近红外高光谱成像及典型应用场景
近红外（NIR）传感器可捕获和分析900~1700nm波长范围内的光（见图1），并且能够评估人眼无法检测到的物体细节。
在NIR区域工作的高光谱相机和传感器，正被越来越多地应用于研究实验室和工业机器视觉领域。NIR高光谱成像（HSI）的价值和多功能性在一些应用中得到了体现，
包括塑料和纺织品分选、食品和药品质量控制以及薄膜厚度和水分测量等。
图1：NIR高光谱成像可捕获电磁波谱中900~1700nm波长范围内的光谱信息。
高光谱相机结合了成像技术和光谱学技术。高光谱相机获取高光谱数据立方体，逐像素收集光谱和空间信息。
每个像素都会产生一个光谱特征，为不同的材料提供“指纹”。该技术有助于材料的分类和分析，只需根据不同材料的光谱特征，即可辨别这些材料及其特性。
事实证明，NIR高光谱成像在各行各业都有用武之地，可以显著改善检验、分选和分析流程。高光谱成像提供有关制造过程的实时信息，
有助于确保遵守法规、降低成本并提高质量。
（1）塑料的准确、高速分选
NIR高光谱成像可用于高效分选塑料以便回收，从而实现高纯度率。虽然短波 （SWIR）和中波红外（MWIR）高光谱相机也可用于塑料分选，
但是NIR传感器通常是高性价比的塑料分选解决方案，适用于分选常见的塑料。
乌克兰设备制造商Prodecologia开发了一种采用Specim FX17相机的NIR分离器，可识别、分选和分离不同类型的聚合物，
从而提高聚合物回收过程的效率（见图4）。尽管聚合物加工过程非常复杂且可回收的聚合物品种多样，Prodecologia 公司
仍通过NIR HSI技术实现了超过98%的聚合物纯度分数。
Prodecologia 的NIR分离器可以分离PET、PVC、PE和PP等塑料。PP和PE混合物的产能为600~700公斤/小时，PET薄片的产能为500~600公斤/小时。
纺织品快速分选和回收
NIR高光谱成像还可以识别纺织品的成分，因为不同的纤维具有光谱特性。分离不同的纺织材料是一个复杂的过程，
因为它们含有各种原材料，并混合了天然纤维和合成纤维。PICVISA是西班牙一家专门从事光学分选、机器人、
人工智能和深度学习业务的公司，其利用NIR高光谱成像改变了纺织品分选的现状。
PICVISA公司开发了一款自动化纺织品分选机，其中集成了Specim FX17相机以及多种互补技术和人工智能。
PICVISA公司产品经理Daniel Carrero表示：“NIR高光谱带来了突破性的改变，可以帮助我们识别服装的材料和成分，
以便在回收前进行预选，并以出色的光谱分辨率提供完整分析。”
在纺织和纤维行业，NIR光谱法还用于控制质量和分析参数，如纤维成分、水分含量、染料浓度和其他特性等。
食品分级、质量控制和异物检测
NIR HSI在食品行业中的用途包括分选、分级、质量控制和认证。NIR HSI通过利用每种材料固有的光谱模式，帮助准确可靠地评估化学成分和识别异物。
各种食品特性（例如水分、脂肪、蛋白质、糖含量和其他营养参数）在 NIR光谱范围内具有的光反射特性。
使用RGB相机很难区分脂肪、肉以及污染物（如塑料或木材等）。但是，NIR HSI可以准确识别这些污染物并检测脂肪在肉中的位置，因为它们的光谱特征不同。
与传统彩色和滤镜相机以及点光谱仪相比，NIR高光谱具有诸多优势。高光谱成像支持对大面积或多个样品进行全面、快速、无损检验。这在注重高吞吐量、
实时监控和卫生的食品行业尤其重要。
湿度测量
NIR光谱范围内的水吸收是一种重要现象，对各个科学和技术领域非常有用。在NIR范围内，水分子由于水的基本振动模式（H-O-H分子的伸缩和弯曲运动）的共振和组合而吸收光。吸收波段主要在760nm、970nm、1200nm、1450nm和1940nm附近观察到。
吸收强度随波长变化。例如，在1450nm处，水表现出很强的吸收峰，使得 NIR波长特别适用于检测各种物质中的水含量。NIR范围内的这种水吸收特性被用于许多应用，包括遥感、农业、食品、造纸、木材、化妆品行业和生物医学成像等。例如，利用NIR光谱范围内的水吸收特性，可以测量肉末中的水分和脂肪含量。
利用NIR光谱范围内的水吸收，可以分析新鲜农产品。荷兰瓦格宁根大学与研究中心（WUR）开发了一种基于VNIR（可见光和近红外）
和NIR高光谱相机的独立一体式光谱成像系统，用于监测水果新鲜度和成熟度。
药品检验和分析
在药品检验和分析中，NIR范围对于确保药物质量和药物成分的安全性和有效性特别有用。NIR HSI已成功应用于各类活性成分的监测，
甚至透过泡罩包装进行监测。当药品（如片剂或粉末）外观无异时，HSI是一种特别有价值的检验方法
测量薄膜厚度
NIR HSI还有助于检验薄膜和涂层的厚度。NIR HSI可以改进薄膜效率和涂层质量控制系统，提供100%在线检验，
以提高质量并减少浪费；与仅提供部分监控的基于点光谱仪的当前解决方案相比，可以实现更快、更全面的检验。
