土壤是农业生产的基础, 通过土壤成分含量的测定分析可了解土壤营养成分供应的丰缺情况, 对农作物的生长有一定的影响, 因此土壤成分含量的检测逐渐成为国内外的研究热点。 多光谱技术利用物体的物理结构和化学成分的不同, 在同一条件下利用不同光的反射对物体进行照射得到对应光谱带上的不同反射率, 然后对获取的光谱数据进行分析, 辨别目标。 近年来, 多光谱技术的应用为土壤成分含量检测提供了一个新思路, 有助于土壤成分含量的精确检测, 有助于实现无损实时在线检测和精准农业。 综述了近6年来国内外多光谱技术在土壤成分指标土壤水、 有机质、 氮磷钾、 重金属及土壤盐分含量检测领域应用的相关文献, 分析了多光谱成像技术的特点, 简述了多光谱技术对土壤成分含量的检测过程, 重点阐述了多光谱技术在土壤成分含量检测中的研究进展, 并展望了多光谱技术在土壤成分含量检测中的未来发展趋势, 提出未来技术发展方向: 机器学习算法的无监督和监督模型能够分析不同实际测量环境下的数据, 减少土壤成分分布不均的光谱数据对建模结果的影响； 多光谱图像与全色图像相结合获取多光谱全色波段, 能够在多光谱土壤成分含量检测中提高预测模型的分析精度和准确度； 多光谱数据预处理过程中采用两种及两种以上算法相结合将使光谱数据处理更加有效。

为实现精密光学元件表面疵病的高效测量和精确统计,提出了一种基于光谱估计和多光谱技术的光学元件表面疵病检测方法。该方法利用光谱估计提取白光图像中不同波长的单光谱疵病图像,并合成多光谱疵病图像,然后采用优化后的OTSU(Otsu Image Segmentation Algorithm)分别对单光谱与多光谱疵病图像进行分析。基于该方法搭建了光学元件表面疵病检测装置,获得了白光照明条件下光学元件表面疵病的图像。实验结果表明,与原始白光图像相比,合成多光谱图像的疵病检出数量提升了1.85倍,疵病检出面积最大增加了6.0倍,检测效率得到明显提高。根据光学元件表面疵病的特性选取不同波长组合来生成单光谱与多光谱图像,可更加高效精确地检测出传统检测技术不易检出的疵病信息。

为实现对光学元件表面疵病的精确测量和计数, 提出了一种基于多光谱技术的光学元件表面疵病检测方法, 该方法采用不同波长的入射光源均匀照明光学元件表面, 通过暗场显微成像系统获得不同波长下的表面疵病图像。基于该方法研制了多光谱光学元件表面疵病检测系统, 获得了365, 405, 436, 486, 550 nm单波长光以及白光照明条件下光学样品表面疵病和标准样品图形的检测实验结果。实验结果表明, 相比传统的白光照明检测技术, 多光谱检测技术根据不同的材料性质选用不同波长的光作为入射光源, 可以明显提高系统对光学元件表面疵病的检测能力, 不仅可以提高测量精度, 而且可以获取白光照明下无法检测到的疵病信息。