高光谱成像系统的应用：

农牧业运用

农牧业层面，不一样绿色植物有不一样的光谱仪，同样绿色植物在不一样标准下光谱仪也是差别。比如，高光谱数据信息能够用于提示农户农作物威逼或危害野草的初期征兆，还可以明确成熟情况。高光谱显像技术性在智能农业和环保监测层面的运用愈来愈多，坚信在没多久的未来，也有质的飞跃。

明确光谱仪特点和绿色植物生理学特征参数的精确关联是国际性科学研究的一部分，这使指定应用灭草剂、化肥和有机肥变成将会。这类农作物管理方法技术性会让农户有目的性的定量分析应用有机肥，降低成本，并获得更大盈利。因而，高光谱技术性得到了强大的体系支撑点，尤其是将食品类供货和生态环境保护做为关键难题的亚洲地区。

高光谱成像系统在工业生产中的应用

对比于郊外田地和山林，加工厂的自然环境更强操纵，因而，高光谱显像在工业分类中的运用愈来愈普遍。传统式的视觉识别系统没办法对具备类似色调或外型的物块开展归类，如：没办法鉴别具备类似色调的果子、蔬菜水果或与构成其由此可见色调不相干的原材料（如再生颗粒）。当规范视觉识别系统归类不成功时，这种归类工作中只有由人工服务来进行，价钱昂贵、速度比较慢、差错率高。

运用高光谱显像技术性，不但能够运用高光谱数据信息去归类类似色调的原材料，还可以获得可见光范围之外的信息内容，如红外线和紫外线股票波段。即时的深度学习优化算法能够秒级解决数据信息而且传送这种信息内容至机器人手臂或气体喷气机等电动执行机构上进行归类工作中。

手机软件及优化算法

尽管照相机的设计方案和生产制造从技术上具备趣味性，但产品研发出靠谱的用以工业分类的高定量分析手机软件是机会，也是挑戰。因为深层次深度学习专业知识随着在广泛运用的简易优化算法中，高光谱机器视觉技术开发软件是一项令人激动的科技。

光谱仪图象数据统计分析的传统式方式是应用植被指数或光谱仪指数的概念，别名股票波段组成，这种指数值是每一像元的指标值，根据精确测量好多个特定股票波段的光谱仪抗压强度，再由简易解析几何组合计算算出。比如，普遍的植被指数（NDVI）即归一化差分信号植被指数，开始用以多光谱仪遥感影像中，给出每一清晰度的光的反射光谱仪，能够在每一清晰度中获取NDVI指数值。