Nature重磅突破：高光譜成像邁向“芯片時代”
突破傳統瓶頸，高光譜成像迎來全新架構
高光譜成像能夠同時獲取目標的空間信息和光譜信息，被譽為“給世界做CT"。相比普通RGB相機只能看到紅綠藍三種顏色，高光譜能夠獲取幾十甚至上百個連續波段的信息，從而識別肉眼無法分辨的物質特征。
然而長期以來，高光譜設備普遍面臨體積大、重量重、成本高以及掃描速度慢等問題。傳統推掃式和濾波式高光譜系統需要依賴復雜的光學元件和機械掃描結構，在動態目標檢測、無人機搭載以及實時監測場景中受到限制。
Nature最新研究提出的HyperspecI技術，通過將寬帶光譜調制材料直接集成到圖像傳感器芯片表面，實現了光譜信息與空間信息的同步獲取，再結合AI重建算法完成高光譜數據恢復。該方案首&次實現了高空間分辨率、高時間分辨率與超寬波段覆蓋的統一，為下一代高光譜傳感器的發展提供了新思路。
論文核心創新點
傳統高光譜主要有三類：
而論文提出：
HyperspecI
寬帶調制陣列 + CMOS/InGaAs + AI重建
系統結構：
目標場景
↓
寬帶光譜調制陣列(BMSFA)
↓
CMOS/InGaAs傳感器
↓
SRNet神經網絡
↓
高光譜數據立方體
與傳統濾光片不同，每個像素上方并不是單獨對應一個窄帶濾光片，而是采用16種不同的寬帶調制材料進行編碼。
BroadbandMultispectralFilterArray（BMSFA）
16種特殊材料：
10種有機染料
6種納米金屬氧化物
覆蓋：
400-1700nm
這些材料并不阻斷大部分光。
而是：
不同波長
↓
產生不同透過率
↓
形成獨特編碼
類似：
波長A → 0.8
波長B → 0.3
波長C → 0.6
這樣每個像素都獲得了大量光能。
最終：
平均透過率達到74.8%
遠高于：
RGB：30%
多光譜：10%
CASSI：50%
論文驗證了哪些應用？
（1）農業
葉綠素SPAD檢測
利用：
660nm
720nm
建立回歸模型
誤差：
3.73%
蘋果糖度檢測
SSC預測誤差：
5.3%
（2）血氧監測
利用：
780nm
830nm
兩個特征波段
實現SpO?監測。
（3）水質監測
兩種顏色相近液體：
RGB無法區分
高光譜可區分。
（4）紡織品分類
棉
VS
聚酯纖維
分類準確率：
98.15%
（5）蘋果碰傷檢測
利用：
1060nm
1260nm
1440nm
吸收峰
檢測肉眼不可見損傷。
奧譜天成：以定制化能力推動高光譜產業落地
作為國內高光譜儀器研發與產業化的重要企業，奧譜天成始終堅持以應用需求為導向，為客戶提供覆蓋紫外、可見光、近紅外、短波紅外等多個波段范圍的高光譜解決方案。
針對不同應用場景，奧譜天成可提供從傳感器選型、光學設計、波段配置、成像方式、算法開發到行業模型建立的一站式定制服務。無論是無人機遙感、農業表型分析、食品品質檢測、工業在線檢測，還是公安刑偵、生物醫療及科研創新領域，均可根據客戶需求快速構建專屬高光譜系統。
目前，奧譜天成已形成覆蓋推掃式、快照式、線掃式及面陣式等多種技術路線的產品體系，并具備從300nm至2500nm全波段產品研發能力。同時，公司擁有成熟的光譜數據庫建設和AI模型開發經驗，可幫助客戶將高光譜數據快速轉化為可落地的行業應用成果。
未來，隨著人工智能、邊緣計算和高光譜技術的深度融合，奧譜天成將持續發揮自主研發與定制創新優勢，讓高光譜真正從實驗室走向產業現場，為更多行業創造可見價值。
