短波红外成像的关键之处是什么?

光源选择是实现成功的短波红外成像应用的关键。

大多数机器视觉和图像处理系统开发者，已经广泛使用工作在可见光波段的相机用于质量控制、过程控制或是那些需要区分物体的应用中。传统的可见光成像使用宽带白光照明，其允许相机看到所有可见的颜色。为了更有效地观察某些颜色，开发者还可以选择特定波长的照明光，例如红光、蓝光或绿光。

对于这类可见光波段的应用，面向机器视觉和图像处理应用的照明系统开发者，已经做了很多出色的工作，因此目前市场上存在很多各种形式和各种颜色的商用照明产品供用户选择。然而，随着开发人员转向非可见光波段的成像方法，照明随之成为了一个更具挑战性的命题。

超越可见光波段的成像短波红外（SWIR）波段（在此定义为750~2600nm）就是一个非可见光波段。很多在可见光照明下看起来非常相似的材料，在SWIR光的照射下看起来会非常不同。图1中显示了四种不同的液体——水、丙酮、三氯乙烯和异丙醇。在可见光照明下，这四种液体都是无色透明的；但是在SWIR宽带光照射下成像时，这四种液体却显示出了不同的颜色。

图1 在可见光环境下，四种液体水、丙酮、三氯乙烯和异丙醇均显示为无色透明状（上图）；但在SWIR波段成像时，这四种液体则显示为不同的颜色（下图）。

在可见光波段，今天的硅芯片相机可以在大约400~1050nm的波长范围内成像，刚刚超出可见光波段进入近红外（NIR）波段，成像使用现成的照明光源，波长为850nm和950nm。然而，用反射光实现超出该波段的成像，则需要其他成像探测器材料的相机，如砷化铟镓（InGaAs）、碲镉汞或锑化铟（Indium Antimonide）相机。

由于不同的原子结构在SWIR波段的反射特性有所不同，因此非制冷InGaAs相机提供了一种在400~1700nm波段成像的简单方法，可以轻松区分在可见光波段看起来相似的许多材料。图2显示了多个环氧树脂材料，在可见光波段，它们看起来或透明、黑暗、明亮，或与基底颜色相似。然而，在SWIR波段，它们看起来却彼此不同，特别是相对于基底的颜色。

图2 在SWIR（左）和可见光（右）照明下，铝基底上不同颜色的各种环氧树脂的图像。在SWIR照明下，每条环氧树脂相对于基第的反射率迥然不同。在在SWIR中，环氧树脂的颜色清晰，但是并不相同。

波长是温度的函数成像可以通过反射来实现，这种情况下物体被外部光源照亮；或者如果物体足够热，也可以通过测量物体的发射光来实现成像。当物体被照亮时，物体将来自外部光源的光子反射给相机。外部光源的照射角度、光源的波长及其成分，将直接影响物体的反射特性。或者说，物体在所有波长光的照射下都会发光，但是其发光量取决于物体的温度。黑体被认为是一个理想的辐射体。

SWIR热成像图3给出了不同温度的黑体的波长与发射光之间的曲线图。由于所有的物体都不是理想黑体，因此物体的发光量因辐射系数而不同，辐射系数是波长的函数。

图3 不同温度下物体的黑体辐射与波长的关系

随着温度的升高，光辐射变强，波长峰值辐射移向更短的波长。由于辐射系数是波长和物体的物理属性的函数，因此当一个物体（如煤）发射出红光时，这个物体显然很热，不能去触摸。如图3所示，一个500℃的理想黑体在700~750nm的红光波段发射足够的能量，能被人眼看到。当温度低于500℃时，尽管物体可能仍然太热而不能触摸，但是人眼已经看不到红光，因为红光发射与辐射系数组合，致使发光量太低而无法显示出红色。使用探测范围超过750nm波长的红外相机，可以轻松实现热物体探测。通常，这是通过长波红外（LWIR）或中波红外（MWIR）相机实现的，当然也可以使用SWIR相机实现，具体取决于物体的温度。例如，图4是在SWIR波段发光的烙铁。当温度大约为250℃时，烙铁发出的光足以照亮位于黑暗房间里的人，实际上它相当于SWIR波段的一个灯泡。实现SWIR热成像的温度范围通常为100~2000℃，具体取决于实际应用。低于300℃或在充裕的日光下，MWIR或LWIR热相机可以轻松地探测到热物体；在室内或是物体非常热的情况下，SWIR热相机的表现更出色。

在可见光波段，需要外部光源照射物体，才能使物体足够热以发射出可见光相机探测所需要的光子数量。在成像期间，外部光源发射的光子，或被物体反射，或被物体吸收。使用不同颜色的外部光源照射物体，物体显示为亮或暗，亮暗程度取决于物体对照明光的反射量。在灯泡中，灯丝被加热到约2800K的高温，并在可见光范围内发射许多光子，从而可以使人们看到房间内的物体。图3中分别显示了太阳和灯泡的黑体辐射曲线以及发光量。

图4 本文作者处在黑暗的房间里，用烙铁提供0.9~1.7μm的SWIR光

烙铁的温度低于300℃，SWIR光照射下的头发和皮肤，都与可见光照射下的情况不同。虽然灯泡具有与太阳类似的发光曲线，但是其温度较低，因此在任何给定的波长处产生的整体发光量较少。更重要的是，灯泡在红光波段比在蓝光和绿光波段，产生更多的光子。这就是为什么物体在室内会比在太阳光照亮时显得更红，因为在太阳和灯泡发射的光谱中，红光光子与蓝光或绿光光子的比例是非常不同的。这就是为什么物体在室内看起来与室外不同的原因，因为灯泡的发射光谱与太阳不同，所以物体反射的光量也不同。

白炽灯泡（如功率60W的产品）可能将不再使用，大多数现代机器视觉照明将由发光二极管（LED）提供。LED是半导体器件，能够发射特定波长的光，或者说其发射光谱范围较窄的光，通常在特定波长周围±50nm（许多高端LED为±15nm）的范围内。

在可见光区域，已经有许多类型的LED能为场景需求提供正确的颜色照明。用于机器视觉的光源，通常要指定颜色或色温（如6000K的红光、绿光、蓝光或白光等）。6000K白光勒克斯或照度用来表征光的亮度，或者说是一个白光可见光源发出多少光子。对于单色或多色LED光源，光用单位mW/cm2来表征，勒克斯是白光的度量单位。通过组合多种LED颜色，可以模拟白光或各种色温的光。图5是由Metaphase Technologies公司提供的6000K白光的光谱。这是在可见光波段模拟6000K黑体，非常有效。

图5 各种Metaphase LED白光源的波长输出

LED试图通过改变峰值波长来在这些温度下模拟黑体。然而，对于新一代SWIR机器视觉相机来说，可见光LED照明是完全无效的。根据所使用的图像传感器类型，SWIR相机的灵敏度范围通常为400~1700nm或1000~2600nm。过去，6000K黑体可以作为这些相机的非常有效的宽带光源，但是今天的白光LED光源通常不会提供超过785nm的任何光线输出。机器视觉照明行业已经开发出了近红外光源，通常使用波长为950nm或850nm的LED，成像已经超出可见光范围。但是，这些光源仅限定在一个或两个波长。这些红外光源，能够使基于硅的可见光相机的成像范围超出可见光到达近红外范围。然而，为了使成像范围超出NIR达到SWIR范围，需要比现有可见光LED发射更长波长的新光源。用InGaAs图像传感器制造的新型低成本SWIR线扫相机，其感光范围为400~1700nm，跨越可见光波段和SWIR光。如前所述，白炽灯可为这些相机提供照明，因为它们本质上是黑体源，根据所用包裹灯泡的玻璃的不同，白炽灯的发光波长范围400~2500nm以上的范围。

然而，由于市场已经倾向于LED光源，大多数光源的波长都是特定的，通常波长带宽为±50nm。虽然人们可以将这些白光可见LED光源视为可见光谱中的宽带，但是由于它们是许多LED颜色的组合，所以在NIR和SWIR波段它们很可能不是宽带。

现在，市场上已经有一些商用的Vis-SWIR探测器系统，如普林斯顿红外技术公司（Princeton Infrared Technologies）的LineCam12。在光源选择方面，必须考虑超出通常红、绿、蓝、紫外线和近红外光源，波长为850nm或950nm。

VIS-SWIR宽带光谱

现在SWIR中的新型LED照明器，使得指定这些红外波长更加简单。例如，Metaphase最近开发了处于这个范围内的几款SWIR LED光源，这些光源可以组合成各种SWIR颜色组合，或创建Vis-SWIR宽带光谱。在SWIR中，一些成像条件可能不一定需要宽带光源，这里的目标是确定被检测物体的特定反射或吸收属性，而不是像在可见光波段那样需要一个宽带光源，例如比较一幅图像中的绿色和红色。

图6 用可见光相机和SWIR相机对咖啡豆、岩石和棍子成像，光源波长1450nm。这些物体都是棕色的，可见光成像很难区分，但是在SWIR成像中却很容易区分，因为这时咖啡豆的反射性非常强。

相反，通过使用特定波长的光源，在SWIR成像中物体A可以很容易地与物体B区分开，即使它们在可见光波段中可能呈现相同的颜色。例如，物体中的水分含量清楚地展示了这种现象。图1显示，水在SWIR波段特别是大约1400nm处吸收特别强。在图6中，在SWIR波段，咖啡豆很容易与岩石和木材区分开来。在黑色背景下，用可见光相机将咖啡豆、岩石和树枝区分开来非常困难，因为它们都是棕色的。

在1400nm的SWIR波段（使用Metaphase 1450nm Peak SWIR光源），很容易看到咖啡豆，因为它们非常反光，而岩石和树枝不是很反光，所以看起来是黑的。各种物体的材料，都对光具有独特的吸收性和反射性，使用SWIR成像区别物体比可见光成像更加清晰。同样，这（光谱独特的对比区分）在很多湿度和/或干燥度很重要的应用中，也是非常有用的。

结论

SWIR中的光源选择对于实现成功的成像解决方案至关重要。SWIR波段可以分辨和检测肉眼看不见的缺陷。为了对指定特征成像，开发人员必须了解如何选择正确的光源。标准的可见光LED将失效，因此理解图像中正在分析的材料的反射属性非常重要。这有助于选择正确的光源和相机，从而简化机器视觉应用，并消除对可见光波段昂贵且密集的处理算法的需求。