视频高光谱 AI边缘计算在农业科研中的三大优势

传统成像技术通常以三种颜色捕捉场景结构，常用于估算叶片密度、统计植株数量等基础属性。这类传统/多光谱成像系统虽擅长提取物体的空间统计数据，但在量化化学变化或区分液体及其他无定形物质方面效果通常不佳。

传统成像技术重建RGB场景，将空间数据以彩色像素二维数组的形式输出；光谱检测采集光谱信息，把光谱数据生成波长与光强的对应关系曲线图。

新一代高光谱成像相机（包括更耐用、更便携且支持视频速率读出的系统）正在为多个行业创造新的研究机会，其中最活跃的研究领域即是农业，技术进步正推动高光谱成像从实验室走向田间地头。

植物组织、土壤等有机质会形成光谱特征，可反映自身的结构与组分信息。传统 RGB 设备无法捕捉这类特征，而借助高光谱成像相机观测光谱特征，能够为农业领域提供关键数据。

事实上，光谱成像技术数十年以来一直被用于优化农业与环境监测数据集。但迄今为止，高光谱相机大多搭载于航空遥感平台。这类机载设备能够获取有关土壤状况、植被长势以及各类宏观变化趋势的光谱数据，可受观测距离限制，无法实现单株作物精细化检测使用。

如今，高光谱成像技术取得多项新突破，让这项技术可以落地实用，依托地面传感设备与手持检测仪器即可开展原位、实时检测。高光谱成像技术带来的高光谱数据，再配合近距离贴近作物获得的高空间分辨率，能够为增产增效的新型现代化耕作模式奠定技术基础。

2023年《世界粮食安全和营养状况》报告发现，营养不良的发生率自疫情前以来显著上升。据估计，2022年面临饥饿的人数将在6.91亿至7.83亿之间，比2019年增加了约1.22亿。 

该报告还探讨了由于持续的城市化对农业食品系统产生影响，对新型城市及城郊农业（UPA）技术的需求。报告指出：“城市及城郊农业（UPA）的发展与高效生产技术及创新成果的应用密切相关，这类技术能够提升作物产量、降低环境负面影响。城市中土地、水源等优质粮食生产所需自然资源紧缺，在此背景下，技术能够发挥关键作用，让都市农业成为可持续的粮食供给备选方案。”

研究人员正在探索将光谱成像数据融入农业生产环节的各类方法，力求在既定土地与资源投入条件下实现粮食产出最大化。  

其中既包含常规作物监测技术，也涵盖持续实时采集高光谱数据等精细化作业流程，以此优化可控环境农业（CEA）的生产应用。  

Living Optics相机采用新一代快照成像技术，实现了高光谱成像技术的跨越式发展。该设备是便携式手持高分辨率光谱相机，搭配NVIDIA边缘计算设备实现实时视频成像，操作简单、检测精准，为农业科研提供强有力的硬件支撑，加速现代农业技术迭代升级。