高光谱成像（HSI）已成为精准农业（PA）的一种前景广阔的研究工具。与可见光（RGB）或多光谱的成像技术不同，高光谱成像技术可以更详细、更全面地了解作物健康状况，从而做出更有针对性、更精确的作物管理决策。HSI通过分析作物独特的光谱特征， 可以检测植物的胁迫、病害和养分亏缺，提供优化作物产量和降低投入成本的有价值信息。起初，HSI 主要用于轨道和亚轨道平台。现在便携式手持版本HSI已经面世，并在工程、医学科学研究和工业生产线等领域得到广泛应用。在过去二十年中，使用手持式高光谱传感器的同行评审研究数量正在增加，越来越多的研究正在构建定制的数据收集平台和分析工作流程（图 1）。
![]()
图1 同行评审出版物中的研究趋势显示，使用手持式高光谱传感器和定制平台进行高光谱数据采集或分析的研究呈上升趋势。
高光谱传感器虽然在过去几十年中不断改进，但与 RGB 摄像机相比仍然缺乏实时应用的普遍可行性。与数字图像相比，高光谱数据的数据量大、数据采集成本高、工作量大，数据的分析大多是在研究实验室中进行，而且在研究界的适应性有限，因此实时利用高光谱数据不切实际。为了克服高光谱传感器在实时应用方面的挑战，我们要将重点转移到技术方法上，以弥补处理高维高光谱数据时产生的差距。表 1 显示了近期就高光谱成像在农业中的应用所开展的综述研究的重点领域。![]()
近期，Billy G. Ram 等在Computers and Electronics in Agriculture发表题为 A systematic review of hyperspectral imaging in precision agriculture: Analysis of its current state and future prospects的综述论文，主要介绍了高光谱成像（HSI）在精准农业中的应用现状及未来前景。Billy G. Ram 等对过去二十年（2003-2023 年）中发表的 163 篇科学文章进行了系统性回顾。其中 97 篇被选作进一步分析的依据是与当前主题的相关性。主题包括传统数据预处理技术、高光谱数据采集、数据压缩方法和分割方法。探讨了用于高速数据处理及机器学习应用和深度学习的现场可编程门阵列（FPGA）和图形处理器（GPU）的硬件实现。本综述侧重于地面高光谱传感器的实时应用要求，关注具有高空间分辨率的集成化更高的地面、无人机和机载高光谱传感器。强调了地面高光谱成像技术在精准农业中的巨大潜力，以及作为实时作物监测和分析的研究工具的前景。讨论了其局限性和HSI技术的发展为未来农业和粮食安全带来了巨大的希望。表1 近年来在农业工程领域开展的重要高光谱成像研究概述。![]()
![]()
![]()
![]()
图4 高光谱数据采集的不同模式。(a) 点扫描、(b) 线扫描、(c) 波长扫描和 (d) 快照扫描。![]()
(a)自主平台信息系统（API）；(b) 手持纸板作背景的数据收集；(c) 两台光谱仪融合成一台便携式光谱仪，在Raspberry pi 3上运行，用于数据收集（点扫描法）；(d 和 i）在田间（d）和实验室（i）条件下测试的具有微剂量功能除草平台；(e 和 f) 用于数据收集的人工照明系统 Hypercart；(e)和成像盒(f)，实验室应用的高光谱平台示例；(g) 用于数据收集和模型部署的一体化光谱成像 (ASI)；(h) 咖啡豆缺陷检测系统，使用机械臂进行分拣；(j) 大疆M600集成的NVIDIA Jetson TK1 数据采集和记录系统，使用专为地面应用设计的Specim FX10；(k) 大疆M600 集成的无人机专用传感器，具有内置数据记录功能；(l) 大疆S1000 集成的 Rededge 多光谱传感器。![]()
![]()
图6 (a) 高光谱数据立方体的可视化；(b) 不同波长的高光谱图像；(c-d) 使用 k-均值聚类进行基本分割过程以去除背景；(e) 显示原始作物光谱特征；(f) 以Savitzky Golay二阶导数预处理为例，展示了预处理后的相同光谱特征。![]()
图7 FPGA和GPUs在高光谱数据处理中的应用，以及它们的架构特点和优势。(a)
FPGA、Xilinx 可重构板 XUPV2P；(b) NVIDIA Tesla C1060 GPU；(c) 采用FPGA的在线分类框架结构概述；(d) 显示多线程批处理能力的GPU架构。 表3 FPGA和GPUs在高光谱数据处理中的应用情况和效果![]()
表4 深度学习和机器学习模型在农业应用中的准确性。![]()
表5 高光谱成像在精准农业中的应用（完整表单请见原文）。![]()
![]()
图8 应用于高光谱图像的各种基于空间变换的数据增强技术示例。红色标记用于突出显示这些变换所导致的图像方向的变化。![]()
Billy G. Ram, Peter Oduor, et al. Computer vision in smart agriculture and precision farming: Techniques and applications[J]. Computers and Electronics in Agriculture, 2024, 222, 109037.
