不同类型光谱相机的技术差异比较
一、波段数量与连续性
多光谱相机
波段数：通常4-9个离散波段，光谱范围集中于400-1000nm。
数据特征：光谱呈阶梯状，无法连续覆盖，适用于中等精度需求场景（如植被分类）。
高光谱相机
波段数：100个以上连续窄波段（如500通道），覆盖更广光谱范围（如350-1700nm）。
数据特征：连续光谱曲线可捕捉细微特征，支持精细成分分析（如重金属检测）。
二、分光技术原理
多光谱相机
多镜头/多相机型：多个独立镜头或相机搭配滤光片，易产生视角偏差，需后期校正。
滤光片轮/可调谐滤光片：单镜头通过旋转滤光片切换波段，存在运动部件且效率低。
分光棱镜型：单镜头分光至多个探测器，结构复杂但图谱合一，适合静态场景。
高光谱相机
光栅色散型：利用光栅分光，需推扫成像，性价比高但依赖运动平台（如FS-IQ系列）。
干涉型：基于傅里叶变换技术，光谱分辨率更高（如1nm），但成本高且算法复杂。
三、扫描方式与效率
多光谱相机
单次曝光获取全部波段，适合动态场景，但通道数受限（如滤光片轮型）。
高光谱相机
线扫描（Pushbroom）：单次捕捉一行像素光谱，兼具效率与分辨率，广泛用于工业检测。
快照型：单次曝光获取全数据立方体，支持实时视频，但分辨率较低（适合动态目标）。
四、性能参数对比
| 参数 | 多光谱相机 | 高光谱相机 |
| 光谱分辨率 | 10-50nm（离散） | 1-6nm（连续） |
| 空间分辨率 | 中等（依赖滤光片设计） | 高（如1920×1920像素） |
| 适用场景 | 作物长势监测、基础分类 | 精细成分分析、污染识别 |
五、成本与稳定性
多光谱相机：结构简单、成本低，但受限于波段数量和分辨率。
高光谱相机：进口型号（如BD、贝克曼）稳定性高，国产型号（如彩谱科技）通过算法优化降低成本。
通过技术差异化适配，多光谱相机侧重效率与成本平衡，而高光谱相机以高分辨率赋能精准检测，满足农业、工业等多元需求。
👇点击以下名片，获取更多产品资料👇
欢迎咨询，欢迎交流
相关文章：
不同类型光谱相机的技术差异比较
一、波段数量与连续性 多光谱相机 波段数：通常4-9个离散波段，光谱范围集中于400-1000nm。 数据特征：光谱呈阶梯状，无法连续覆盖，适用于中等精度需求场景（如植被分类）。 高光谱相机…...
Swift系列01-Swift语言基本原理与设计哲学
本文将深入探讨Swift的核心原理、设计理念以及与Objective-C的对比 1. Swift与Objective-C的架构差异分析 Swift和Objective-C尽管可以无缝协作，但它们的架构设计存在本质差异。 1.1语言范式 Objective-C是一种动态语言，建立在C语言之上并添加了Smal…...
《OpenCV》——dlib（人脸应用实例）
文章目录 dlib库dlib库——人脸应用实例——表情识别dlib库——人脸应用实例——疲劳检测 dlib库 dlib库的基础用法介绍可以参考这篇文章：https://blog.csdn.net/lou0720/article/details/145968062?spm1011.2415.3001.5331，故此这篇文章只介绍dlib的人…...
以太网通讯
接口开发笔记-WebApi-CSDN博客 以太网常用通讯协议 1、modbus tcp using EasyModbus; using System;class Program {static void Main(string[] args){// 创建Modbus客户端实例ModbusClient modbusClient new ModbusClient("192.168.1.100"); // IP地址modbusCli…...
UDP学习笔记（一）为什么UDP需要先将数据转换为字节数组
UDP 发送数据时需要先将数据转换为字节数组再发送，主要是因为计算机网络传输的最基本单位是“字节”（Byte）。让我们从以下几个方面来深入理解这个设计选择： 1. 计算机网络只能传输“字节” 在网络通信中，无论是 TCP 还…...
数据分析/数据科学常见SQL题目：连续登录用户、留存率、最大观看人数
文章目录 1. SQL的执行顺序是什么？on和join谁先执行，为什么？on和where的区别？2. 已知表user,字段id, date，求新用户的次日留存率3. 已知表user，字段id，date，求每个日期新用户的次日留…...
【Conda】Windows安装conda/Anaconda环境
安装conda并配置powershell 访问该网址，下载安装即可： Anaconda下载 安装完成后，打开Anaconda，并访问Powershell Prompt 弹出Windows Terminal，并正常进入Conda 【非必须】如果不是通过Windows Terminal打开&#x…...
olmOCR：高效精准的 PDF 文本提取工具
在日常的工作和学习中，是否经常被 PDF 文本提取问题困扰？例如： 想从学术论文 PDF 中提取关键信息，却发现传统 OCR 工具识别不准确或文本格式混乱？需要快速提取商务合同 PDF 中的条款内容，却因工具不给力而…...
数字投屏叫号器-发射端python窗口定制
窗口 本系列前章介绍，叫号器的显示端，完成了视频音频的形成和传输的介绍。本章节开始定制小窗口。 最终实现，处于桌面最前端，发送指令，集合前篇即可完成： 处理本地text.txt更新，随之被rtsp采集…...
从零开始实现大语言模型（十四）：高阶训练技巧
1. 前言 预训练大语言模型的流程与训练普通神经深度网络模型本质上并没有任何不同。可以使用深度学习实践中已经被证明非常有效的高阶训练技巧，优化大语言模型预训练流程，使大语言模型预训练效率更高，训练过程更稳定。 本文介绍深度学习领域…...
Spring-framework源码编译
版本统一（搭配其他版本会遇到不可知错误）： 1）spring 5.2.X（5.5.26） 2）JDK8 3）Gradle:5.6.4 可以在gradle-wrapper.properties中修改 https\://services.gradle.org/distribution…...
分布式系统的核心挑战与解决方案
1、分布式系统的引入 在移动互联网、云计算和物联网的推动下，现代软件系统需要处理亿级用户请求、PB级数据存储和毫秒级响应需求。传统的单体架构受限于单机性能瓶颈和容灾能力，逐渐被分布式系统取代。例如，电商平台在“双十一”期间需应对每…...
fastjson漏洞
fastjson漏洞 fastjson工作原理攻击原理补充 例子 fastjson工作原理 fastjson的作用是将JAVA对象转换成对应的json表示形式，也可以反过来将json转化为对应的Java对象。fastjson使用AutoType功能进行反序列化，AutoType使用type标记字符的原始类型&#x…...
upload-labs详解（13-20）文件上传分析
目录 upload-labs-env upload-labs-env第十三关 文件包含漏洞 代码 测试 上传一个.jpg图片 上传一个.png文件 上传一个.gif图片 upload-labs-env第十四关 代码 思路 upload-labs-env第十五关 代码 思路 upload-labs-env第十六关 代码 思路 测试 上传gif格式…...
HTML第四节
一.复合选择器 1.后代选择器 注：1.后代选择器会选中后代所有的要选择的标签 2.儿子选择器 3.并集选择器 注：1.注意换行，同时选中多种标签 4.交集选择器 注：1.标签选择器放在最前面，例如放在类选择器的前面 2.两个选择…...
基于 LeNet 网络的 MNIST 数据集图像分类
1.LeNet的原始实验数据集MNIST 名称：MNIST手写数字数据集 数据类型：灰度图 （一通道） 图像大小：28*28 类别数：10类（数字0-9） 1.通过torchvision.datasets.MNIST下载并保存到本地…...
win11编译llama_cpp_python cuda128 RTX30/40/50版本
Geforce 50xx系显卡最低支持cuda128，llama_cpp_python官方源只有cpu版本，没有cuda版本，所以自己基于0.3.5版本源码编译一个RTX 30xx/40xx/50xx版本。 1. 前置条件 1. 访问https://developer.download.nvidia.cn/compute/cuda/12.8.0/local_…...
Spring Boot静态资源访问顺序
在 Spring Boot 中，static 和 public 目录都用于存放静态资源（如 HTML、CSS、JavaScript、图片等文件），但它们在使用上有一些细微的区别。以下是它们的详细对比： 1. 默认优先级 Spring Boot 会按照以下优先级加载静态…...
电脑总显示串口正在被占用处理方法
1.现象 在嵌入式开发过程中，有很多情况下要使用串口调试，其中485/422/232转usb串口是非常常见的做法。 根据协议，接口芯片不同，需要安装对应的驱动程序，比如ch340，cp2102，CDM212364等驱动。可…...
工具介绍《HACKBAR V2》
HackBar V2 是一款功能强大的浏览器渗透测试工具，主要用于测试 SQL 注入、XSS 漏洞、POST 传参等安全场景。以下是其核心功能、用法及实际案例操作的综合介绍： 一、核心功能与用法详解 1. 基础操作 Load URL 功能：将当前浏览器地址栏的 URL …...
接口测试中缓存处理策略
在接口测试中，缓存处理策略是一个关键环节，直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性，避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明： 一、缓存处理的核…...
Ubuntu系统下交叉编译openssl
一、参考资料 OpenSSL&&libcurl库的交叉编译 - hesetone - 博客园 二、准备工作 1. 编译环境 宿主机：Ubuntu 20.04.6 LTSHost：ARM32位交叉编译器：arm-linux-gnueabihf-gcc-11.1.0 2. 设置交叉编译工具链 在交叉编译之前&#x…...
【OSG学习笔记】Day 18: 碰撞检测与物理交互
物理引擎（Physics Engine） 物理引擎 是一种通过计算机模拟物理规律（如力学、碰撞、重力、流体动力学等）的软件工具或库。 它的核心目标是在虚拟环境中逼真地模拟物体的运动和交互，广泛应用于 游戏开发、动画制作、虚…...
【人工智能】神经网络的优化器optimizer（二）：Adagrad自适应学习率优化器
一.自适应梯度算法Adagrad概述 Adagrad（Adaptive Gradient Algorithm）是一种自适应学习率的优化算法，由Duchi等人在2011年提出。其核心思想是针对不同参数自动调整学习率，适合处理稀疏数据和不同参数梯度差异较大的场景。Adagrad通…...
Java如何权衡是使用无序的数组还是有序的数组
在 Java 中，选择有序数组还是无序数组取决于具体场景的性能需求与操作特点。以下是关键权衡因素及决策指南： ⚖️ 核心权衡维度 维度有序数组无序数组查询性能二分查找 O(log n) ✅线性扫描 O(n) ❌插入/删除需移位维护顺序 O(n) ❌直接操作尾部 O(1) ✅内存开销与无序数组相…...
2.Vue编写一个app
1.src中重要的组成 1.1main.ts // 引入createApp用于创建应用 import { createApp } from "vue"; // 引用App根组件 import App from ./App.vue;createApp(App).mount(#app)1.2 App.vue 其中要写三种标签 <template> <!--html--> </template>…...
C++中string流知识详解和示例
一、概览与类体系 C 提供三种基于内存字符串的流，定义在 <sstream> 中： std::istringstream：输入流，从已有字符串中读取并解析。std::ostringstream：输出流，向内部缓冲区写入内容，最终取…...
鸿蒙中用HarmonyOS SDK应用服务 HarmonyOS5开发一个生活电费的缴纳和查询小程序
一、项目初始化与配置 1. 创建项目 ohpm init harmony/utility-payment-app 2. 配置权限 // module.json5 {"requestPermissions": [{"name": "ohos.permission.INTERNET"},{"name": "ohos.permission.GET_NETWORK_INFO"…...
Spring AI 入门：Java 开发者的生成式 AI 实践之路
一、Spring AI 简介 在人工智能技术快速迭代的今天，Spring AI 作为 Spring 生态系统的新生力量，正在成为 Java 开发者拥抱生成式 AI 的最佳选择。该框架通过模块化设计实现了与主流 AI 服务（如 OpenAI、Anthropic）的无缝对接&…...
【JavaSE】绘图与事件入门学习笔记
-Java绘图坐标体系 坐标体系-介绍 坐标原点位于左上角，以像素为单位。 在Java坐标系中,第一个是x坐标,表示当前位置为水平方向，距离坐标原点x个像素;第二个是y坐标，表示当前位置为垂直方向，距离坐标原点y个像素。 坐标体系-像素 …...