机器视觉制造商广泛使用红绿蓝(RGB)相机来识别物体，这些相机适用于根据物体的形状和颜色来表征物体。然而，由于只有三个可见波段可用，它们的识别能力十分有限。

而高光谱技术可用于要求更高的应用，通过在宽光谱带通上记录数百个波段来测量物体或场景。这些波段是连续的，不**于光谱的可见光部分。

每种材料都有其*特的成分，因此会对电磁波谱产生*特的反应，高光谱成像(HSI)为用户提供大量信息，允许根据其化学成分而非仅其尺寸、形状和可见颜色来识别筛选材料，HSI相机提取这种单一的反应，然后将其用作识别，就像使用指纹识别每个人一样。

以芬兰specim的高光谱相机产品为例：

图1：杏仁（FX10；红色）和壳（FX10；洋红色）的VNIR光谱。杏仁（深蓝色）和贝壳（青色）的RGB分量。可测量的RGB相机波段由各自的垂直线表示。

上图（图1）说明了高光谱相机相对于普通彩色相机有着更大的光谱探测范围。高光谱相机Specim FX10可以测量完整的光谱特征，因此无论外壳或杏仁的颜色如何，它都可以准确测量杏仁与其壳之间的差异。

在此示例中，与坚果油相关的930nm光谱特征为准确分类提供了精确特征来帮助其选择。RGB相机**于三个色带，完全缺少较相关的分类标准。

除了将灵敏度扩展到近红外（NIR）光谱区域外，FX10测量的数百个波段所产生的彩色图像的描述比RGB相机的三个波段所代表的图像要准确得多（图2）。**光谱相机追赶了可见光谱范围，如Specim FX17，涵盖了900-1700纳米的近红外。

这些相机所提供扩展的光谱数据，适用于更强大的模型（取决于应用要求）。如图2所示，FX17相机是将杏仁和开心果从其外壳和外来污染物中分拣出来的较佳仪器，其性能优于RGB条件下的模型。值得注意的是，有部分应用可能需要在短波红外（SWIR，1700-2500纳米）、中波红外（MWIR，2.7-5.3微米）和长波红外（LWIR，8-12微米）光谱区域具有灵敏度的高光谱相机。

图2：基于RGB高光谱相机、FX10和FX17数据的照片和模型预测。开心果和坚果是绿色的，贝壳是蓝色的，木头是黄色的。

机器视觉系统通常结合多个传感器，这些传感器进行缺口互补。下表**了高光谱技术相对于其他常用传感器的优势。

表1：绿色=好，橙色=差，红色=不相关