對于垃圾分類的需求來說，如果僅需進行大類的分選，2D相機加上視覺算法可以實現(xiàn)較好的分類效果。但是如果需要進一步進行精確的材質(zhì)細(xì)分，例如區(qū)分塑料中的PE、PVC、PP、ABS等細(xì)分材質(zhì)，則必須要用到高光譜相機。高光譜成像的實現(xiàn)基礎(chǔ)是成像光譜學(xué)，其集成了光學(xué)成像技術(shù)和光譜分光技術(shù)。高光譜數(shù)據(jù)結(jié)合圖像和光譜功能，可進行成分分析，提高分類精度，并通過坐標(biāo)系關(guān)聯(lián)實現(xiàn)機器人實時抓取。

分析基于高光譜分選的關(guān)鍵技術(shù)

高光譜分選設(shè)備的關(guān)鍵技術(shù)主要包括分類算法和控制系統(tǒng)2個部分。分類算法分為基于光譜相似度匹配的分類算法和基于機器學(xué)習(xí)的分類算法。控制系統(tǒng)包括視覺系統(tǒng)、控制中心、輸送系統(tǒng)、執(zhí)行系統(tǒng)等。

高光譜相機原理

高光譜相機采集物體的反射光譜，典型的高光譜相機的原理是，光源投射到待測物體上，反射后經(jīng)過相機鏡頭前端的狹縫進入高光譜相機內(nèi)部的核心元件——分光儀。分光儀將每一束光分成多束單色光，投到面陣相機上。面陣相機狹縫的長度方向w為像素維度，與狹縫垂直方向h為光譜維度，面陣相機w和h2個方向的分辨率決定著高光譜數(shù)據(jù)的像素分辨率和光譜分辨率。

2、數(shù)據(jù)處理

高光譜相機數(shù)據(jù)是三維數(shù)據(jù)，需要處理面陣相機二維數(shù)據(jù)獲取和數(shù)據(jù)拼接兩部分。獲取面陣相機數(shù)據(jù)與普通2D相機無差異，調(diào)整圖像質(zhì)量時，需調(diào)整包括光源亮度、光圈、焦距和曝光時間等，以獲得最優(yōu)的圖像效果。

基于機器學(xué)習(xí)的分類方法

基于機器學(xué)習(xí)的分類方法分為非監(jiān)督分類和監(jiān)督分類。非監(jiān)督分類是指在沒有任何分類先驗知識的情況下，僅依據(jù)數(shù)據(jù)本身的統(tǒng)計特征及自然點群的分布情況來劃分類別的分類方法，代表性的非監(jiān)督分類包括均值聚類算法（K-Means）、迭代自組織數(shù)據(jù)分析算法。監(jiān)督分類是指以先前提取的訓(xùn)練樣本作為先驗知識，以對訓(xùn)練樣本的學(xué)習(xí)構(gòu)建分類模型，并對其他數(shù)據(jù)進行分類的過程。監(jiān)督分類算法常用的包括高斯最大似然分類法、最小距離分類、K近鄰、決策樹以及支持向量機等。由于高光譜數(shù)據(jù)的波段數(shù)通常有200多個以上，包含豐富的信息，但有很多數(shù)據(jù)冗余，在進行監(jiān)督分類之前，需要對數(shù)據(jù)進行特征提取，選取包含信息量大的波段或者特征來降低數(shù)據(jù)的冗余程度。將原始高維數(shù)據(jù)投影到一個新的低維空間，從而獲得原始數(shù)據(jù)的更精簡的表示，即降維，可以有效減少運算量，提高運算速度。常用的降維方法包括主成分分析（PCA）、線性判別分析（LDA）、回歸系數(shù)法、連續(xù)投影法等。

推薦：

無人機機載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無人機機載高光譜成像系統(tǒng)，該系統(tǒng)由高光譜成像相機、穩(wěn)定云臺、機載控制與數(shù)據(jù)采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統(tǒng)通過獨特的內(nèi)置式或外部掃描和穩(wěn)定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質(zhì)量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

審核編輯 黃宇