高光譜成像（HSI）已成為精準(zhǔn)農(nóng)業(yè)（PA）的一種前景廣闊的研究工具。與可見光（RGB）或多光譜的成像技術(shù)不同，高光譜成像技術(shù)可以更詳細(xì)、更全面地了解作物健康狀況，從而做出更有針對(duì)性、更精確的作物管理決策。HSI通過分析作物獨(dú)特的光譜特征，可以檢測(cè)植物的脅迫、病害和養(yǎng)分虧缺，提供優(yōu)化作物產(chǎn)量和降低投入成本的有價(jià)值信息。

起初，HSI主要用于軌道和亞軌道平臺(tái)。現(xiàn)在便攜式手持版本HSI已經(jīng)面世，并在工程、醫(yī)學(xué)科學(xué)研究和工業(yè)生產(chǎn)線等領(lǐng)域得到廣泛應(yīng)用。在過去二十年中，使用手持式高光譜傳感器的同行評(píng)審研究數(shù)量正在增加，越來越多的研究正在構(gòu)建定制的數(shù)據(jù)收集平臺(tái)和分析工作流程（圖 1）。

圖1 同行評(píng)審出版物中的研究趨勢(shì)顯示，使用手持式高光譜傳感器和定制平臺(tái)進(jìn)行高光譜數(shù)據(jù)采集或分析的研究呈上升趨勢(shì)。

高光譜傳感器雖然在過去幾十年中不斷改進(jìn)，但與RGB攝像機(jī)相比仍然缺乏實(shí)時(shí)應(yīng)用的普遍可行性。與數(shù)字圖像相比，高光譜數(shù)據(jù)的數(shù)據(jù)量大、數(shù)據(jù)采集成本高、工作量大，數(shù)據(jù)的分析大多是在研究實(shí)驗(yàn)室中進(jìn)行，而且在研究界的適應(yīng)性有限，因此實(shí)時(shí)利用高光譜數(shù)據(jù)不切實(shí)際。為了克服高光譜傳感器在實(shí)時(shí)應(yīng)用方面的挑戰(zhàn)，我們要將重點(diǎn)轉(zhuǎn)移到技術(shù)方法上，以彌補(bǔ)處理高維高光譜數(shù)據(jù)時(shí)產(chǎn)生的差距。表1顯示了近期就高光譜成像在農(nóng)業(yè)中的應(yīng)用所開展的綜述研究的重點(diǎn)領(lǐng)域。

表1 近年來在農(nóng)業(yè)工程領(lǐng)域進(jìn)行的重要高光譜成像審查概述。

近期，Billy G. Ram 等在Computers and Electronics in Agriculture發(fā)表題為 A systematic review of hyperspectral imaging in precision agriculture: Analysis of its current state and future prospects的綜述論文，主要介紹了高光譜成像（HSI）在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用現(xiàn)狀及未來前景。Billy G. Ram等對(duì)過去二十年（2003-2023年）中發(fā)表的163篇科學(xué)文章進(jìn)行了系統(tǒng)性回顧。其中97篇被選作進(jìn)一步分析的依據(jù)是與當(dāng)前主題的相關(guān)性。主題包括傳統(tǒng)數(shù)據(jù)預(yù)處理技術(shù)、高光譜數(shù)據(jù)采集、數(shù)據(jù)壓縮方法和分割方法。探討了用于高速數(shù)據(jù)處理及機(jī)器學(xué)習(xí)應(yīng)用和深度學(xué)習(xí)的現(xiàn)場(chǎng)可編程門陣列（FPGA）和圖形處理器（GPU）的硬件實(shí)現(xiàn)。

本綜述側(cè)重于地面高光譜傳感器的實(shí)時(shí)應(yīng)用要求，關(guān)注具有高空間分辨率的集成化更高的地面、無人機(jī)和機(jī)載高光譜傳感器。強(qiáng)調(diào)了地面高光譜成像技術(shù)在精準(zhǔn)農(nóng)業(yè)中的巨大潛力，以及作為實(shí)時(shí)作物監(jiān)測(cè)和分析的研究工具的前景。討論了其局限性和HSI技術(shù)的發(fā)展為未來農(nóng)業(yè)和糧食安全帶來了巨大的希望。

圖3 根據(jù)PRISMA指南進(jìn)行的文獻(xiàn)篩選過程

圖4 高光譜數(shù)據(jù)采集的不同模式。(a) 點(diǎn)掃描、(b) 線掃描、(c) 波長(zhǎng)掃描和 (d) 快照掃描。

圖5 實(shí)地應(yīng)用的高光譜平臺(tái)實(shí)例。

(a)自主平臺(tái)信息系統(tǒng)（API）；(b) 手持紙板作背景的數(shù)據(jù)收集；(c) 兩臺(tái)光譜儀融合成一臺(tái)便攜式光譜儀，在Raspberry pi 3上運(yùn)行，用于數(shù)據(jù)收集（點(diǎn)掃描法）；(d 和 i）在田間（d）和實(shí)驗(yàn)室（i）條件下測(cè)試的具有微劑量功能除草平臺(tái)；(e 和 f) 用于數(shù)據(jù)收集的人工照明系統(tǒng) Hypercart；(e)和成像盒(f)，實(shí)驗(yàn)室應(yīng)用的高光譜平臺(tái)示例；(g) 用于數(shù)據(jù)收集和模型部署的一體化光譜成像 (ASI)；(h) 咖啡豆缺陷檢測(cè)系統(tǒng)，使用機(jī)械臂進(jìn)行分揀；(j) 大疆M600集成的NVIDIA Jetson TK1 數(shù)據(jù)采集和記錄系統(tǒng)，使用專為地面應(yīng)用設(shè)計(jì)的Specim FX10；(k) 大疆M600 集成的無人機(jī)專用傳感器，具有內(nèi)置數(shù)據(jù)記錄功能；(l) 大疆S1000 集成的 Rededge 多光譜傳感器。

表2 農(nóng)業(yè)應(yīng)用中使用的各種高光譜平臺(tái)。

圖6 (a) 高光譜數(shù)據(jù)立方體的可視化；(b) 不同波長(zhǎng)的高光譜圖像；(c-d) 使用 k-均值聚類進(jìn)行基本分割過程以去除背景；(e) 顯示原始作物光譜特征；(f) 以Savitzky Golay二階導(dǎo)數(shù)預(yù)處理為例，展示了預(yù)處理后的相同光譜特征。

圖8 應(yīng)用于高光譜圖像的各種基于空間變換的數(shù)據(jù)增強(qiáng)技術(shù)示例。紅色標(biāo)記用于突出顯示這些變換所導(dǎo)致的圖像方向的變化。

來源：Billy G. Ram, Peter Oduor, C. Igathinathane, Kirk Howatt, Xin Sun,A systematic review of hyperspectral imaging in precision agriculture: Analysis of its current state and future prospects,Computers and Electronics in Agriculture,Volume 222,2024,109037,ISSN 0168-1699