Nature重磅突破：高光谱成像迈向“芯片时代”
2026-06-04 15:45:31
奥谱天成
突破传统瓶颈，高光谱成像迎来全新架构 高光谱成像能够同时获取目标的空间信息和光谱信息，被誉为“给世界做CT”。相比普通RGB相机只能看到红绿蓝三种颜色，高光谱能够获取几十甚至上百个连续波段的信息，从而识别肉眼无法分辨的物质特征。 然而长期以来，高光谱设备普遍面临体积大、重量重、成本高以及扫描速度慢等问题。传统推扫式和滤波式高光谱系统需要依赖复杂的光学元件和机械扫描结构，在动态目标检测、无人机搭载以及实时监测场景中受到限制。 Nature最新研究提出的HyperspecI技术，通过将宽带光谱调制材料直接集成到图像传感器芯片表面，实现了光谱信息与空间信息的同步获取，再结合AI重建算法完成高光谱数据恢复。该方案首次实现了高空间分辨率、高时间分辨率与超宽波段覆盖的统一，为下一代高光谱传感器的发展提供了新思路。 论文核心创新点 传统高光谱主要有三类： 而论文提出： HyperspecI 宽带调制阵列 + CMOS/InGaAs + AI重建 系统结构： 目标场景 ↓ 宽带光谱调制阵列(BMSFA) ↓ CMOS/InGaAs传感器 ↓ SRNet神经网络 ↓ 高光谱数据立方体 与传统滤光片不同，每个像素上方并不是单独对应一个窄带滤光片，而是采用16种不同的宽带调制材料进行编码。 BroadbandMultispectralFilterArray（BMSFA） 16种特殊材料： 10种有机染料 6种纳米金属氧化物 覆盖： 400-1700nm 这些材料并不阻断大部分光。 而是： 不同波长 ↓ 产生不同透过率 ↓ 形成独特编码 类似： 波长A → 0.8 波长B → 0.3 波长C → 0.6 这样每个像素都获得了大量光能。 最终： 平均透过率达到74.8% 远高于： RGB：30% 多光谱：10% CASSI：50% 论文验证了哪些应用？ （1）农业 叶绿素SPAD检测 利用： 660nm 720nm 建立回归模型 误差： 3.73% 苹果糖度检测 SSC预测误差： 5.3% （2）血氧监测 利用： 780nm 830nm 两个特征波段 实现SpO₂监测。 （3）水质监测 两种颜色相近液体： RGB无法区分 高光谱可区分。 （4）纺织品分类 棉 VS 聚酯纤维 分类准确率： 98.15% （5）苹果碰伤检测 利用： 1060nm 1260nm 1440nm 吸收峰 检测肉眼不可见损伤。 奥谱天成：以定制化能力推动高光谱产业落地 作为国内高光谱仪器研发与产业化的重要企业，奥谱天成始终坚持以应用需求为导向，为客户提供覆盖紫外、可见光、近红外、短波红外等多个波段范围的高光谱解决方案。 针对不同应用场景，奥谱天成可提供从传感器选型、光学设计、波段配置、成像方式、算法开发到行业模型建立的一站式定制服务。无论是无人机遥感、农业表型分析、食品品质检测、工业在线检测，还是公安刑侦、生物医疗及科研创新领域，均可根据客户需求快速构建专属高光谱系统。 目前，奥谱天成已形成覆盖推扫式、快照式、线扫式及面阵式等多种技术路线的产品体系，并具备从300nm至2500nm全波段产品研发能力。同时，公司拥有成熟的光谱数据库建设和AI模型开发经验，可帮助客户将高光谱数据快速转化为可落地的行业应用成果。 未来，随着人工智能、边缘计算和高光谱技术的深度融合，奥谱天成将持续发挥自主研发与定制创新优势，让高光谱真正从实验室走向产业现场，为更多行业创造可见价值。
