Hyperspectral Imaging

L'imaging iperspettrale (HSI) registra lo spettro completo della luce riflessa o emessa per ogni pixel di un'immagine, campionato in decine o centinaia di bande strette e contigue di lunghezza d'onda. Queste bande strette rilevano le caratteristiche di assorbimento che minerali, pigmenti vegetali, plastiche e tessuti presentano a lunghezze d'onda specifiche; così, lo spettro di un pixel, la sua firma spettrale, identifica la composizione di una superficie anche quando due materiali appaiono identici a una fotocamera a colori. Il risultato è un cubo di dati tridimensionale, con due assi spaziali e uno spettrale, che i modelli di visione artificiale e di apprendimento automatico analizzano uno spettro di pixel alla volta oppure come volume spaziale-spettrale congiunto. Dalla fine degli anni Ottanta, il Jet Propulsion Laboratory della NASA utilizza il suo spettrometro aereo AVIRIS, che registra 224 bande contigue da 400 a 2.500 nanometri.

Come una fotocamera iperspettrale crea il cubo di dati#

Uno spettrometro di imaging suddivide la luce in ingresso in base alla lunghezza d'onda usando un prisma, un reticolo di diffrazione o una serie di filtri e la registra su un rilevatore bidimensionale. Poiché il rilevatore ha solo due dimensioni, il terzo asse del cubo si ottiene con una scansione:

• Pushbroom (scansione lineare): una fenditura lascia passare una linea della scena; lo spettrometro distribuisce sul rilevatore la luce di quella linea in base alla lunghezza d'onda e il cubo si costruisce linea dopo linea mentre si muove l'aereo, il satellite o il nastro trasportatore.
• Whiskbroom: uno specchio rotante scansiona un singolo punto della scena, come nel classico strumento AVIRIS.
• Scansione spettrale: un filtro sintonizzabile acquisisce in sequenza un'intera immagine per ogni banda, una soluzione adatta ai microscopi e ad altre scene statiche.
• Snapshot: una matrice di filtri sul sensore acquisisce l'intero cubo in un'unica esposizione a frequenze video, a scapito della risoluzione spaziale.

Imaging iperspettrale, multispettrale e RGB a confronto#

Una fotocamera RGB registra tre bande ampie; l'imaging multispettrale registra poche bande ampie selezionate in anticipo, come le 13 bande dei satelliti ESA Sentinel-2, sufficienti per indici di vegetazione come NDVI. I sensori iperspettrali campionano lo spettro in modo contiguo: lo spettrometro di imaging EMIT della NASA, installato sulla Stazione Spaziale Internazionale, registra 285 bande tra 381 e 2.493 nanometri, distanziate di circa 7,5 nanometri. Questo livello di dettaglio comporta un volume di dati maggiore, un rapporto segnale-rumore più basso per banda e una forte correlazione tra bande adiacenti; perciò, prima dell'addestramento, le pipeline spesso comprimono il cubo con l'analisi delle componenti principali o selezionano le bande, applicando una forma di riduzione della dimensionalità. L'analisi di immagini satellitari utilizza entrambi i tipi di immagini e la fusione dei sensori abbina spesso un cubo iperspettrale all'elevazione LiDAR o a immagini RGB ad alta risoluzione.

Analisi dei dati iperspettrali con l'IA#

I conteggi grezzi del sensore vengono prima convertiti in riflettanza con una calibrazione radiometrica e, per i dati aerei e satellitari, una correzione atmosferica, nell'ambito della preelaborazione dei dati. I metodi classici confrontano poi ogni pixel con gli spettri di riferimento: il mappatore dell'angolo spettrale calcola l'angolo tra due spettri indipendentemente dalla luminosità, mentre la separazione lineare stima la percentuale di ciascun materiale puro, o endmember, presente in un pixel misto. I modelli di deep learning classificano spettri 1D, eseguono reti neurali convoluzionali 2D sulle componenti principali oppure applicano convoluzioni 3D e Transformer a patch spaziali-spettrali. Senza etichette, il rilevamento delle anomalie segnala i pixel con spettri diversi dallo sfondo della scena, come un pennacchio di gas o un oggetto mimetizzato.

La classificazione dei pixel, la forma iperspettrale della segmentazione semantica, viene valutata su piccole scene aeree come Indian Pines, acquisita da AVIRIS sul nord-ovest dell'Indiana a 145×145 pixel con 224 bande, ridotte a 200 rimuovendo le bande di assorbimento dell'acqua, e 16 classi di colture e copertura del suolo; e Pavia University, acquisita dal sensore ROSIS a 610×340 pixel con 103 bande e 9 classi. Le suddivisioni casuali dei pixel di una singola scena inseriscono pixel vicini e quasi identici sia nell'insieme di addestramento sia in quello di test, causando una fuga di dati che gonfia la precisione; per valutazioni affidabili si riservano quindi regioni spazialmente separate.

Ultralytics YOLO legge il numero di canali di input dalla chiave channels di un file YAML del dataset e carica immagini TIFF multicanale; così, un modello di rilevamento di oggetti YOLO26 può essere addestrato su una pila di bande selezionate o componenti principali, come dimostra il dataset COCO8-Multispectral a 10 canali.

Applicazioni nel mondo reale#

• Agricoltura di precisione: lo stress idrico, le carenze di nutrienti e le malattie alterano le caratteristiche di assorbimento della clorofilla e dell'acqua negli spettri delle foglie; perciò, le fotocamere montate su droni e aerei mappano la salute delle colture, campo per campo.
• Riciclaggio e selezione degli alimenti: le fotocamere a scansione lineare nel vicino infrarosso, sopra i nastri trasportatori, distinguono i polimeri come PET, polietilene e polipropilene in base ai loro spettri di assorbimento; le linee di lavorazione alimentare usano lo stesso principio per individuare corpi estranei e ammaccature.
• Analisi delle immagini mediche: l'emoglobina ossigenata e quella deossigenata assorbono la luce in modo diverso; perciò, le fotocamere iperspettrali mappano la saturazione di ossigeno e la perfusione dei tessuti per valutare le ferite e supportare gli interventi chirurgici senza agenti di contrasto.
• Osservazione della Terra: EMIT è stato sviluppato per mappare i minerali presenti nelle sorgenti di polveri desertiche; le stesse misurazioni nel vicino infrarosso a onde corte rilevano le caratteristiche di assorbimento del metano, consentendo allo strumento di individuare pennacchi di metano provenienti da discariche e impianti petroliferi e del gas in tutto il mondo.