自然生态监测、碳排放监测以及生态环境监管等主体业务提供了国产高精度高光谱数据保障。通过矿物识别分层谱系、光谱特征归一化与光谱特征综合法以及光谱分解法进行矿物信息提取。图为测试区高光谱矿物填图。测试区农田土壤类型调查。图（左）为假彩色合成原始影像，图（右）为测试区农田土壤类型遥感监测识别结果图。煤炭工业园区内的煤矿矿井开展甲烷泄漏监测目前，AHSI正与同为上海技物所研制的资源02D、资源02E、高光谱综合观测卫星同类载荷组网协同观测，使我国拥有当前国际上时-空-谱综合观测性能最强的高光谱对地遥感能力，有效服务于我国环境质量监管和自然资源调查等重大需求。

随着图像处理及分析相关的硬件和软件的不断进步，高光谱成像系统在各种研究项目中的使用越来越多，并被应用于各种领域。最新的研究报告显示，2023年全球高光谱成像系统市场估计为168亿美元，预计2028年有望达到343亿美元，预测期间复合年增长率为15.4%，市场极具活力！为了更好的展现高光谱技术和应用的创新成果，以及未来的发展趋势，仪器信息网特别策划《高光谱技术创新成果集》网络专题，集中展示高光谱领域的最新成果，包括但不限于仪器、部件、技术、方法、应用等。兰维杰 副教授南京农业大学食品科技学院在仪器信息网主办的“高光谱技术在农业领域的最新应用进展” 网络研讨会议中（相关精彩视频回放点击：https://www.instrument.com.cn/news/20230811/679327.shtml ），南京农业大学兰维杰副教授进行了《高光谱成像技术在苹果内部品质异构性的评价潜力研究》的报告分享。会后，我们再次邀请兰老师分享高光谱技术当前的研究进展及其团队研究成果。一、为什么要依靠高光谱技术来研究食品异构性高光谱成像技术是一种在不同波长范围内获取物体光谱信息的技术，其技术优势在于能够捕捉物体的细微光谱差异，并且集成了成像和光谱学，从而实现对物体内部构成和特性的定量或定性分析。目前，高光谱技术在食品质量检测领域应用广泛，如检测食源性污染物、鉴别真伪、果蔬成熟度及病害程度判断。其中，由于果蔬的内部物理性质（如大小、形状、颜色、位置和温度）和生物性质（如品种、季节、成熟度水平和地理来源）各不相同，造成组织具有较高异构性，影响了光学传播特性和与入射光的相互作用行为，从而降低了质量检测的精度。常规色谱、质谱化学分析方法探究单个水果组织水平上的内部异质性方面既昂贵又耗时，这些内部异质性已经被广泛证实，同时也显著影响了其加工后产品的质量安全与稳定性。目前，凭借空间和光谱信息的结合，高光谱成像技术拥有探究其内部品质异构性的潜力，这不仅为对食物内部异质性的科学研究提供了快速有效表征方法，同时也更为获得稳健、精准的食品品质指标预测模型提供关键指导。二、高光谱技术研究苹果异构性的部分进展本团队以苹果为研究对象，通过常规化学分析测定，证明了单个苹果内部在总糖、单糖、酸度、总酚含量等方面均存在显著空间异构性分布。目前，我们提供了一种基于近红外高光谱的简单高效方法来实现苹果内部化学指标异构分布的快速表型（图1）。首先，我们通过近红外高光谱成像系统获取了布瑞本（Braeburn）、嘎啦（Gala）、史密斯（Granny Smith）和高果树负载量（约200个/棵）与低果树负载量（约150个/棵）下的金冠（Golden Delicious）苹果的片状组织，获取了超1000个不同部位的待测样本；其次，对所有苹果切片的高光谱信息，采用主成分分析筛选出变异性较大的特征待测区域（共141个），基于每个部位的平均光谱进行PLS模型与机器学期预测模型构建，结果发现PLS模型能够较好实现特征测试样本的总糖（Total sugar）和干物质（DMC）的预测，模型R2与RPD值高于0.81和2.2；最后，通过该模型对全像素下的目标进行预测，成功实现了不同品种及不同位置的苹果内部的总糖及干物质分布的变异性可视化（图2、图3）。综述，该研究成果的优势在于依靠相对小样本测试数据，即可实现高通量的苹果内部品质指标可视化，这为田间及实验室内三维空间的品质表型提供简单可行方案参考。但是，本研究中高光谱技术也展现了评价单糖、总酚等内部品质指标空间分布的局限性。图1 基于近红外高光谱技术表征苹果内部品质异构性的方法图2基于近红外高光谱技术表征苹果内部干物质含量的可视化空间分布图图3 基于近红外高光谱技术表征苹果内部总糖含量的可视化空间分布图三、高光谱技术对水果硬度异构性与泛化预测模型的开发目前，本团队研究了不同“富士”苹果硬度空间异构性，发现其干物质和硬度也存在着较大变异性，并希望通过减少苹果果皮光学信号干扰，建立更加可靠的果肉硬度泛化检测模型。现有结果表明，在构建苹果果实硬度校正模型时，考虑到样品内部异构性（ 10%）可有效提高模型精度和降低样本数量。由此，我们不仅减轻了样品测定的工作量并且保证了模型构建中样本的差异性。希望在后续的苹果硬度模型建立及矫正的过程中开展进一步验证性研究，为点状近红外对苹果硬度检测的泛化模型精度提升提供参考。四、高光谱成像技术探究食品异构性的几点展望目前，限制高光谱成像技术在评价果实内部品质异构性方面的应用依旧存在着以下三个方面：首先，高光谱数据量庞大，急需更有效的数据处理方法、人工智能和机器学习技术从数据中提取有用信息；其次，高精度、小型化的高光谱一起可以提高数据采集的质量和效率，实现食品加工产品在发酵、调配、包埋等过程中内部结构与化学变化的精准控制；最后，明确光在生物物体中传播路径模拟或与生物物体相互作用的机理也是提高模型精度必要的研究方向。这些方法的发展为高光谱成像技术在评价食品异构性的可能性提供了可行性。

肉类富含丰富的蛋白质和营养物质，不仅能够满足我们的味蕾，还能够提供我们身体所需的能量和营养。随着肉类需求的增加，大规模的肉类生产和运输过程中，肉类的速冻可以一定程度保持食物的新鲜度和口感。然而，关于速冻解冻的肉类，和新鲜肉类的混淆，让人难以分辨。首尔大学的研究人员利用高光谱成像技术，做了相关的研究。使用高光谱成像仪和机器学习对新鲜和冻融牛肉进行分类由于对安全、可食用肉类的需求的不断增加，冷冻储存技术得到了不断改进。然而目前存在解冻肉在处理和销售过程中被进行了错误的标记，宣称为新鲜肉类，这可能导致消费者受到误导或产生安全隐患。在这项研究中，使用高光谱图像数据构建了一个机器学习（ML）模型，用于区分新鲜冷藏、长期冷藏和解冻的牛肉样本。通过四种预处理方法，共准备了五个数据集来构建ML模型。使用PLS-DA和SVM技术构建了模型，其中应用散点校正和RBF核函数的SVM模型性能最佳。结果表明，利用高光谱图像数据立方体，可以构建区分新鲜肉类和非新鲜肉类的预测模型，这可以成为肉类储存状态常规分析的快速、非侵入性方法。安装在暗室中的高光谱数据采集系统的配置示意图基于此，来自首尔大学的研究人员使用Resonon Pika L 高光谱成像仪，在近红外光谱的400-1000 nm波段内获取高光谱图像数据立方体，进行了相关研究。在本研究中，图像采集系统安装在暗室中，以确保完全消除外部光并能够采集高光谱图像。将九个样本同时放置在哑光黑色板上，通过移动相机获取高光谱图像数据立方体。所有样品均经过光学稳定处理，在采集高光谱数据之前将它们置于实验环境中 20 分钟，消除由肌红蛋白/氧肌红蛋白含量差异引起的巧合差异。随后，通过分离红色肉部分，从高光谱数据立方体中提取了（ROI）的光谱，确保了只有红色部分肉的光谱被提取用于分析。这个过程产生了高质量的数据集，适用于后续的分析和解释。使用四种预处理技术（MSC、SNV转换、一阶Savitzky–Golay滤波和最小-最大归一化）对提取的光谱进行模型开发。本研究获取的高光谱数据立方体中的光谱图像。(a–c) 分别为“新鲜”、“受损”和“冷冻”样品的 630–650 nm 平均图像；(d-f)分别为“新鲜”、“受损”和“冷冻”样品的 540-560 nm 平均图像。用于构建肉样本分类模型的高光谱数据立方体中的光谱。(a) 实验数据的完整光谱；(b) 每个实验组的平均光谱（实线）以及加减标准差后的光谱（虚线）。研究结论这篇文章研究了使用NIR高光谱成像仪，对牛肉进行分类，区分其“新鲜”、“受损”和“冷冻”状态。通过将韩国产牛肉样品划分为新鲜冷藏、长期冷藏和解冻状态，共获得了九个高光谱图像数据立方体，并通过滴水损失测试定量分析了牛肉样品的状况。本研究共收集了4950个光谱图像，将其80%用作训练集，20%用作测试集。在构建机器学习模型时，使用了四种预处理方法，包括MSC和SNV用于校正，Savitzky-Golay 1st滤波器用于平滑，Min-Max用于归一化，以及原始数据，共准备了五个数据集。采用PLS-DA和SVM技术构建模型，其中SVM模型使用了四个核函数。评估模型性能时，准确性是主要指标，同时对“新鲜”类别的F1分数进行了估计，以独立验证生鲜肉分类的性能。测试集的准确率在几乎所有模型中都超过90%，主要错误是由于未能正确区分“受损”和“冻结”类别。具有散点校正和RBF核函数的SVM模型表现最佳，其准确度达到96.57%，“新鲜”类别的F1分数为100%。研究结果表明，通过纯化高光谱图像数据立方体筛选的光谱可以构建一个预测模型，用于区分新鲜肉和非新鲜肉。这些模型在未来的实际肉类采购场所中具有可行性。

随着图像处理及分析相关的硬件和软件的不断进步，高光谱成像系统在各种研究项目中的使用越来越多，并被应用于各种领域。最新的研究报告显示，2023年全球高光谱成像系统市场估计为168亿美元，预计2028年有望达到343亿美元，预测期间复合年增长率为15.4%，市场极具活力！为了更好的展现高光谱技术和应用的创新成果，以及未来的发展趋势，仪器信息网特别策划《高光谱技术创新成果集》网络专题，集中展示高光谱领域的最新成果，包括但不限于仪器、部件、技术、方法、应用等。中国农业大学副教授 黄越在仪器信息网主办的“高光谱技术在农业领域的最新应用进展” 网络研讨会议中（相关精彩视频回放点击：https://www.instrument.com.cn/news/20230811/679327.shtml ），中国农业大学黄越副教授进行了《光谱图像在微塑料无损表征中的应用》的报告分享。会后，我们再次邀请黄老师分享高光谱技术当前的研究进展及其团队研究成果。1、您认为高光谱的技术优势体现在哪些方面？有哪些成熟的应用？黄越：我认为高光谱的技术优势体现在便捷性、可视化、高通量和信息化等方面。目前高光谱的遥感技术在农业土壤墒情、农作物长势、区域变化监控等方面都已得到较为成熟的应用，高光谱的近端技术在水果在线分级、烟草叶片筛选、药片有效成分控制等方面都得到了较好的应用。此外，高光谱技术还在不断拓展其应用范围，如文物鉴定、痕迹鉴定、司法鉴定等方面高光谱技术也已经发挥了积极的作用。2、当前高光谱技术发展是否成熟？还有哪些新的技术亟待发展？黄越：目前高光谱技术已经发展的较为成熟了，当然新的传感技术和光路系统也在不断更新，比如空间分辨率会越来越高，光谱覆盖波段会越来越宽，采集时间会越来越快，采集方式会越来越便捷，同时与之匹配的图像处理技术也会越来越贴近用户直接使用，满足不断增长的图像分析需求。3、您如何看待高光谱的市场发展态势及未来潜力？有哪些热点的研究方向？最具前景的应用体现在哪些方面？黄越：高光谱的市场和未来潜力一定是广阔的，随着人们对于图像分析的需求扩大，商品化的高光谱仪器、小型化的MEMS高光谱、手机传感结合图像识别等技术和热点将会是未来关注和研究的热点方向。个人认为，手机端的高光谱一定会在未来占据非常重要的应用场景，随着芯片化的光电系统发展，未来覆盖一定范围的高光谱系统会出现在智能手机中，通过传感器或摄像系统采集目标信息，进行快速的分析并将结果展示给消费者。4、基于高光谱技术，您开展了哪些方面的研究？取得了怎样的成果？黄越：在高光谱技术支持下，我们课题组开展了一系列的食品质量和安全方面的快速识别和定量研究工作，比如使用高光谱对调味品掺杂掺假的无损定量检测、高光谱对烟叶等级的快速分级、智能手机对水果缺陷和外观质量的标准化评价、红外光谱图像对奶粉中添加剂和无机物的可视化识别、拉曼光谱图像对食品中微塑料的无损表征等研究工作。目前研究工作已发表数篇高水平论文和申报了一系列发明专利。5、您是否有产业化的意向或者成果？在合作层面有什么样的需求？未来，计划开展哪些方面的研究？黄越：目前，本课题组已建立了高光谱在食品质量和安全中的无损检测方法，如有感兴趣的企业欢迎交流合作，将应用进一步转化到生产中。未来将进一步拓展高光谱技术在食品、农产品、农业种植中的应用，在宏观和微观两个维度发掘高光谱分析的潜力。

应用案例分享[高光谱成像技术]面粉无损检测 背景面粉(小麦粉)是中国北方大部分地区的主食，用面粉制成的食物品种多样，如：面条、馒头、水饺等。生活中我们都是依据外包装上的高筋粉、中筋粉、低筋粉、全麦面粉等信息进行采购。很多人在购买面粉的时候会误以为"高筋面粉=高精面粉"，其实"高精"的意思简单说就是高级精制，它只表示小麦的加工工艺，并不能说明面粉的筋度，其蛋白质的含量，决定面粉的“筋度”，即高筋、中筋、低筋。同时，面粉中蛋白质、淀粉、脂肪、矿物质的含量会直接影响面粉的等级。高光谱成像技术不仅有样品图像的信息，并且还可以获得图像上每个点的光谱数据，光谱可以反映特定波长的特征信息，从而获得更全面、更可靠的结果，以及更精确的信息，如糖、脂肪和蛋白质等等。随着生活水平的提高及食品产业规模化，食品品质的提高和改良倍受关注。传统的化学检测手段、精度、效率都不高。亟需建立一种新的能够应用于面粉质量分级的快速无损检测方法。实验设置基于漫反射方式采集面粉的高光谱数据，我们用Camlin型号VNIR-HR(光谱范围400-1000nm)和NIR-HR+(光谱范围900-1700nm)范围内反射光谱，建数学模型，分析面粉种类、颜色、淀粉、蛋白质、脂肪含量等指标，实现对面粉品质的无损检测。(1)VNIR高光谱相机下的测试结果主成分分析图像通过测试用的是VNIR高光谱相机(波长范围400-1000nm)从光谱图中可以看到在580nm附近有特征峰。(2) NIR高光谱相机下的测试结果主成分分析图像通过测试用的是NIR高光谱相机(波长范围900-1700nm)从光谱图中可以看到在970nm、1300nm附近有特征峰。高光谱成像技术在本应用中的独特优点：可以同时获取样品图像和光谱信息，该方法具有不破坏样本原貌，不使用化学试剂、检测快速等优点，避免了人工鉴别方法易受主观因素影响，属于在线快速检测和全检，实用性强，性价比高。1. 无损快速检测2. 全波段测试3. 支持集成、二次开发下表中涂黄部分是此次测试过程中使用的高光谱相机的产品参数:SpectralVNIR-SVNIR-HRNIR-HRNIR-HR+UnitsSpectral Range400 to 1000900 to 1700nmSpectral Resolution810.731.5nmSpectral Bands*892 / 446 / 223830 / 415 / 208250500-Spatial pixels14001600320640pixMaximum line frame rate120120344300lf/sSmile and Keystone errorSub-pixel across the spectrograph output field-InterfaceGiGe- 结论：通过采集面粉的高光谱图像和可见-近红外光谱信息，进一步建模型可分析出面粉中的蛋白质、淀粉、脂肪等的含量，跟国标和常规化学检测方法对比，结果可靠，可实现快速无损检测，且成本低。这能减少整个供应链的浪费，并提高消费者对产品感受的一致性。

2016年5月3日，Quantum Design中国子公司从芬兰SPECIM公司引进的高光谱化学成像工作站（SisuCHEMA）在Quantum Design北京样机实验室成功安装并开始对外开放。Quantum Design此次建立的SisuCHEMA样机实验室，可对相关领域感兴趣的科学工作者提真机体验服务。欢迎广大学者拨打010-85120280，或者给specim@qd-china.com写信预约SisuCHEMA真机体验。Quantum Design公司SisuCHEMA高光谱化学成像系统样机实验室 SPECIM是上早提供商用高光谱分光器的制造商，至今已有二十余年高光谱产品生产历史，产品多样，覆盖范围广泛，包含工业高光谱相机、实验室高光谱成像系统以及机载高光谱遥感系统，产品涵盖可见光到热红外全部波段，为用户提供全面的高光谱成像解决方案。 Quantum Design公司此次引进的SisuCHEMA高光谱化学成像系统，可以采集可见光至短波红外（400-2500nm）的全谱段光谱数据。SisuCHEMA采集的数据具有高的光谱分辨率和空间分辨率，可以的分析样品化学成分的含量以及分布，广泛的应用于药品、食品、农业物料等众多领域化学成分的定性和定量分析。与此同时，SisuCHEMA采用推扫式（pushbroom）成像技术、线照明单元和激光对准装置等技术，使其具有高速成像、低照明热负荷以及数据等优势。因此，SisuCHEMA应用范围涵盖实验室至工业实时检测，可以满足不同用户的需求，是广大客户的得力助手。SisuCHEMA高光谱化学成像系统的典型应用1、SisuCHEMA进行在线药品成分检测2、SisuCHEMA进行农作物成分检测3、SisuCHEMA进行甜甜圈成分检测相关产品SisuCHEMA高光谱化学工作站：http://www.instrument.com.cn/netshow/C160497.htmSisuROCK 高光谱矿石成像工作站：http://www.instrument.com.cn/netshow/C160538.htm?AISA 高光谱航空遥感成像系统：http://www.instrument.com.cn/netshow/C160539.htmArtScanner艺术品高光谱成像系统：http://www.instrument.com.cn/netshow/C237971.htm关于Quantum Design Quantum Design是的科研设备制造商和仪器分销商，于1982年创建于美国加州圣迭戈。公司生产的 SQUID 磁学测量系统 (MPMS) 和材料综合物理性质测量系统 (PPMS) 已经成为公认的测量平台，广泛的分布于上几乎所有材料、物理、化学、纳米等研究领域的实验室。2007年，Quantum Design并购了欧洲大的仪器分销商LOT公司，现已成为著名的科学仪器领域的跨国公司。目前公司拥有分布于英国、美国、法国、德国、巴西、印度，日本和中国等地区的数十个分公司和办事处，业务遍及全球一百多个和地区。中国地区是Quantum Design公司活跃的市场，公司在北京、上海和广州设有分公司或办事处。几十年来，公司与中国的科研和教育领域的合作有成效，为中国科研的进步提供了先进的设备以及高质量的服务。

据相关研究机构的数据显示，2021年全球高光谱成像系统市场154亿美元，预计到2026年该市场将增至358亿美元，复合年增长率为18.4%。高光谱技术作为简便、快速、低成本、非损伤性光谱分析技术，在农业生产中备受关注。目前，其主要应用于作物长势监测与估产、营养诊断与施肥、农产品质量和安全检测等多个方面。高光谱技术作为光谱领域冉冉升起的新星，广泛应用于农业领域。不仅可以对农产品的成分和质量特性进行快速、无损的检测；还可以检测植物健康以及进一步对植物病害的种类进行鉴别、严重程度进行分级、病害时期进行判断，在农业生产过程发挥很大的作用。本次会议邀请了来自北京工商大学、中国农业大学、南京农业大学等顶级农业高校的资深专家分享高光谱在农产品检测的应用进展情况，掌握最新动态。报名链接：https://www.instrument.com.cn/webinar/meetings/hyperspectral230808/ (点击报名)会议日程报告时间报告方向报告嘉宾9:30-10:00太赫兹光谱成像技术在农作物种子品质检测中的应用探索吴静珠(北京工商大学 教授)10:00-10:30基于高光谱和图像处理的紫叶生菜叶绿素和花青素含量估测研究王敏娟(中国农业大学 副教授)10:30-11:00高光谱成像技术在苹果内部品质异构性的评价潜力研究兰维杰(南京农业大学 副教授)11:00-11:30基于成像光谱的生鲜鸡肉品质和木质化肉无损检测技术研究杨一(北京工商大学 副教授)午休14:00-14:30光谱图像在微塑料无损表征中的应用黄越(中国农业大学 副教授)15:00-15:30作物光谱学成像感知与多模态检测装备关键技术研发孙红(中国农业大学 教授)15:30-16:00近红外光谱和图像技术果园应用基础孙旭东(华东交通大学 副教授)16:00-16:30高光谱定量分析中多元回归模型常见问题解析王东（北京农林科学院 副研究员）

天津工业大学化学工程与技术学院 王瑶 吴德云 石梓彤 赵子贞 （指导教师：卞希慧）2022年11月28-30日，第八届亚洲近红外光谱学术会议（the 8th Asian NIR Symposium，ANS2022）在韩国首尔召开。来自美国、西班牙、韩国、日本、中国、印度、新加坡、泰国以及尼泊尔等10余个国家近百名学者通过ZOOM会议在线上汇聚一堂。韩国汉阳大学的Hoeil Chung教授致辞，对所有参会人员表示热烈欢迎。会议共安排了38场报告和29个墙报，包括农业食品材料（Agricultural Food Material）、高光谱成像（Hyperspectral Imaging）、基础科学与化学计量学（Basic Science and Chemometrics）和先进技术和药物应用（Advanced Technology and Pharmaceutical Application）4个主题。两位特邀专家分享高光谱成像和化学计量学建模方法会议特别邀请了美国农业部（United States Department of Agriculture, USDA）的Moon S. Kim教授和西班牙科尔多瓦大学（University of Cordoba）的Lola Pérez-Marín教授作大会特邀报告（Plenary Presentation）。Moon S. Kim教授作了题为“光谱成像技术在农业领域应用（Spectral imaging technologies for agricultural applications）”的报告。该报告首先阐述了从1999年至今先后发展起来的高光谱荧光和反射成像、高光谱近红外成像、高光谱拉曼成像、短波红外高光谱成像、在线拉曼成像等技术；然后介绍了新鲜水果、蔬菜和家禽在线检验的快速自动化系统；最后介绍了使用高光谱荧光-可见近红外反射成像系统用于评估农产品和食品成分的安全和质量。美国农业部Moon S. Kim教授的大会特邀报告Lola Pérez-Marín教授作了题为“提高近红外光谱预测模型稳健性（Aspects to increase the robustness of NIRs prediction models）”的报告。从校正集的选择、参考值的质量、光谱数据的质量、预测模型的建立和评价四个方面考虑提高模型的稳健性。她改进了采样方法、分析了样品方差的来源。通过实验标准误差（Stand Error of Laboratory）来评价参考值的数据质量。分析了仪器、样品以及实验操作对光谱数据质量的影响。预测模型的建立主要包括预处理方法的选择、判断模型是否过拟合、建模方法的选择。其建议用于建立预测模型的方法应尽可能简单，并且要与建模问题的复杂性相适应。西班牙科尔多瓦大学Lola Pérez-Marín教授的大会特邀报告六位资深专家作主题报告，分享近红外算法、仪器以及应用方面最新研究进展除了上述两位特邀报告，大会还邀请了印度贾达普大学（Jadavpur University）的Rajib Bandyoypadhyay教授、韩国忠南国立大学（Chungnam National University）的Byoung-Kwan Cho教授、日本关西学院大学（Kwansei Gakuin University）的Akifumi Ikehata教授、南开大学的邵学广教授、新加坡南洋理工大学（Nanyang Technological University）的Ying Zhu教授、泰国农业大学（Kasetsart University）的Sirinad Noypitak教授等六位亚洲近红外领域的资深专家作主题报告（Keynote speaker）。印度贾达普大学（Jadavpur University）的Rajib Bandyoypadhyay教授作了题为“利用便携式近红外光谱测定金鸡纳树皮中总生物碱（Estimation of total alkaloids in Cinchona bark using a developed portable NIR）”的报告。该研究设计开发了一种低成本的便携式近红外光谱仪来测定金鸡纳树皮中总生物碱的含量，同时开发了建模软件，包括图形用户界面、预处理和建模程序。韩国忠南国立大学的Byoung-Kwan Cho教授作了题为“高光谱成像在农产品检测中应用（Application of hyperspectral imaging for quality measurement of agricultural materials）”的报告。报告介绍了什么是高光谱成像、为什么进行高光谱成像、以及其课题组利用高光谱反射成像进行梨擦伤检测、食品化学成分检测、种子活力检测、利用高光谱拉曼成像进行小麦粉掺假检测的研究进展。日本关西学院大学的Akifumi Ikehata教授作了题为“反胶束中被限制水的扩展摩尔吸收系数(Extended molar absorption coefficients of confined water in reverse micelles)”的报告。该报告利用近红外光谱技术比较了四种不同极性基团的表面活性剂组成的反胶束内部的水状态。扩展的摩尔吸收系数分析基于浓度差异，能够明确检测到核心水。此外，他们还可以定量分析反胶束吸水率的增强。扩展的摩尔吸收分析对于理解有限环境中的分子行为具有重要意义。南开大学的邵学广教授作了为题为“温控近红外光谱分析中的化学计量学方法研究（Chemometric studies for analyzing temperature-dependent near-infrared spectra）”的报告。报告采用连续小波变换（CWT）将光谱分解为不同频率的光谱分量，然后采用蒙特卡罗无信息变量消去法（MC-UVE）评价变量对温度的依赖性。通过多级同时成分分析（MSCA）方法得到光谱与温度和浓度的定量关系，用互因子分析（MFA）提取不同温度或不同浓度下水的吸收光谱中包含的“共同”光谱特征，采用多维主成分分析（NPCA）、平行因子分析（PARAFAC）和交替三线性分解（ATLD）等高阶化学计量学算法从醇水溶液的光谱中提取结构信息。新加坡南洋理工大学的Ying Zhu教授作了题为“基于化学计量学和深度学习模型的光谱数据分类及其在结肠息肉检测中的应用（Chemometrics and deep learning models for classification of spectroscopic data with application to detection of colon polyps）”的报告。相比需要大量预处理方法的传统机器学习方法相比，卷积神经网络（CNN）将光谱预处理、特征提取和分类结合在一个架构中，可以自动训练对光谱数据进行分类。她构建了1D-CNN模型来区分癌前腺瘤性息肉和增生性息肉，并将分类性能与传统的PC-DA和PLS-DA进行了比较。结果表明所开发的1D-CNN模型能够很好地分类癌前腺瘤性息肉和增生性息肉，并且分类效果优于传统的化学计量学方法。泰国农业大学的Sirinad Noypitak教授作了题为 “一种使用近红外光谱并在智能手机上实时报告数据的便携式水分含量测定仪（A portable moisture content meter using near infrared spectroscopy with real-time data report on a smartphone）”的报告。她开发了一种新型便携式近红外含水率（NIR-MC）测定仪，用于实时测定木材的含水量。该测定仪由一个小型NIR光谱仪和智能手机组成，通过android应用程序操作，以控制NIR光谱仪在智能手机上实时采集、显示和处理光谱数据。报告使用PLSR建立了三个用于确定含水量的预测模型，所得到的R值均大于0.85，表明所开发的含水率测定仪可成为锯木厂实际工作中无损检测水分含量的一种替代方法。大会不仅安排了上述2位专家的特邀报告，6位专家的主题报告，还有30位学者通过口头报告（Oral Presentation）的形式分享了他们在近红外领域的最新成果。总结38位专家学者的报告，化学计量学方法、光谱仪器以及应用是近红外光谱分析技术的三大研究方面。深度学习、高光谱成像以及医学诊断成为本届亚洲近红外光谱学术会议的亮点，这也将是未来近红外光谱技术发展的趋势。深度学习成为化学计量学建模方法的研究热点深度学习在复杂系统光谱特征提取、分类和回归中比传统算法更有优势，成为化学计量学方法的研究热点。除了前面所述新加坡南洋理工大学的Ying Zhu教授的深度学习算法的主题报告外，还有6个关于深度学习算法的口头报告和墙报。韩国江原国立大学（Kangwon National University）的Changyeun Mo教授课题组将高光谱成像技术与CNN相结合，进行多项研究：研究生Seung-WooChun使用荧光高光谱成像技术结合机器学习和深度学习算法，用于快速无损检测受灰霉病感染的草莓。其所建立的VGG-19和Resnet-34模型的训练精度和测试精度都优于传统的PLS-DA，该研究验证了荧光高光谱图像光谱技术在草莓灰霉病发病阶段的适用性；研究生Hong-Gu Lee开发了一个3D-CNN模型，利用蜂群的高光谱成像来识别感染蜜蜂；研究生Nam-Wook Kim开发了基于高光谱成像的CNN算法，根据花青素含量对具有相似颜色和外观的紫色玉米进行分类，该方法可以快速准确分析花青素含量；韩国江原国立大学的Doo-Jin Song使用一维卷积神经网络（1D-CNN）网络建立了苹果中可溶性固体含量（SSC）的预测模型；南开大学段潮舒博士发展了长短记忆（LSTM）的自编码器网络用于近红外光谱定量分析；南开大学刘煦阳博士提出了一种称为Sup-自编码器的高光谱特征提取方法。除了深度学习外，光谱预处理、变量选择、建模方法等化学计量学方法的研究一直是化学计量学的主要内容。散射光的理论分析是光谱预处理的难点，日本北海道大学的Hyeonwoo Na利用分子动力学和电磁波理论对近红外光散射特性进行了数值分析；Yuki Inoue使用时间相关漫反射测量的波长相关干涉效应对脂肪乳剂中光散射的影响进行了研究。印度贾达普大学的研究生Dilip Sing利用便携式光谱仪结合SNV预处理和PLSR模型实现了红茶中茶黄素含量有效、快速的测定。韩国忠南大学（Chungnam National University）的Rahul Joshi博士将变量选择重要性（VIP）与PLSR相结合对标准溶液、芒果汁和牛奶样品中的西维因农药含量进行了定量分析。新加坡南洋理工大学的Soh Chin Gi使用了正则化的逻辑回归模型对橄榄油的产地进行了区分，正则化惩罚增强了模型系数的稀疏性和平滑性，比传统方法更方便解释系数的物理意义。高光谱成像技术是近红外光谱分析发展的趋势高光谱成像（Hyper-spectral imaging system, HSI）集光谱和成像技术的优势于一体，可以同时获得光谱和空间的三维信息，成为光谱分析技术的前沿。韩国忠南国立大学的Byoung-Kwan Cho教授课题组的研究生Rizkiana Aulia利用近红外高光谱成像来预测大豆种子中蛋白质和脂肪含量；Juntae Kim使用短波红外高光谱近红外成像系统预测牛肉胴体脂肪含量和油酸含量，为开发高光谱牛肉胴体分级系统提供了可能；日本名古屋大学（Nagoya University）的Hayato Seki使用近红外高光谱相机和激光位移计对草莓的糖含量成像，用主成分分析（PCA）和图像处理相结合的预处理方法，从果实表面提取高光谱数据，并通过Lambert对数据进行校正，从而建立3D糖含量成像；Bin Li使用一种结合HSI系统和激光分析仪获得受伤苹果的NIR-HSI数据和三维形状数据，并采用了一种基于模型的高度和角度校正方法，以增强低强度区位置的光强度，从而发现苹果早期的瘀伤；泰国朱拉隆功大学（Chulalongkorn University）的Sureerat Makmuang博士采用近红外光谱和高光谱近红外成像技术结合改进的自组织映射（SOMs）对杂草水稻进行了识别。近红外光谱技术在食品、医药和环境监测等领域的应用日趋广泛随着近红外分析仪器以及化学计量学方法的不断发展，近红外光谱分析技术在食品评估、医学诊断、环境监测等复杂体系的应用越来越广。尼泊尔特里布文大学（Tribhuvan University）的Bhupendra Lama研究了使用线性可调谐滤波器MicroNIR光谱仪结合PLS模型快速现场评估鸡肉微生物质量的可行性；韩国忠南大学Semyalo Dennis利用Vis/NIR光谱和C++编程开发了一种快速在线光谱测量和分析鸡蛋中血斑的系统，用于鸡蛋内部质量的无损检测；泰国东方皇家理工大学（Rajamangala University of Technology Isan）的Panuwat Supprung利用傅里叶变换近红外光谱（FT-NIR）、数字近红外光谱（D-NIR）和PLSR模型，快速测定木薯粉中的水分和蛋白质含量；日本名古屋大学的Te Ma利用时间分辨透射光谱法对猕猴桃贮藏过程的光散射变化进行的实验研究，用于监测猕猴桃在贮藏条件下软化过程的质量；尼泊尔加德满都大学（Kathmandu University）的Bijendra Shrestha教授在近红外光谱数据和同步热分析仪测得的参考值之间建立偏最小二乘回归模型，建立了一种基于近红外光谱技术的生物质灰分快速预测方法；泰国先皇理工大学的Suppakit Howvimanporn探讨了扫描和参考方法的重复性和再现性，以表明用于评估天然橡胶医用手套生产过程中交联密度的反射式光纤探针二极管阵列NIR短波光谱仪的精度，以及作为参考方法的甲苯溶胀和预硫化物松弛模量（PRM）测试的精度；韩国汉阳大学Hoeil Chung教授课题组的Eunjin Jang等人采用线性判别分析，通过分析人胆汁的近红外光谱来识别胆囊癌，并采用双道二维相关分析（two-trace two-dimensional correlation analysis , 2T2D）来提高模型的鉴别准确度，通过胆汁样品中5种主要纯组分光谱的线性回归构建参考光谱，准确度提高到94%；河流和海洋中的微塑料是全球关注的环境问题，实现水中微塑料的定性定量分析意义重大。汉阳大学的Yunjung Kim采用全氟己烷（PFH）捕获介质和游离的近红外吸收，定量检测水中的聚乙烯颗粒，并利用聚四氟乙烯盘作为光子扩散器，提高了近红外测量的重现性。数十位中国近红外学者积极活跃于亚洲近红外光谱会议中国学者也积极活跃于亚洲近红外光谱会议中，来自南开大学邵学广教授课题组、北京化工大学袁洪福课题组、暨南大学潘涛课题组、天津中医药大学李文龙课题组和天津工业大学卞希慧课题组等数十位中国代表参加了本届亚洲近红外光谱会议。其中，天津中医药大学李文龙课题组的吴思俊博士提出了一种基于手持式近红外光谱仪并结合集成预处理的方法，利用多种加工方法及其组合来开发的辣椒和辣椒粉校准模型，显著提高了模型性能；王龙通过PLS和BP-ANN算法来预测盐酸青藤碱缓释片的溶出曲线，发现将片剂粉末的近红外光谱、拉曼光谱、配方变量和工艺参数相结合，可以提高溶解模型的准确性；崔同灿研究生以菊花、天麻和秦艽为例，研究了直接校准方法和偏最小二乘回归两种校准转移方法，将NIR光谱信号转化为更为直观的HPLC指纹图谱的适用性和可靠性，为中药质量控制研究提供新的手段和思路。天津工业大学卞希慧副教授课题组研究生Prisca Mpango将萤火虫算法和极限学习机建模结合，用于复杂样本的光谱区间选择和定量分析，与全光谱PLS和ELM模型相比，FA-ELM具有更好预测效果。会议最后，第八届亚洲近红外光谱会议主席Hoeil Chung教授表达了对各位报告人、参会代表以及赞助商的感谢，宣布NAS2022圆满闭幕！组织委员会将上述38场报告录制的PPT都共享在第八届亚洲近红外光谱会议的官方网站上。另外，本届会议的29份墙报分别做成了3分钟内的录音海报张贴在该网站上。参会者在12月30日前可以随时回放学习。第八届亚洲近红外光谱会议主席Hoeil Chung教授宣布会议闭幕在本届亚洲近红外光谱会议圆满结束的同时，也确定了下届亚洲近红外光谱会议的召开时间地点。第九届亚洲近红外光谱学术会议拟定于2024年12月18-20日在印度加尔各答（Kolkata）的Biswa Bangla Convention Centre举行，来自贾达普大学（Jadavpur University）的Rajib Bandyopadhyay教授将担任会议主席。我们期待2024年共聚加尔各答，再话近红外！

检测地点：青岛森泉光电有限公司上周我们收到很多客户邮寄过来的样品，给大家分享几个用高光谱成像系统测试的结果：一、测试人体手掌我们用波长的光源来测试人体手掌在高光谱相机下的图像。从下图的高光谱图像中，可以很清晰地看到皮下脂肪组织和血管分布情况。同时，图4中食指被项圈紧扎5分钟后，在高光谱图像中可以明显看出食指血管已充血。图1.常规相机图像 图2.高光谱图像图3.530NM波长时高光谱图像图4.900NM波长时，食指紧扎5分钟项圈时的高光谱图像二、测试不同品牌矿泉水分别用可见-近红外和近红外高光谱相机测试两种不同品牌的矿泉水。如下图所示，通过比较发现这两种矿泉水在500nm以下、720nm~950nm的特征曲线差异明显。该装置有望应用于户外水质检测领域中。三、测试肉铺食品如下图所示可以用用高光谱成像系统测试出肉脯中的昆虫、塑料、金属等。四、测试药品用近红外高光谱相机来测试胶囊和片剂药物成品，从右下图片中可以很清晰的看出药物样品的颜色和外观形状，而且不同药品的光谱曲线是完全不一样的。五、测试不同种类的玉米种子从下面左图中可以很清晰的看到这两种玉米种子的外观图像，右图是其中一类玉米种子的灰度图。经比较发现，肉眼看起来外观近似一样的样品，其实其在光谱图中的某些特征峰位置是有明显的差异性的。通过这些细微的差别，我们可以很好的对不同种类的谷物进行分类、根据仪器上显示的某成分含量分布情况，可以很好地对谷物营养成分进行分级处理。六、测试蔬菜、水果用可见-近红外高光谱相机测试洋葱、梨、土豆，下面左图是在785.37nm波长下洋葱、梨、土豆的高光谱图像。右图是这四种样品的光谱曲线图，通过比较图片中的曲线可以发现每种样品的光谱是完全不同的。之后，用近红外高光谱相机测试洋葱、梨、土豆，下面左图是在1274.13nm波长下洋葱、梨、土豆的高光谱图像。右图是这四种样品的光谱曲线图，通过比较图片中的曲线可以发现每种样品的特征峰存在差异。另外，我们用可见-近红外高光谱相机测试洋葱，通过574.98nm的高光谱图像可以很清晰的看出洋葱轮廓和洋葱外皮，其在400nm~1000nm的光谱曲线的特征峰是有差别的。上图为在574.98nm波长时洋葱的高光谱图像 & 洋葱和洋葱皮的光谱曲线洋葱的主成分分析图像Camlin工程师 John Gilchrist还分享了多种应用案例，如下图是用近红外高光谱相机来识别废弃聚烯烃、聚苯乙烯、聚氯乙烯这种塑料，该设备可以应用在垃圾分选系统中。Camlin一套完整的桌面式高光谱扫描系统装置，包括：光谱相机、扫描台、样品架、照明系统、聚焦目标、数据采集和分析软件等。（如下图所示）再次欢迎您送检或者来森泉与我们共同探讨高光谱成像系统的应用。森泉为您的科研事业添砖加瓦：1） 激光控制：激光电流源、激光器温控器、激光器控制、伺服设备与系统等等2） 探测器：光电探测器、单光子计数器、单光子探测器、CCD、光谱分析系统等等3） 定位与加工：纳米定位系统、微纳运动系统、多维位移台、旋转台、微型操作器等等4） 光源：半导体激光器、固体激光器、单频激光器、单纵模激光器、窄线宽激光器、光通讯波段激光器、CO2激光器、中红外激光器、染料激光器、飞秒超快激光器等等5） 光机械件：用于光路系统搭建的高品质无应力光机械件，如光学调整架、镜架、支撑杆、固定底座等等6） 光学平台：主动隔振平台、气浮隔振台、实验桌、刚性工作台、面包板、隔振、隔磁、隔声综合解决方案等等7） 光学元件：各类晶体、光纤、偏转镜、反射镜、透射镜、半透半反镜、滤光片、衰减片、玻片等等8） 染料：激光染料、荧光染料、光致变色染料、光致发光染料、吸收染料等等

2022年5月26日，2022年高光谱测量技术及应用学术交流会在线上成功举办。 来自中国农业大学、中国林科院、中国科学院、北京师范大学、北京林业大学、南京林业大学、沈阳农业大学、内蒙古农业大学、华中农业大学、西北农林科技大学、四川农业大学、东北林业大学、南京农业大学等学校的专家学者及业务人员参加了此次会议，直播间访问次数达3000余次。5月26日9：00会议开始，北京理加联合科技有限公司孙宝宇总经理为会议致开幕辞，欢迎前来参会的各位老师，并预祝本次研讨会圆满成功。在上午的报告中，中国农业大学马韫韬 教授、东北师范大学丁艳玲 副教授、北京理加联合科技有限公司赵妮 应用工程师、北京理加联合科技有限公司朱湘宁 经理分别介绍了关于无人机多源传感器在育种材料表型研究中的应用、花生正反面光谱差异影响的叶绿素含量估算研究、地物与成像光谱仪最新应用介绍、基利其器，善其事—光谱设备改进等方面的研究。在下午的报告中，中国科学院空天信息创新研究院张文娟 正高级工程师、北京理加联合科技有限公司郑宁 应用科学家、深圳大学王俊杰 助理教授、中国科学院植物研究所赵玉金 副研究员、西安科技大学郭斌 副教授、中山大学徐晨阳 助理教授分别就高光谱遥感成像定量化建模、大数据背景下的网络化站点与数据管理、高光谱遥感在红树林生态的应用、生物多样性天空地一体化监测及其生态应用、露天煤矿区土壤重金属高光谱遥感反演研究、遥感数据在土壤属性监测中的应用等方面进行了详细地介绍。本次交流会充分利用互联网平台，采用线上直播形式，各位老师通过共享屏幕、语音及文字对话等方式，快速进行问题答疑。培训过程中大家专心听讲，面对其中的难点，积极参与线上交流，学习氛围良好，互动热烈。

星载成像光谱仪、机载成像光谱仪、无人机(飞艇)成像光谱仪、地面便携式地物波谱仪、地下岩心扫描仪构成了对地立体探测技术手段。相比通用分析仪器，这些名词似乎不是那么熟悉，但是它们却广泛应用于地质、环保、农业、林业和海洋领域，特别是在地质勘察领域发挥重要作用。　　近年来在国家、部门和地调专项支持下，中国地质调查局南京地质调查中心研发了除星载以外的所有仪器，大部分仪器实现了成果转化，为地质科研和找矿提供了有力支撑，产生良好的经济和社会效益。　　什么是高光谱仪器?我国在高光谱探测仪的研发过程中都取得了哪些成果?与国外的技术还有哪些差距?这里，仪器信息网特别邀请南京地质矿产研究所修连存研究员给大家一一解答。南京地质矿产研究所修连存研究员　　从南京地质矿产研究所研究员到南京中地仪器有限公司总经理，修连存研究员一直致力于仪器研制、实验测试方法的开发及地质勘查技术的研究，至今已主持各类调查与研究项目数十项。现主要承担由中国地质调查局《机载成像光谱仪》和国家重大仪器专项《岩心光谱扫描仪研发与产业化》的研究。　　在多年国产仪器开发和推广的过程中，修连存研究员不仅研制成功具有自主知识产权的X射线衍射仪，推动了国产化仪器的发展 而且在国内首次研制成功并推广便携式近红外矿物分析仪，其中部分产品已出口，为我国地质勘查技术提供了新的方法，提高了经济效益。　　“国产高光谱探测仪约占20%市场份额“　　仪器信息网：什么是高光谱技术?　　修连存：通常在可见光-短波近红外(400nm-2500nm)范围内，低于100波段称为多光谱，大于100波段称为高光谱，大于1000波段称为超光谱。随着技术发展，目前已经能够做到上千波段。波段越多，被测物质信息含量越多，但数据质量越下降，因此，根据需求来确定波段数非常必要，可以尽量提高信噪比。　　目前，我国高光谱仪与国外相比，主要差距还是数据质量，但经过多年来的努力，这种差距逐渐缩小，有的仪器数据质量已经超过国外同类产品。　　仪器信息网：目前普遍应用的高光谱对地探测技术都包括哪些?　　修连存：目前高光谱对地探测技术包括卫星载荷的多光谱和高光谱成像仪、机载高光谱成像仪、无人机微型成像高光谱仪、地面地物波谱仪和地下岩心光谱扫描仪等，以上这些仪器构成了高光谱遥感对地立体探测系统，广泛应用在地质、环境、海洋、农业、林业和城市生态等领域。　　仪器信息网：以上技术中，我国具有自主知识产权的技术占比情况如何?　　修连存：目前，我国高光谱仪器大部分依赖进口，特别是一些短波近红外和热红外成像设备对我国禁运。现阶段，国产高光谱探测仪器约占20%市场份额。当然，随着仪器的成熟和国家政策的改革，这一比例会逐年提高。　　近年来，中国地质调查局南京地质调查中心在科技部、国土资源部和中国地质调查局支持下成功地研制了机载成像光谱仪、微型成像光谱仪、地物波谱仪、岩心光谱扫描仪和相应的数据处理软件。除机载成像光谱仪样机外，其它仪器均进行了产品化，并成功进入了市场。　　多项成果落地开花 填补国内空白　　仪器信息网：能否分享一下国产高光谱探测仪的研发历程?都取得了哪些成果?　　修连存：上个世纪九十年代，第一台用于矿物分析的PIMA仪(便携式短波红外矿物分析仪)在澳大利亚诞生，它的诞生，打破了传统的地质矿物分析方法，实现了矿物分析定量化，从而带来了地质研究和地质找矿技术的革命。矿物分析仪在地质领域的主要应用包括矿物识别、蚀变矿物填图、钻孔和隧道(平硐)编录、成矿作用的指示、成矿潜力评价、采矿中的品位控制和辅助遥感图片的判别等。　　2004年，国土资源部中国地质调查局立项研制便携式近红外矿物分析仪，2006年完成样机研制，2008年实现产品化，产品销往国内外市场，目前已发展到第四代产品 　　2009年和2012年，在国土资源部公益基金和科技部重大仪器专项支持下，于2014年研制成功宽谱段地物波谱仪、岩心光谱扫描仪，2015年研制成功微型成像光谱仪，并实现产品化，进入市场销售 　　2009年，在国土资源部中国地质调查局支持下，于2014年研制成功机载成像光谱仪样机，并在新疆哈密进行了试飞，验证了仪器性能和指标，为后续产品化打下了基础。　　上述仪器研制成功，填补了国内空白，降低了采购成本，实现了技术推广，推动了高光谱探测技术的发展。　　仪器信息网：是什么原因或者契机促使您选择国产高光谱探测仪研发这样的课题?都取得了哪些科研成果?未来有哪些研发计划?　　修连存：我从长春地质学院仪器系毕业后被分配到地质行业工作，从事过实验测试，进口仪器计算机升级改造和国家十五公关项目“X射线衍射仪研制”工作，积累了一些经验与技术。　　2000年，中国地质调查局南京仪器研制中心成立。中心的主要目标是依托自身人才和技术优势，研制适应广泛的分析仪器，开展仪器的推广应用，培养人才。当时，根据地质需求，结合实际调研，我们发现高光谱对地观测技术在国外刚刚兴起，国内还是空白，市场前景广阔，经过十几年来的探索，终于为我国高光谱探测技术的发展和人才培养奠定了基础。同时还采取国内外技术联合方式建立了两个省级重点实验室以发展我国的高光谱事业。目前，我们已成功研制了机载成像高光谱仪、无人机小型成像高光谱仪、地物波谱仪、地下岩心扫描仪和矿物光谱分析专家系统，并进行了高光谱信息提取方法研究和技术应用示范。　　未来，中国地质调查局南京仪器研制中心将在完善现有成果的基础上，重点研究热红外波段(7um-14um)系列高光谱仪，同时开展相应的技术方法研究，拓展高光谱对地探测技术的范围。　　仪器信息网：是什么原因促使您成立南京中地仪器有限公司?目前主营业务有哪些?　　修连存：中国地质调查局南京仪器研制中心成立后，首次研制成功的是便携式近红外矿物分析仪。为了尽快实现成果产业化，2005年南京中地仪器有限公司成立。通过公司平台对成果进行工程化设计，实现了生产、销售和服务一条龙，搭建了产学研用平台，实现产品优化和换代。　　尽管由于体制机制的问题，也曾出现过一些波折，但是在国家大众创业，万众创新方针指导下，在国家成果转化法推出的背景下，公司机制还是坚持下来了。目前公司产品有无人机微型成像高光谱仪、便携式近红外矿物分析仪、地面地物波谱仪、地下岩心光谱扫描仪和矿物光谱分析专家系统软件，这些仪器只有南京中地仪器有限公司生产，国内还没有其它机构和厂家生产销售(其它所售产品几乎都是代理国外厂家生产的产品)，特别是便携式近红外矿物分析仪在国内外实现了独家生产，产品销往国内外。　　总体来说，我们依托公司平台，通过产学研结合，打破了体制障碍，较好地解决了成果转化问题，建立了这一行业高科技产业链，打造了光谱对地探测仪器系列产品。同时，经过多年来的技术推广，我们的产品和技术也得到了地质工作者的认可，为地质科研和找矿提供了有力支撑，产生了良好的经济和社会效益。 宽谱段地物波谱仪 便携近红外矿物分析仪 VNIR 微型成像光谱仪 SWIR 微型成像光谱仪 岩心光谱扫描仪 机载成像高光谱仪　　便携近红外矿物分析仪已达到或超过国外水平　　仪器信息网：相对于进口产品，目前国产高光谱探测仪的技术水平如何?　　修连存：近年来，随着技术进步和国家科研投入的增加，国产高光谱探测仪器技术指标与国外技术指标的差距越来越小，比如我们生产的便携式近红外矿物分析仪、微型成像光谱仪和岩心光谱扫描仪等的技术指标已经达到或超过国外水平。相对来说，其它仪器还有一定的差距，主要是数据质量还有待提高，这需要经历一个过程。　　仪器信息网：您在国内首次研制成功并推广便携式近红外矿物分析仪，请介绍一下技术优势以及目前的应用和销售情况?下一步的研发计划?　　修连存：目前便携式近红外矿物分析仪国际上只有南京中地仪器有限公司独家生产，产品除供应国内市场外，还销往澳大利亚、加拿大、缅甸、印尼和蒙古等国。　　该仪器采用T型分光技术，具有体积小、重量轻、便于携带等特点，仪器配有专业的数据处理软件，可实现野外和室内现场检测，实现岩石无损定性和定量分析，还可用于珠宝鉴定和药品原材料检测。此外，该仪器已经申请了国家专利。　　仪器信息网：国产高光谱探测仪要想得到进一步发展，有哪些问题亟待解决?　　修连存：高光谱探测仪是一种高科技产品，涉及到光学、机械、电子、软件、技术方法和应用等学科，以往注重硬件研究，忽视了技术方法和应用，造成了仪器研制成功之后不知怎样应用的尴尬局面。　　我的体会是：仪器硬件和应用方法各占50%比例，以满足需求为条件，以提高数据质量为主线，避免片面追求指标而无法应用的情况发生。　　一个国产仪器开发者的心声　　仪器信息网：当前，国产仪器与进口仪器的差距大家有目共睹，为此也引起了一次又一次的相关探讨，特别是在成果转化方面一直有诸多叹息。作为一位一直致力于国产仪器开发的科研工作者，您对国产仪器的现状有什么样的评价?在成果转化方面有哪些需要注意的事项?　　修连存：目前国产仪器发展迅速，但是仍在低端仪器徘徊，高端仪器依赖进口，用户喜欢购买进口仪器，这就需要国家政策强力引导。　　另外，科研成果与生产对接严重脱节，缺乏资本运作机制，最近国家出台了成果转换法，解决了科研成果转化体制机制问题，但还需要单位领导克服旧观念，真正落实到位，同时改变科技人员评价机制，从发表论文和获奖档次作为考核指标，转变为绩效考核，真正实现创新和成果转化。　　仪器信息网：在国产仪器研发和推广的道路中必然需要克服很多困难，您是如何做到的?想必您一定有很多切身体会，可否给大家分享一些，与大家共勉?　　修连存：首先认准市场，市场是决定仪器研发和推广成败的关键，没有市场的仪器是无法发展前途的；另外就是持之以恒，保持团队稳定，给团队一个良好的科研环境，合理的待遇；再就是利益共享，共同发展。合影撰稿编辑：叶建

近年来,食品安全问题备受关注,人们对果蔬品质与安全标准的要求也越来越高,已成为社会关注的热点。通常,果蔬品质包括了形状、颜色、大小和表面缺陷等外部品质与糖度、酸度、硬度、可溶性固形物含量、淀粉含量、水分和成熟度及其他营养元素的含量等内部品质，其品质好坏是其市场销量的重要因素。传统果蔬品质检测方法如化学法、高效液相色谱法、质谱分析法等通常对待测物具有破坏性，且速度慢。机器视觉和光谱技术具有快速、无损、可靠等优点，近年来广泛用于果蔬品质检测中。其中，机器视觉技术通过提取和分析果蔬形状、大小、颜色及表面缺陷等空间信息进行外部品质检测，而近红外光谱技术主要对果蔬内部品质进行检测。高光谱成像技术将图像与光谱技术相结合，可同时获取反映待测物内外部品质的光谱信息与空间信息，近几年国内外对其在果蔬品质的无损检测中进行了广泛的研究。本文将从高光谱成像技术的基本原理与其在果蔬品质无损检测中的研究与应用等方面，介绍其在该领域的最新研究进展。1、高光谱成像技术原理高光谱系统中的每个像元均可获取同一个光谱区间内几十到几百个连续的窄波段信息，并得到一条平滑而完整的光谱曲线，同时整个成像系统还可获取被测物的空间信息，实现对待测物内部成分与外观特征的同时检测，具有光谱连续与分辨率高等特点。系统获取的高光谱图像可用一段连续波段的光学图像组成的立体三维图像来表示，如图2所示。其中XY平面的二维图像表示物体的空间信息，如形状大小、缺陷等。由于物品外部变化会影响反射光谱，故形状、颜色或缺陷在某一特定的波长下图谱会有变化。λ坐标表示物体的光谱信息，将反映出待测物成分结构等内部品质。本研究应用了400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。2、果蔬外部品质的检测市场上人们对果蔬的直接感受就是其外部品质的好坏，即对颜色、新鲜度、大小、机械损伤、冻伤与腐烂等方面的判断。传统的机器视觉技术在果蔬外部品质的检测中由于精度低、操作复杂，很难区分出机械损伤、冻伤、腐烂及新鲜度等方面外部特征。高光谱成像技术恰好克服了这一缺点，能够实现全方位的无损检测，而且精度高、易于操作，近年来逐步用于果蔬外部品质的检测中。新鲜度是反映果蔬品质的重要指标。刚采摘的果蔬通常需经过储存、运输，最终到达消费者，该过程将影响其新鲜度品质。一般而言，人们对果蔬新鲜度的主观判断是不准确的。分别在失水0、10、24、48小时状态下，利用成像光谱仪采集了小白菜、菠菜、油菜、娃娃菜等四种蔬菜叶片的光谱图像并进行对比分析。其中，小白菜叶片在不同失水时间下的高光谱图像与机器视觉图像的对比分析如图3、4所示。从中可以看出，随着时间的变化两幅图中的叶片状态均有明显变化，但机器视觉图像只能看出失水状态，而高光谱图像通过分析光谱信息的变化发现，叶片在失水过程中其外观形态及内部叶绿素均有变化，叶绿素相对含量值预测模型的相关系数r=0.76,说明高光谱技术可以有效辨别蔬菜叶片的新鲜度。利用高光谱技术和ANN预测模型对苹果冻伤进行了研究，如图5所示。实验采用如图6所示过程，在400-1000 nm波段的冻伤苹果高光谱图像中选择5个主成分波段(717,751,875,960和980 nm)进行ANN模型的建立，其训练集、测试集和验证集的相关系数分别为0.93,0.91和0.92,最终实现了98%以上的识别准确率。对80个苹果样本分别采集4块尺寸为2 cm×2 cm×1.5 cm区域中的高光谱图像，利用偏最小二乘回归法来估算可溶性固形物含量反射数据与近红外光谱数据之间的关系，得到交叉验证系数为0.89,均方根误差0.55%,最后成功绘制出主要波段的高空间分辨率SSC图像，如图7所示。从图中可以看出靠近苹果边缘部分相比于中心部分有着更高的SSC值。结果表明，可用近红外高光谱成像技术测量苹果的可溶性固形物含量。3、结论随着生活水平的提升，人们对健康食品的品质要求越来越高。传统的机器视觉技术和物理化学方法在测量果蔬品质方面操作复杂、破坏性强，难以满足检测需要。高光谱成像技术融合了机器视觉、光谱和图像处理技术，产生的图像是“图谱结合”的三维数据立方体，不仅包含了待测物的空间信息特征，同时还包含了待测物的光谱信息，能够准确、快速、无损的检测出农产品的品质，并且操作简单，近年来广泛应用于果蔬品质的检测中。但是高光谱成像技术在采集和处理图像数据的过程中，受限于仪器性能和处理速度的影响，该技术现目前主要应用于基础性研究，并未广泛应用于工业的在线实时检测中。针对这些问题，为了实现果蔬品质的商业化在线检测，还需要做到如下两点：一是改进并升级高光谱成像技术的相关设备比如成像光谱仪，提升其性能并降低其生产成本，利于高光谱成像技术在果蔬品质检测中的推广；二是针对全波段的、不同品种的果蔬高光谱图像进行特征波长选取，以降低数据冗余量，减少高光谱图像的获取以及处理时间。尽管如此，随着社会发展与科学进步，高光谱成像技术将不断提升和改进，未来在农产品、食品安全领域将具有更加广阔的发展空间和应用前景。

1月18日，中科院安徽光学精密机械研究所（下简称“安光所”）承研的高光谱综合观测卫星大气痕量气体差分吸收光谱仪（EMI），在北京、上海、合肥三地视频验收会上，通过了正样产品验收。 验收专家组由科工局重大专项工程中心、生态环境部卫星环境应用中心、国家卫星气象中心、中国资源卫星应用中心、航天八院科技委、气象环境卫星总体部、509所和合肥研究院等单位的领导和专家组成。经现场听取汇报、质询和评议，验收专家组指出：EMI经过高光谱观测卫星、大气环境星等型号任务的多次迭代，已经是比较成熟的载荷产品，之前高光谱观测卫星搭载的EMI在轨应用优秀，相信本次验收的EMI在轨运行后将取得预期效果。高光谱综合观测卫星探测谱段涵盖了从紫外到长波红外的光学波段，具有高光谱分辨率、高精度、高灵敏度的观测能力，覆盖环境、资源、气象用户的主要观测需求。EMI在卫星任务期间主要用于获取紫外到可见波段的高光谱遥感产品，实现对全球大气痕量成分分布和变化的定量监测，为全球/区域痕量污染气体成分的分布和变化提供科学数据。面向国家污染减排、环境质量监管、大气成分与气候变化监测，开展污染气体、区域环境空气质量、大气成分、气候变化等高光谱遥感监测应用示范。EMI载荷于2020年10月立项，2021年5月完成零部件装配，10月完成系统调试、测试，11月完成环境试验，12月完成测试定标工作。2022年1月10日完成出所质量评审，2022年1月1日交付验收评审。在型号研制、完成进度中处于领先序位。承研的安光所载荷研制团队在项目研制过程中，克服疫情等影响，以高度的责任感和对航天产品质量特殊重要性的深刻理解，严格按照航天管理要求，落实航天载荷的研制工作，产品设计、加工、装配、调试、测试及试验，事前严密策划，全过程严格控制，按照“零缺陷”要求，保证了项目研制满足航天管理要求。测试现场正样视频验收会

高光谱成像技术以其独特的光谱分辨率和图像信息结合的能力，为科研和实际应用的工作者提供了前所未有的视角。特别是随着低空经济的崛起，高光谱技术作为一项重要的遥感技术越来越吸引大家的目光。8月12日，第三届高光谱成像应用研讨会暨怀柔光电产业发展论坛在北京怀柔成功召开，此次会议涉及食品检测、植被遥感、分析检测、农业遥感、地质探矿、水体遥感、分析算法、工业应用、林业遥感、成像技术、海洋遥感等多个领域，呈现出高光谱遥感技术和应用的“全新”面貌。在论坛期间，仪器信息网编辑特别采访了北京卓立汉光仪器有限公司陈兴海副总经理，北京理工大学李伟教授，长江科学院张穗教授级高工，中国科学院植物研究所严正兵研究员，四川农业大学康志亮教授等高光谱专家。采访过程中，各位老师基于自己所在的领域，深入探讨高光谱技术的研究现状、发展趋势及应用前景。不同领域专家的观点碰撞，不仅给大家展现了高光谱极具诱惑的市场前景，而且给高光谱产业未来的快速、良性发展提供了非常有价值的参考意见。北京卓立汉光仪器有限公司陈兴海副总经理，长江科学院张穗教授级高工北京理工大学李伟教授，中国科学院植物研究所严正兵研究员，四川农业大学康志亮教授"我国高光谱研究和应用处于全球领先水平"近年来，高光谱技术在全球范围内引起了广泛关注。那么，高光谱在国内外的研究和应用现状如何？针对这个问题，各位专家发表了自己的看法。从研究角度来看，李伟教授认为，国内在高光谱领域处于领先地位。“在发表论文时，我最大感触就是和国外的共同作者合作发表的论文越来越少了，我们独立科研能力越来越强了，说明我国在高光谱研究方面已具备较强的实力。另一个感触便是国内做高光谱前沿技术研究的人群越来越壮大。”张穗教高认为，“从技术研究方面，特别是在高光谱卫星层面，中国的技术处于国际领先地位，不仅如此，在低空传感器方面，虽然国际上有一些老牌传感器被认为更加稳定和成像效果更好，但国内技术近年来也发展迅速，与国际水平差距不大。” 从市场应用角度分析，张穗教高认为，“将高光谱引用到无人机上是有决定性意义的。高光谱技术在各行业中的应用得到了快速发展，已经逐步可以解决实际问题，而不再仅仅局限于科研层面。”陈兴海经理介绍，“国内高光谱技术在农业、食品、水环境等领域正在进行越来越广泛的应用，在全球范围内处于领先地位。特别是近两年来，工业分选领域的高光谱应用尤为突出。可以说，高光谱正逐步在各大应用领域实现技术落地，未来也将更加侧重于应用导向。” 高光谱技术落地面临“成本、技术、人才”等多重挑战采访过程中，各位专家从不同领域出发，谈了自己的观点。认可并看好高光谱技术未来应用前景的同时，共同提到了应用驱动和应用成熟度的问题，而这其中，又涉及了成本、技术、人才等多种问题。（1）农业领域的应用农产品检测作为高光谱重要的应用方向之一，备受关注。“目前而言，高光谱在农产品检测方面的应用尚未达到完全成熟的阶段。”康志亮教授分析到，相较于工业生产的标准化和一致性，农业生产具有更高的复杂性和多样性。农产品的品种繁多，且生产环境各异，这为高光谱技术的应用带来了不小的挑战。为了实现对农产品的精准检测，需要针对不同的品种和环境建立相应的光谱检测模型。然而，当农产品品种发生变化时，就需要重新建立模型，这在一定程度上限制了高光谱技术的广泛应用。“目前，高光谱技术在农产品检测方面的应用主要集中在科研层面，要实现高光谱技术的广泛应用和普及，仍需突破一些关键的技术瓶颈。”康志良老师结合自身的研究和思考分析到，“高光谱设备的价格普遍较高，在很大程度上限制了其应用范围。其次，泛化能力不强也是亟待解决的问题之一，使其能够适应更多种类的农产品和环境条件是高光谱需要提升的关键。”（2）水质监测的应用随着我国水质监测工作的需求发展，高光谱技术成为水质监测领域的“新宠”。张穗教高一直聚焦于流域的水质监测工作，她谈到，“在水质监测方面，当前高光谱技术的应用显然还不够成熟，但慢慢从定性分析向定量分析转变。随着计算能力的增强以及深度学习等算法的发展，高光谱技术应用于水质监测得到的结果开始有一定的可信度了。”在高光谱技术推向水质监测实际应用的过程中，张穗教高老师表示，有几个关键问题亟待解决。“首先，关于设备的成套应用方面，当前的关注点主要集中在设备本身的精度上，但在实际操作中，往往需要考虑多个设备的联合使用及其数据间的匹配问题。不同品牌或不同侧重面的高光谱仪器之间的标准不一致，导致数据难以有效整合。其次，配套软件的问题尤为突出。目前市场上提供的配套软件往往无法满足特定应用的需求，很多时候需要定制开发。这对于不同行业的用户来说，可能会有不同的数据处理需求，特别是在软件方面的需求可能比硬件方面更为迫切。”（3）植物生态学的应用深耕植物生态学的严正兵研究员表示，“我国在高光谱技术的植物生态学研究方面还处于初级阶段。到目前为止，我认为还没有真正意义上从事这方面研究的学者。” 不过，他也同时指出，高光谱从空间尺度和时间尺度两个维度拓展了监测手段，为植物生态学研究提供了新的可能性，未来将大有可为。”当然，不同的领域推进进程也不尽相同。严正兵研究员认为，高光谱技术在植物生态学领域的应用很有潜力，其提及了两项具有创新性的研究工作，“一是利用高光谱技术革新植物精细结构和生理对生态系统功能的调控研究；二是探索高光谱技术在生物多样性与森林生态系统功能调控方面的应用，为其提供新的方法和技术手段。”但基于该领域的初级阶段，严正兵研究员认为主要受限于两个因素，“一是交叉学科人才的匮乏，目前精通遥感技术和生态学问题的交叉学科人才相对稀缺；二是平台资源的限制，高光谱技术的研究和应用需要大量的资金投入，例如高光谱飞行器的使用。而我国在这方面的资金支持相对有限，需要加大投入，来提高研究水平和应用能力。”（4）医学领域的应用李伟教授已经与多家医院合作，利用高光谱技术进行手术导航，帮助医生在术中进行实时病理诊断，比如，“在口腔手术中，高光谱技术可以帮助医生区分正常组织和病变组织，从而提高手术精度和效率。” 其表示，“通过不断的研究和实践，高光谱技术在医学领域的应用前景将更加广阔。”李伟教授强调，为了推动高光谱技术的发展，需要从两个方面着手：“一是降低传感器的成本；二是提高信息提取和处理的能力。这不仅需要科研人员的努力，也需要企业和应用方的支持与合作。通过多方合作，可以加快高光谱技术在各个行业的应用进程。”与此同时，李伟教授也指出高光谱技术的实际应用面临着两大挑战：一是成本问题；二是技术本身存在的局限性。“一台高光谱设备的价格大约相当于一辆豪华轿车，这对使用和推广造成了阻碍。由于成本高昂，学生们甚至不敢轻易操作这些设备进行飞行测试，对技术的推广也会有一定的影响。”采访过程中，多位专家表示， “高光谱技术正处于蓬勃发展的前夜，但现在还处于一个瓶颈期，迫切需要应用驱动来打破现状。”同时，我们还发现虽然从不同的领域来看应用进程不同，面临的问题也可能各有不同，但是每位专家都提到了一个共性问题“成本”。大家纷纷反馈，当前高光谱设备的价格普遍较高，这在很大程度上限制了其应用范围。因此，降低设备成本是实现高光谱技术广泛应用的关键。未来，若将设备的成本降低到几百甚至几千元，使得人人都能用得起、买得起，高光谱定能在各行各业得到更广泛的应用和发展。对此，陈兴海经理也持相同的看法， “高光谱技术落地面临的主要问题是成本和数据累积，需要大量的应用场景适配和数据迭代优化。”应用驱动进程中，高光谱前景可期高光谱技术以独特的优势在多个领域展现出巨大的发展潜力。那么，未来最具前景的应用方向是什么？为了更好地了解高光谱技术的未来趋势，小编在与众多专家深入沟通交流的基础上，统计了他们认为高光谱技术最具潜力的三个发展方向，其中环境监测、农业检测和医疗位列前三甲。除了上述三个领域外，还有部分专家提到了快检和生态学等方向。近年来，国内高光谱技术的发展势头强劲，无论是在应用还是市场层面，都展现出了巨大的潜力。张穗教高在水质监测领域的应用前景持乐观态度，“未来几年内这项技术有望落地应用。”她还强调了与国内厂家合作的重要性，通过长期合作推进技术的发展。在农业领域，康志亮教授认为，“国家大力发展农业，每年农业都是写入中央一号文件的。作为一种非常有潜力的技术，高光谱技术能够做到快速无损的同时检测多个参数，智慧农业、智能农业和精准农业的发展将为高光谱技术提供广阔的市场空间。”同时，康志亮教授提到，“降低成本、设备的小型化和便携性、环境友好、多学科交叉融合与应用拓展等都是未来发展都是未来发展的方向。”高光谱技术的发展需要与人工智能、大数据等多学科进行交叉融合。通过结合这些先进技术，可以开发出更多具有实际应用场景的快检设备，还能实现从科研级设备向实际应用级设备转变。李伟教授强调，“为实现高光谱在各行各业应用遍地开花的目标，不仅依赖于科研人员的不懈努力，同时也需要企业的积极参与和应用方的有力支持。通过多方协同合作，我们将能够加速高光谱技术在各行各业的广泛应用。”陈兴海经理对高光谱技术的未来发展持乐观态度，“随着成本的降低和技术的进步，高光谱技术将在更多领域实现应用落地。未来卓立汉光和双利合谱也将继续深耕高光谱技术，推动核心技术部件的国产化进程，并探索新的应用领域和技术方向。”后记：第三届高光谱成像应用研讨会暨怀柔光电产业发展论坛由江苏双利合谱科技有限公司主办，北京怀柔仪器和传感器有限公司、中国农业大学工学院协办，此次研讨会正值卓立汉光成立25周年和双利合谱成立10周年，不仅展示了高光谱技术在多个领域的研究成果，更为重要的是，它搭建了一个跨学科交流的平台，促进了科研人员与产业界之间的沟通与合作。小编与参会专家沟通时，陈兴海经理介绍说，此次研讨会相较于前两届，本届研讨会规模更大，吸引了众多用户参会。“能得到这么多用户的支持，不仅是对双利合谱的认可，也体现了高光谱技术在国内的关注度不断提高。” 对此，康志亮教授也表达了相同的感受：“我觉得研讨会规模很大，更相信通过这次大会，一定能够促进高光谱行业的健康持续稳定的发展，也能够促进更多的成果转化以及高光谱研究的应用。”通过这次会议，张穗教高感受到，高光谱技术的应用范围越来越广泛，涵盖了多个行业，并且正在不断扩展到日常生活中的更多场景中。“最初高光谱主要用于大范围的环境监测、植被分析和农业管理等领域，而现在它的应用变得更加细致和具体，越来越贴近实际需求。”严正兵研究员认为，“此次研讨会的一大亮点是将不同方向的人聚集在一起，促进了思想的碰撞。同时，研讨会不仅关注科学研究，还考虑了应用层面，为科研成果的落地提供了启示。”作为第一次参加研讨会的李伟教授表示： “远超预期！感受到了企业在推动行业发展的同时，也承担着社会责任，通过搭建这样的平台促进了学术界与产业界的交流。这对高光谱技术行业的促进作用是毋庸置疑的。”第三届高光谱成像应用研讨会暨怀柔光电产业发展论坛部分产品照片关于双利合谱是一家集光学、精密机械、电子、计算机技术于一体的技术企业。主要产品包括：Gaiasky机载高光谱成像系统、Gaiafield地面野外高光谱成像系统、GaiaSorter室内暗箱系列高光谱以及GaiaMicro显微高光谱等4大系列，已成功服务于农业遥感、工业分选、刑侦物证鉴定、食品检测等多个领域。

2018.05.14~15 北京 第二轮通知高光谱遥感技术能够有效探测和精细识别观测目标的光谱特性，对遥感事业发展具有重要推动作用。近年来随着遥感技术和应用迅猛发展，高光谱遥感的相关研究逐步向更高层次的光谱分辨率、空间分辨率和多维集成方向发展，取得了卓越的研究成果，并广泛应用于遥感科学、辐射定标、农业遥感、环境遥感、林业监测、地质勘查、土壤遥感、水体遥感、大气科学、材料研究以及伪装识别等众多研究领域。中国科学院遥感与数字地球研究所在解决高光谱遥感信息机理、图像处理和多学科应用中的世界性难题方面取得了多项重大成果，开创了高光谱遥感在农业、地矿、环境、文物保护等多领域的成功应用，获得国际同行高度赞誉，也使得我国在国际高光谱遥感学科发展方面始终处于国际前沿，在国际上产生了重要影响。美国SOC公司和SEI公司是全球优秀的光谱测量设备领导者，与美国NASA、NIST、JPL、LMT、DOD、U.S.Navy等世界一流遥感相关单位有数十年的合作，在业界获得了高度认可。北京安洲科技有限公司作为美国SOC公司和美国SEI 公司在中国区的总代理和技术服务中心，联合中国科学院遥感与数字地球研究所、美国SEI公司、美国SOC公司，合作举办2018年度高光谱遥感技术交流培训及应用研讨会，旨在探讨高光谱技术的多元应用方向和热点，提升广大科研人员的光谱测量和光谱数据处理水平，同时也为大家提供一个业界同行交流与学习的平台。会议期间，我们将发布并展示最新的SEI高端产品，指导高光谱仪器的使用方法、注意事项、使用技巧、数据处理与分析、高光谱技术的应用以及最新的技术进展；同时，还有高光谱领域的专家为大家做应用专题报告，以促进不同领域学者之间的交流和相互借鉴。 一、会议主办方：中国科学院遥感与数字地球研究所 美国SEI公司、美国Esri公司北京安洲科技有限公司二、会议时间：2018年5月14日-15日 三、会议地点：中科院遥感应用研究所奥运园区A501四、专家报告报告时间报告题目报告人5月14日 全天9:00-9:45作物长势与病虫害监测黄文江 研究员中科院遥感与数字地球研究所9:45-10:30SEI最新产品发布与展示Maurice A. KashdanHead of Marketing/SPECTRAL EVOLUTION10:30-10:50茶歇（合影）10:50-11:50高光谱遥感环境污染监测研究进展田庆久 教授南京大学11:50-12:00仪器体验Maurice A. KashdanHead of Marketing/SPECTRAL EVOLUTION12:00-13:40午餐及午休13:40-14:40遥感指数设计新探索陈晋 教授北京师范大学14:40-15:25作物表型遥感技术研究进展杨贵军 北京农林科学院15:25-15:40茶歇15:40-16:25高光谱遥感预处理方法研究高海亮 研究员中科院遥感与数字地球研究所16:25-17:00多源遥感数据获取与实践方墨人 经理北京安洲科技有限公司17:00-17:30ENVI高光谱处理最新进展和应用 邓书斌Esri中国遥感事业部5月15日 上午9:00-9:45测绘地物波谱本底数据库研究进展肖青 研究员中科院遥感与数字地球研究所9:45-10:30植被光谱知识库与植被参量遥感定量反演柳钦火 研究员中科院遥感与数字地球研究所10:15-10:30茶歇10:30-11:00仪器演示与操作培训吴瑞强 技术工程师北京安洲科技有限公司五、会议联系人：邮箱：service@azup.com.cn 六、参会须知1. 签到：8:30开始，参会人员签到，我们可以提供参会确认函，以便报销使用。2. 食宿安排 ：免费提供5月14日午餐；其他食宿自理。七、参会登记表单位及部门电话 /手机姓名邮箱参会人数兴趣与方向是否需要午餐14日 是 否需解决的问题如有请填写注：1.请在5.10日前提交至service@azup.com.cn，以便安排会场。

近日，华东师范大学精密光谱科学与技术国家重点实验室曾和平教授与黄坤研究员团队在中红外光谱成像方面取得进展，结合非线性上转换成像与可调谐声光滤波技术，有效提升了空间-波长三维图谱信息的采集速度，实现了超灵敏、大视场、高帧率的中红外高光谱视频成像，可为化学瞬态过程分析、生物原位成像检测、医学实时光谱影像及燃烧场快速诊断等应用提供有力支撑。相关研究成果以“Wide-field mid-infrared hyperspectral imaging beyond video rate”为题发表于Nature Communications期刊。华东师范大学为论文的第一完成单位，博士生方迦南为论文第一作者，曾和平教授和黄坤研究员为共同通讯作者。图1 曾和平教授与黄坤研究员团队在Nature Communications 刊发研究成果高光谱成像是将成像技术与光谱技术相结合的多维信息获取手段，可在百个甚至更多谱段对目标进行非侵入式成像，生成包含空间和光谱信息的图谱数据立方。因此，高光谱图像具有“图谱合一”的重要特征，每个像素都对应一组光谱信息，所含的丰富信息能够对样品的化学成分、含量与分布进行测定与表征。特别地，中红外波段位于分子的指纹光谱区，包含许多官能团的吸收峰，实现该波段的高光谱成像能够对待测目标进行无标记精确识别。因此，中红外高光谱成像技术已被广泛应用于痕量分析、环境监测、生物医药、材料科学等领域。图2 中红外高速高光谱成像原理概念图然而，兼具多谱段与大画幅的红外高光谱成像系统长期以来局限于观测静态样品或低速运动场景，难以用于快速目标测量或动态过程捕捉。一方面，高光谱成像所生成的图谱数据提供了丰富的目标信息，有助于准确分析与识别样品；另一方面，庞大的数据采集量极大限制了高光谱成像速率。例如，传统摆扫式和推扫式高光谱成像系统主要借助光栅、棱镜等器件实现信号色散分光，在空间信息获取上往往需要依赖点扫描或线扫描来实现二维图像覆盖。为了克服冗长的机械扫描，全幅式光谱成像技术应运而生，其采用可调谐窄带光源（如光参量振荡器、量子级联激光器）或波长可调滤波器（如声光、液晶滤波器）进行光谱扫描，有效提升了多像素图像的采集效率。即便如此，中红外高光谱成像速度仍很大程度上受限于该波段焦平面探测阵列的工作帧频（尤其对于大面阵多像素相机），单色光谱图像采集帧率的典型值为50 Hz @ 512×512像素。相应地，采集百个波长通道以上的高光谱成像往往需要数秒甚至更长时间，距离可实时观测的视频帧率还有量级上的差距。当前，实现大视场、多波段、高帧频的中红外高光谱成像仍颇具挑战，需要同时实现高速光谱扫描与高速图像采集。图3 中红外高速高光谱成像装置图为此，研究团队创新结合非线性广角成像技术与高速声光滤波技术，能够同时提升红外图像采集速率与红外光谱切换速率，克服了传统方案在图谱信息获取上的短板，实现了高达百赫兹的三维图谱刷新率，在同等谱段数与像素规模下，比此前记录提升了至少两个数量级。具体地，研究人员采用特殊设计的啁啾极化铌酸锂晶体，实现宽波段非线性光学和频，将超连续谱中红外信号一次性转换至可见光波段。该过程具有大视场空间映射和高保真度光谱转换的特点，可在空间和光谱维度上保留完整的目标图谱信息。为了实现高速率、高精度的波长调控，研究人员采用声光可调滤波技术，获得了微秒级的波长切换速度与纳米级的窄带滤波带宽。滤波后的单色图像由高性能硅基相机捕获，规避了现有红外焦平面探测阵列在灵敏度、像素数、帧率等方面的不足，从而实现大视场、多像素、高帧频的红外图像采集。图4 高帧频中红外高光谱视频成像（A）实验测定的苯与乙醇红外吸收光谱。（B）每个高光谱数据立方包含100个精细谱段，单色图像拍摄时间仅需100 μs。(C-D) 选取不同的光谱通道，可以方便区分显示不同物质成分。（E）对两种液体吸收峰对应的单色图进行RGB色彩合成，可以清晰展示不同介质扩散与融合的动态过程。实验中，所搭建的高光谱成像系统工作波长为2.4-4.1 μm，涵盖多种CH/OH化学键的红外伸缩与振动吸收谱线，是有机物材料鉴别的重要谱段。为了展示高光谱成像在物质鉴别与动态场景中的应用，研究人员选用了乙醇和苯两种化学样品，他们在肉眼下观察均为无色透明，而通过高光谱成像可测量得到迥异红外特征光谱（图4A），利用独特的分子选择性即可实现样品成分的有效甄别。在高光谱三维数据采集中，单波长大视场成像（近百万像素画幅）的积分时间仅为100 μs，获取100个谱段的图谱立方数据则仅需10 ms（图4B），从而实现100 Hz水平的大视场高光谱影像。与传统机械式波长调谐方式不同，声光可调滤波器不受机械惯性限制，可对光谱进行快速动态调控，实现连续不间断的循环波长扫描，为实时光谱视频成像提供了可能。如图4C-4E所示，可根据样品吸收光谱特征，选取多幅单色灰度图像进行RGB填色合成，实现对样品化学差异与浓度分布更直观的可视化。值得一提的是，所发展的上转换光谱成像技术得益于非线性光学混频过程中所需的相位匹配条件，使得不同波长的单色上转换图像具有不同的空间缩放因子，从而形成波长-空间耦合的独特成像效果，结合特定信息编码和计算成像算法，可以从单幅灰度图像恢复出三维图谱信息，进而发展出单发快照式红外高光谱成像，为实现超高速光谱摄影提供了有效途径。此外，该技术可以扩展到长波红外或太赫兹波段，以满足该谱段对于高速光谱成像的迫切需求，可为材料、化学、生物、医学等领域提供具有吸引力的光谱影像分析手段。近年来，曾和平教授与黄坤研究员课题组在中红外多维成像领域开展了系列创新研究，先后发展了中红外非线性广角成像 [Nature Comm. 13, 1077 (2022)]、中红外单光子单像素成像[Nature Comm. 14, 1073 (2023)]、以及中红外单光子三维成像 [Light Sci. Appl. 12, 144 (2023)]等。相关工作得到了科技部、基金委、上海市、重庆市与华东师大的资助。论文链接：https://doi.org/10 . 1038/s41467-024-46274-z

p 　　2018年5月9日，北京时间2时28分，我国在山西太原卫星发射中心成功发射“高分五号”高光谱卫星。中国科学院上海技术物理研究所承担研制卫星红外地平仪(已在入轨初期成功捕获地球)和可见短波红外高光谱相机。 /p p 　　作为“高分五号”卫星六大主载荷之一，可见短波红外高光谱相机是国际首台同时兼顾宽覆盖和宽谱段的高光谱相机，对复杂地物、环境具有突出的识别和分类能力。它可同时获取观测对象的几何、辐射和光谱信息，并以足够高的光谱分辨率、空间分辨率和辐射分辨率，定量获取观测目标的构造和成份等信息，同时获取观测路径上大气等相关信息，实现对陆地表面高光谱、高空间、高辐射分辨率成像光谱观测。 /p p 　　可见短波红外高光谱相机以高光谱的方式实现对地优于30米空间分辨率的连续成像，它具有330个光谱通道，比一般成像相机多了近百倍 其光谱覆盖可见光至短波红外的2100纳米范围宽度，比一般相机宽了近9倍 特别是同时实现的60公里高光谱成像幅宽，将极大提高对全球陆地环境生态资源的探测能力。与国际上经典的高光谱相机相比，该载荷幅宽提高8倍，光谱数增加近百个，信噪比提升近4倍 与美国、德国、日本、加拿大等国际上当前发展的高光谱相机比较，其综合性能和主要技术指标可保持5年以上的国际领先水平。 /p p 　　上海技物所创新性地提出基于视场倍增远心成像和凸面光栅大平场度低畸变分光的高光谱成像方案，历经10年时间，突破了小F数大视场低畸变远心成像，大平场度超低畸变精细分光、在轨高精度光谱辐射定标、大规模高帧频红外焦平面探测器等关键技术，完成高光谱相机的原型样机、工程样机、鉴定产品、发射产品的研制。相机入轨后，将有力提升我国在环境、生态、资源、农业、林业等多个领域遥感监测方面的能力，有效服务“美丽中国”建设，使我国高光谱遥感技术再上新台阶，走在国际前列。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201805/insimg/39eacb35-8a94-47c6-87c3-a8a96b880be2.jpg" title=" 微信图片_20180510094457.jpg" / /p p style=" text-align: center " 卫星发射现场 br/ /p p br/ /p

高光谱技术是指利用光谱仪获取的被测地物多个窄波段电磁波，并通过所获取的数据进行分析提取所需的信息的技术。光谱仪从1666年牛顿利用三棱镜观察到了光的色散开始，到1859年基尔霍夫和本生合作设计了第一台棱镜光谱仪并发现了铯和铷，化学分析的光谱方法也就此展开，高光谱技术随着光电技术的进步也在逐渐发展。现在，高光谱技术利用棱镜、光栅、干涉仪等手段，将混合光分散为连续的不同极窄间隔波段的光，根据使用目的不同，可以获取从远紫外到远红外不同波段的数据。目前，在高光谱遥感、原子吸收、材料发射率等领域均有应用。狭义的讲，高光谱技术目前大部分是指可见光到近红外（400-2500nm）的高光谱分辨率遥感技术，该技术始于成像光谱仪的研究计划，最早由美国加州理工学院喷气推进实验室的一些学者提出，并在美国国家航空航天局（NASA）的支持下，相继推出了机载航空成像光谱仪（AIS）系列，航空可见光/红外成像光谱仪（AVRIS），星载中分辨率成像光谱仪（MODIS）等等型号设备。与此同时，20世纪80年代中后期，我国开始着手发展高光谱成像系统，从多波段扫描仪到高光谱成像扫描仪，从光机扫描到面阵列CCD探测器固态扫描的发展过程。目前，我国中科院系统自行研制的第一台224波段扫帚式高光谱成像仪（PHI）与128波段的实用型模块化机载成像光谱仪（OMIS）已研制成功并进行了多次成功的航空遥感实验，近年来的珠海一号、高分五号也在持续的发回数据。国外的星载与大型机载的高光谱设备发展较早，商业应用成熟。随着我国经济实力的不断增强，近些年来，尤其是21世纪以后，基于中国科学院上海技术物理研究所与中国科学院长春光学精密机械与物理研究所 长期以来的钻研与突破，星载高光谱光路设计、中大型高精度衍射光栅制作、全色可见光近红外光路分离、小F数大视场低畸变远心成像、大平场度超低畸变精细分光、在轨高精度光谱辐射定标、大规模高帧频红外焦平面探测器等关键技术一一攻克，我国的星载高光谱设备厚积薄发，已达到国际领先的水平。在星载设备发展的同时，非成像光谱设备也伴随着电子技术与计算机技术的发展在逐渐地小型化与轻量化，从直读光谱仪到便携式地物光谱仪，光谱设备也从实验室走向了野外，由于便携式地物光谱仪不受天气的影响，光谱分辨率高于星载高光谱数据，对于光谱库的建立，分析模型的建立，筛选特征光谱波段，星载高光谱数据的地面验证等发挥着重要的作用。地质调查和矿产勘探是高光谱技术主要的应用领域之一，地质是高光谱遥感应用中最成功的一个领域。由于矿物内部物质组成、内部晶格结构等不尽相同，矿物光谱通常包含一系列特征光谱吸收带，这些特征谱带在不同的矿物中具有较稳定的波长位置和较稳定的独特波形，能够指示离子类矿物、单矿物的存在。目前，矿物识别、矿物填图、成矿预测、矿山环境分析等领域均有广泛应用。被测物光谱（蓝色）与光谱库数据自动进行匹配并计算相关性在沿海和内陆水域环境系统研究中，沿海、江河、湖泊中的叶绿素、众多浮游生物种类、不可溶解有机质、悬浮沉淀物、基底物质组成、半淹没水生植物在光谱方面有着显著的吸收和散射特性，利用高光谱技术，我们可以监测水华，识别水生植物，判别黑臭水体，针对悬浮物浓度、叶绿素浓度等水质参数进行定量反演。对于海洋及大面积的内陆湖泊，相比于河流与小面积的湖泊，使用星载高光谱数据，有着快速的反应及分析能力，可以进行整体水域的评估。以上两种领域是目前高光谱应用最为成熟的领域，由于卫星过境周期、天气等因素的影响，星载高光谱数据的时效性略显不足，且针对精准农业、胁迫研究、树种识别等应用，星载高光谱数据由于分辨率较差，无法发挥作用。随着无人机技术的发展，高光谱设备逐渐地小型化与轻量化，中小尺度、厘米/分米级别的高光谱数据的获取成为可能。随着我国经济社会的不断发展，人们生活节奏越来越快，日常生活用品工业产品不断更新，垃圾的产量迅速上升，组成成分多样。近年来，全国垃圾分类工作的逐渐展开，现有的分类方法检测时间长，分类效率低，利用高光谱技术，在记录待分类垃圾的空间信息同时，分析其光谱信息，通过建立识别分类模型对垃圾进行识别与分类，有着极为迫切的需要。目前，纸类、塑料、金属、木制产品均有比较好的效果，但受限于成本高与产业化程度较低，高光谱技术还未在垃圾分类领域有大范围的应用。垃圾分类的高光谱研究 北京欧普特科技有限公司在2000年从光谱仪的代理开始进入遥感领域，随着无人机技术的发展，全球的高光谱技术已经初具影响并有落地应用，我公司判断未来的高光谱技术必定是由星载数据、机载数据与地面数据相互支撑，并且基于无人机的高光谱技术的时效性强、易用性好和地面分辨率高，必定将成为高光谱技术在未来应用中的主流方式。我公司在2013年基于美国Headwall Photonics Inc.公司设计生产的推扫式全反射光栅光谱仪，进行了机载高光谱设备的研发工作，为高光谱成像仪配备了三轴稳定云台系统和GPS/IMU惯性导航系统，并搭载到滑跑起飞的固定翼无人机上，进行了低空的光谱数据采集，并申请了相关专利。随着光电技术的进步，光谱仪逐渐地小型化、轻量化与高度集成化，旋翼无人机的出现并且不断升级换代，整套无人机高光谱成像设备操作简单，场地限制小，折叠后可以放到汽车后备箱中，成为了目前的主流应用方式。目前，我公司以无人机机载设备为主，包含400-1000nm、900-2500nm、400-2500nm等推扫式全反射成像光谱仪，整套设备包含传感器、辐射亮度标定、地面定标布、采集与处理软件等，辅以室内采集的高精度高分辨率高光谱设备、野外便携式地物光谱仪、多光谱相机、热红外成像仪、热红外光谱仪、高清相机、激光LiDAR等设备，可以进行多源数据的采集与分析。 Nano Hyperspec（400-1000nm）与Co-Aligned(400-2500nm)高光谱设备挂载我公司也在进行高光谱成像光谱仪与便携式地物光谱仪的国产化工作，国内也有其他厂家进行设计生产，但是总体来说，核心的光栅部件均为采购或定制的产品，整体信噪比略低于国际水平，但是性价比高。我公司依托于深厚的光学元件设计加工生产经验，正在进行各个方面的优化，争取早日赶上国际水平。经过近10年的机载高光谱设计集成搭载等工作，我公司积累了丰富的经验，针对不同型号的光谱仪产品，设计专用的三轴稳定云台，搭载到不同类型的平台上，包括大疆M600 PRO、M300 RTK，科卫泰X6L，德国MicroDrones的MD4-1000等旋翼机，纵横CW15和飞马V20等垂起固定翼无人机，不同类型的有人机，并承接高光谱飞行服务工作，全方位的服务客户。在工业领域，我公司也为某厂进行了高光谱设备的安装架设工作，在病变溯源、肉质分级等方面均有应用。软件方面，我公司针对机载推扫式高光谱设备，开发了一套通用的几何校正软件，有效地纠正了飞行时的抖动问题，并适用于不同型号的传感器。针对内陆水系，开发了一套内陆水环境监测系统，大范围的监测水质，获取水质的遥感参数，一键生成评估报告，为上海某水库、辽宁某河流提供较为及时的数据支撑。 内陆水环境监测系统分析某河流悬浮物浓度与叶绿素浓度高光谱技术正在不断发展，伴随着无人机的发展及星载高光谱的发射，低空高光谱遥感正在由科研院校走入民用市场，未来大农场评估、森林树种识别、水环境监测、矿物识别与填图、垃圾分类等市场的潜力无限，尤其是水环境监测。近些年来，为了促进水质监测行业的发展，我国陆续发布了许多政策，如2021年生态环境部发布的《“十四五”生态环境监测规划》明确将要推动三水统筹，增强地表水环境监测，突出水生态监测评价。绿水青山就是金山银山，高光谱技术将大放异彩。作者：王辰泽，徐胜艳，魏志奇（北京欧普特科技有限公司）

近年来，高光谱市场发展越来越吸引业界的关注。据相关研究机构的数据显示，2021年全球高光谱成像系统市场154亿美元，预计到2026年该市场将增至358亿美元，复合年增长率为18.4%。多位业内人士分析，我国高光谱市场的复合年增长率要高于全球平均水平。基于当前市场发展态势，近年来，高光谱相关企业也备受资本青睐。据仪器信息网统计，近年来，高光谱等关企业的融资案例频发。比如：日前，联光元和完成1亿元天使轮融资，将用于超光谱成像仪等的研发。据悉，联光元和首台超光谱成像仪原型机将于2022年9月问世，涵盖瞬态／稳态、能级寿命、散射／振动谱、高光谱／光谱等分析功能；2022年初，深圳市海谱纳米光学科技有限公司完成数千万元A轮融资，未来将聚焦微型高光谱MEMS芯片研发。信息显示，2019年，海谱纳米光学开启第一款微型高光谱MEMS芯片的研发设计与流片，2020年第二款微型高光谱MEMS芯片样片开发成功，2022年初正式量产第一代微型高光谱MEMS芯片；2021年末，天津中科谱光信息技术有限公司接连完成Pre-A轮、A轮数千万元人民币融资。据悉，两轮融资款将主要用于加大高光谱核心算法研发投入，提升光谱大数据云服务平台技术壁垒，加速水质监测系列产品创新迭代，加强团队建设和市场推广… … 随着技术的进步，当前，高光谱成像系统已经变得紧凑，价格也有所降低，可以更好地适用于不同的领域，其应用领域也从最初的地球卫星成像，覆盖到农业、制药、食品测试、医疗诊断、艺术研究、环境等更多领域。2022年上半年中国政府采购网中标信息显示（以“高光谱”为关键词搜索，不完全统计），中国海洋大学、福建师范大学、中国医学科学院药用植物研究所、广东省农业科学院环境园艺研究所、上海市测绘院、中国文化遗产研究院、重庆市生态环境科学研究院等多类型的单位均在进行相关的仪器及服务采购，双利合谱、奥谱天成等仪器品牌在列。中标信息摘录如下：采购单位项目名称采购内容仪器型号品牌中国海洋大学中国海洋大学三亚海洋研究院水面高光谱辐射自动测量系统设备采购项目水面高光谱辐射自动测量系统USRAMS海星福建师范大学福建师范大学无人机载高光谱成像系统等设备货物类采购无人机载高光谱成像系统仪器Gaiasky-mini2-VN双利合谱中国医学科学院药用植物研究所改善科研条件专项项目（中药资源保护与可持续利用研究平台设备购置）纳米高光谱显微成像系统CytoVivaHSCytoViva广东省农业科学院环境园艺研究所构建“环境-植物”大数据监测平台与智能控制系统高光谱成像仪GaiaSky-Mini3-VN双利合谱上海市测绘院长三角一体化示范区高光谱数据采集项目长三角一体化示范区高光谱数据采集项目中国文化遗产研究院布达拉宫高光谱扫描及数据处理布达拉宫高光谱扫描及数据处理重庆市生态环境科学研究院环科院2022年环境科研监测设备能力建设（第一部分）机载高光谱激光雷达一体化成像系统ATHL9010奥谱天成佛山市生态环境局南海分局南海区重点河涌入河排污口核查及规范化管理重点河涌无人机高光谱监测分析深圳职业技术学院水环境遥感和同位素监测设备便携式高光谱成像仪Pika LRESONON福建省福州环境监测中心站福建省福州环境监测中心站填平补齐项目（实验室能力建设）机载高光谱成像系统Pika LRESONON上海市测绘院航空摄影项目入围供应商名录上海市测绘院航空摄影项目入围供应商名录 （包括机载高光谱数据获取服务）鄂尔多斯市生态环境局鄂托克前旗分局综合监管平台升级改造项目（污染源在线监控平台升级改造）数据加工处理服务（含高光谱）北京市农林科学院事业国家数字农业装备创新中心试点建设项目作物便携式高光谱成像仪Image-λ-V10E-HR 1全自动、多尺度高光谱成像仪SOC710-VP作物组分荧光高光谱成像仪IMA-VIS-INV-447-DIA/EPI广东省国土资源测绘院东省国土资源测绘院自动变化检测能力建设与数据生产服务及生态状况调查评价服务采购项目数据加工处理服务-样本数据采集，含精准采集卫星影像（多光谱、高光谱、SAR）四川农业大学川农业大学第三批省级共建与发展专项显微镜及成像设备采购项目机载高光谱成像系统PIKA中国科学院地理科学与资源研究所中国科学院2021年度野外观测网络移动观测平台采购项目机载高光谱相机Pika LRESONON西南民族大学西南民族大学若尔盖湿地生态站湿地水土气生要素观测与监测设备购置项目第二批设备采购项目湿地高光谱成像监测系统ATH9010W奥谱天成从逐利的角度而言，资本看中的企业要么正在解决新兴技术和趋势带来的新挑战，要么专注于已经成熟的颠覆性行业，而能得到资本市场的青睐也在很大程度上彰显了这些技术或者市场巨大的诱惑力。近年来，我国高光谱的市场表现已经引起学术和产业界的共同关注，在食品农产品检测、作物表型监测、农业遥感等多方面都取得了一定的进展。另外，不少仪器公司也开始布局或者重视高光谱仪器的开发。多位业内人士表示，未来市场可期！为了更深入了解高光谱的技术和应用进展，第十一届光谱网络会议（7月19-22日）特别邀请了中科院上海技物所王建宇院士介绍《高光谱技术发展与空间应用展望》。此外，还在7月22日上午专门设立了高光谱专场（新技术与新方法三），邀请了多位高光谱相关的专家现场分享。立即报名》》》07月22日光谱新技术与新方法（三） 09:00--09:30光谱技术前沿进展张立福中国科学院空天信息创新研究院 研究员09:30--10:00基于光谱技术的空天地一体化水环境动态监测马宗伟无锡谱视界科技有限公司 副总经理/助理研究员10:00--10:30高光谱成像技术在农作物种子质量检测中的应用探索吴静珠北京工商大学 教授10:30--11:00“智慧农业”作物多维光谱学感知关键技术与装备研发孙红中国农业大学 教授11:00--11:30多尺度果品光谱与成像定量检测技术研究罗华平塔里木大学 教授

会议时间：2024年4月19日参会方式：线上参会主办方：中山大学测绘科学与技术学院北京理加联合科技有限公司协办方：英国ASD公司美国Resonon公司加拿大Itres公司01 背景随着科技的不断进步和创新，高光谱遥感技术已经成为遥感领域的前沿技术之一。相较于传统的多光谱遥感，高光谱遥感不仅可以捕捉到多光谱技术所无法观测到的光谱信息，而且可以为各个领域的研究提供更加全面和深入的数据支持。目前，高光谱遥感技术在农业、环境、林业监测、土壤科学、水色遥感、大气科学、材料研究等各个领域都得到了广泛的应用。在农业领域，高光谱遥感技术可以用于监测作物的生长情况、诊断病虫害、优化施肥方案等；在环境领域，可以用于监测水质、土壤污染、植被覆盖等；在大气科学领域，可以用于监测大气组成、空气质量等。这些应用展示了高光谱遥感技术在不同领域中的巨大潜力和价值。为了促进科研工作者对高光谱遥感技术及其研究进展的了解，并推动不同学科领域之间的交流与合作，拓宽高光谱遥感技术在各个研究领域的应用和发展，2024年高光谱测量技术及应用学术交流会将于4月19日举办。届时相关专家学者将分享他们在高光谱遥感领域的最新研究成果、技术创新和应用案例，共同探讨高光谱遥感技术的未来发展方向和挑战。02 会议目的面向广大科研人员，开展以高光谱遥感基础理论、技术方法、数据分析和应用研究进展等多方面为主的技术交流和培训，以解决仪器使用过程中遇到的各种问题，提高仪器测量的精确度和准确度，促进和拓宽高光谱遥感技术在不同领域的应用。03 会议内容1）高光谱遥感技术前沿的科学问题2）高光谱技术的基础理论与方法3）高光谱技术的应用和最新研究进展4）高光谱和激光雷达相融合的最新技术及应用04 会议日程9:00~9:05致辞王天星 副院长中山大学测绘科学与技术学院9:05~9:10致辞孙宝宇 总经理北京理加联合科技有限公司9:10~9:50基于多源光谱信息的东北耕地土壤有机碳遥感反演研究耿静 助理教授中山大学测绘科学与技术学院9:50~10:30内蒙古典型草原植被生物量遥感反演研究王秀梅 副教授内蒙古工业大学10:30~10:40休息10:40~11:20“空-地”高光谱遥感监测技术设备的升级韩善龙 低空遥感工程师北京理加联合科技有限公司11:20~12:00基于多尺度遥感技术的农田杂草防控研究权龙哲 教授安徽农业大学休息时间13:30~14:10遥感环境指标的云计算系统宋挺 高级工程师江苏省无锡环境监测中心14:10~14:50基于高光谱遥感影像的数字土壤制图研究郭龙 副教授华中农业大学资源与环境学院14:50~15:30国产日光诱导叶绿素荧光（SIF）及相关高光谱系统最新研发进展郑宁 应用科学家北京理加联合科技有限公司15:30~15:40休息15:40~16:20黄土高原麦田土壤有机碳及其因子的高光谱响应机理和定量监测王超 副教授山西农业大学16:20~17:00基于光谱指数的光照与阴影冠层和背景分离方法方美红 副研究员杭州师范大学遥感与地球科学研究院17:00~17:30生态系统碳源碳汇立体监测方案及实践孙宝宇 总经理北京理加联合科技有限公司05 会议时间、形式1.会议时间：2024年4月19日2.会议形式：线上（腾讯会议，届时将发送会议链接至报名邮箱）06 注意事项本次研讨会不收取费用。07 报名方式关注“理加联合”微信公众号，回复“2024”，获取报名链接08 联系我们BeijingLICA （工作人员微信号）请添加工作人员微信，邀请您进入此次会议交流群（请备注单位及姓名）09 专家一览耿静 助理教授中山大学测绘科学与技术学院耿静，中山大学测绘科学与技术学院助理教授、硕士导师。主要从事土壤遥感、全球变化与土壤碳动态等究。主持国家自然科学基金青年基金项目、广东省区域联青年基金、井冈山农高区省级科技专项“揭榜挂帅”课题、中科吉安生态环境研究院院长基金等多项课题。在国内期刊发表论文二十余篇；出版专著1部；授权国家发明专利2项；授权软件著作权1项；担任中科院二区SCi期刊Agriculture客座编辑及《Geoderma》、《Soiland Tillage Research》等国际期刊审稿人。王秀梅 副教授内蒙古工业大学王秀梅，博士，副教授，硕士生导师。现就职于内蒙古工业大学环境科学与工程学科。主要研究方向为环境信息系统、环境遥感、高光谱遥感。主持内蒙古自然基金项目 目“基于多源信息的草原蝗虫遥感监测与预测方法研究”和“基于多尺度数据源的生物多样性对草地生态系统功能稳定性影响研究” ”出版著作《遥感与地理信息系统实习教程》、《一种高光谱成像设备,实用新型专利》和《一种便携式野外高光谱相机系统,实用新型专利》。权龙哲 教授安徽农业大学权龙哲，安徽农业大学教授、博士生导师，智能制造专业负责人，主要从事农业机器人与人工智能技术研究；获东北农业大学学士/硕士学位、吉林大学博士学位，在哈工大机器人国家重点实验室和美国UIUC脱产访学多年，于东北农业大学农业工程博士后流动站出站；获安徽省领军人才（特聘教授）、黑龙江省高校人才、东北农业大学青年才俊、东北农业大学学术骨干等人才称号，2021年被安徽农业大学以高层次人才引进；现任中国农业工程学会青年工作委员会副主任委员、中国农业机械学会青年工作委员会副主任委员、中国农业机械标准化委员会委员、省创新方法学会理事等9项学术兼职；担任农业工程学报/农业机械学报/COMPAG/BE/RS/IJABE/ASABE等国内外农业工程领域知名期刊的审稿专家，同时还担任国家基金/博后基金/各地省市基金等函评专家，以及各类人才项目/优秀教师奖/科技奖的评审专家。宋挺 高级工程师江苏省无锡环境监测中心宋挺，江苏省无锡环境监测中心高级工程师。长期从事环境遥感和生物生态研究，参与省级及以上科研课题5项，近年来以第一作者在“Science of the Total Environment”、“Remote Sensing”、“遥感学报”、“湖泊科学”、“光谱学与光谱分析”、“环境科学学报”、“遥感技术与应用”、“中国环境监测”等期刊发表20多篇学术论文，多篇论文被录入《学术精要数据库》前0.1%或前1%。发明专利三项，软件著作四项，获得生态环境监测三五人才“技术骨干”称号。郭龙 副教授华中农业大学资源与环境学院郭龙，华中农业大学资源与环境学院副教授。研究专注于利用多源异构的自然环境和人为活动数据进行土壤属性（土壤有机碳、黑碳、多环芳烃等）反演制图、农作物长势监测和生态环境评估等。近年来在国内外知名期刊杂志发表学术论文40余篇，其中，第一/通讯作者身份发表论文18篇，SCI论文14篇（Top期刊7篇），发表在Geoderma，Soil&TillageRe-search和土壤学报等知名期刊。主持国家自然科学基金，博士后面上项目二等资助，湖北省自然科学基金等。全国第三次土壤普查剖面样点布设技术负责人，全国第三次土壤普查技术规范编委，湖北省第三次全国土壤普查专家成员。王超 副教授山西农业大学王超，博士，副教授，硕士生导师，教育部学位中心通讯评议专家，山西省小麦产业技术体系信息岗位专家，长期从事智慧农业研究，先后主持中国博士后科学基金项目、山西省基础研发项目、山西省高等学校科技创新项目等课题8项，以第一作者或者通讯作者在国际和国家级学术刊物发表论文22篇，其中SCI论文18篇，授权国家专利2项，荣获山西省“三晋英才”青年优秀人才称号，是2016年山西省优秀博士学位论文获得者。方美红 副研究员杭州师范大学遥感与地球科学研究院方美红，杭州师范大学遥感与地球科学研究院特聘副研究员，硕导。南京大学资源环境遥感博士、地理学博士后。主持或参与国家自然科学基金、中国博士后科学基金等 10 余项，已累计在国际主流 SCI/SSCI 刊物发表论文10 余篇，获得授权专利和软件著作权多项；担任多个SCI 期刊审稿人。研究方向：植被冠层结构和叶片生化参数遥感定量反演、陆地碳水循环模拟和湿地生态环境监测。

12月9日，高光谱综合观测卫星在太原卫星发射中心由长征二号丁运载火箭成功发射。卫星上装载了中科院合肥研究院安光所自主研制的大气痕量气体差分吸收光谱仪EMI-II。高光谱综合观测卫星是由国家生态环境部牵头、中国航天科技集团有限公司八院抓总研制的综合性观测卫星。该卫星探测谱段涵盖了从紫外到长波红外的光学波段，具有高光谱分辨率、高精度、高灵敏度的观测能力，服务于国家生态环境监测、国土资源勘查、防灾减灾和气象用户需求。其搭载的大气痕量气体差分吸收光谱仪EMI-II主要用于获取紫外到可见波段的超光谱遥感数据，实现对全球大气痕量成分(二氧化硫、二氧化氮、臭氧、甲醛等)分布和变化的定量监测，为全球/区域痕量污染气体成分的分布和变化提供科学数据；未来将面向国家污染减排、环境质量监管、大气成分与气候变化监测，开展污染气体、区域环境空气质量、大气成分、气候变化等超光谱遥感监测应用示范。EMI-II载荷于2020年10月立项，2021年10月完成系统调试、测试，2022年1月上旬完成出所质量评审，2022年1月中旬交付航天八院验收评审。载荷开机运行后，将与2021年9月发射的“高光谱观测卫星”、2022年4月发射的“大气环境监测卫星”上的EMI-II载荷组网运行，增加我国大气环境卫星观测频次，提高重访能力和全球覆盖能力，为我国实现减污降碳协同增效、建设美丽中国的目标提供有力支撑。大气痕量气体差分吸收光谱仪EMI-II