光源選擇是實現成功的短波紅外成像應用的關鍵。

大多數機器視覺和圖像處理系統開發者，已經廣泛使用工作在可見光波段的相機用于質量控制、過程控制或是那些需要區分物體的應用中。傳統的可見光成像使用寬帶白光照明，其允許相機看到所有可見的顏色。為了更有效地觀察某些顏色，開發者還可以選擇特定波長的照明光，例如紅光、藍光或綠光。

對于這類可見光波段的應用，面向機器視覺和圖像處理應用的照明系統開發者，已經做了很多出色的工作，因此目前市場上存在很多各種形式和各種顏色的商用照明產品供用戶選擇。然而，隨著開發人員轉向非可見光波段的成像方法，照明隨之成為了一個更具挑戰性的命題。

超越可見光波段的成像短波紅外（SWIR）波段（在此定義為750~2600nm）就是一個非可見光波段。很多在可見光照明下看起來非常相似的材料，在SWIR光的照射下看起來會非常不同。圖1中顯示了四種不同的液體——水、丙酮、三氯乙烯和異丙醇。在可見光照明下，這四種液體都是無色透明的；但是在SWIR寬帶光照射下成像時，這四種液體卻顯示出了不同的顏色。

圖1 在可見光環境下，四種液體水、丙酮、三氯乙烯和異丙醇均顯示為無色透明狀（上圖）；但在SWIR波段成像時，這四種液體則顯示為不同的顏色（下圖）。

在可見光波段，今天的硅芯片相機可以在大約400~1050nm的波長范圍內成像，剛剛超出可見光波段進入近紅外（NIR）波段，成像使用現成的照明光源，波長為850nm和950nm。然而，用反射光實現超出該波段的成像，則需要其他成像探測器材料的相機，如砷化銦鎵（InGaAs）、碲鎘汞或銻化銦（Indium Antimonide）相機。

由于不同的原子結構在SWIR波段的反射特性有所不同，因此非制冷InGaAs相機提供了一種在400~1700nm波段成像的簡單方法，可以輕松區分在可見光波段看起來相似的許多材料。圖2顯示了多個環氧樹脂材料，在可見光波段，它們看起來或透明、黑暗、明亮，或與基底顏色相似。然而，在SWIR波段，它們看起來卻彼此不同，特別是相對于基底的顏色。

圖2 在SWIR（左）和可見光（右）照明下，鋁基底上不同顏色的各種環氧樹脂的圖像。在SWIR照明下，每條環氧樹脂相對于基第的反射率迥然不同。在在SWIR中，環氧樹脂的顏色清晰，但是并不相同。

波長是溫度的函數成像可以通過反射來實現，這種情況下物體被外部光源照亮；或者如果物體足夠熱，也可以通過測量物體的發射光來實現成像。當物體被照亮時，物體將來自外部光源的光子反射給相機。外部光源的照射角度、光源的波長及其成分，將直接影響物體的反射特性?；蛘哒f，物體在所有波長光的照射下都會發光，但是其發光量取決于物體的溫度。黑體被認為是一個理想的輻射體。

SWIR熱成像圖3給出了不同溫度的黑體的波長與發射光之間的曲線圖。由于所有的物體都不是理想黑體，因此物體的發光量因輻射系數而不同，輻射系數是波長的函數。

圖3 不同溫度下物體的黑體輻射與波長的關系

隨著溫度的升高，光輻射變強，波長峰值輻射移向更短的波長。由于輻射系數是波長和物體的物理屬性的函數，因此當一個物體（如煤）發射出紅光時，這個物體顯然很熱，不能去觸摸。如圖3所示，一個500℃的理想黑體在700~750nm的紅光波段發射足夠的能量，能被人眼看到。當溫度低于500℃時，盡管物體可能仍然太熱而不能觸摸，但是人眼已經看不到紅光，因為紅光發射與輻射系數組合，致使發光量太低而無法顯示出紅色。使用探測范圍超過750nm波長的紅外相機，可以輕松實現熱物體探測。通常，這是通過長波紅外（LWIR）或中波紅外（MWIR）相機實現的，當然也可以使用SWIR相機實現，具體取決于物體的溫度。例如，圖4是在SWIR波段發光的烙鐵。當溫度大約為250℃時，烙鐵發出的光足以照亮位于黑暗房間里的人，實際上它相當于SWIR波段的一個燈泡。實現SWIR熱成像的溫度范圍通常為100~2000℃，具體取決于實際應用。低于300℃或在充裕的日光下，MWIR或LWIR熱相機可以輕松地探測到熱物體；在室內或是物體非常熱的情況下，SWIR熱相機的表現更出色。

在可見光波段，需要外部光源照射物體，才能使物體足夠熱以發射出可見光相機探測所需要的光子數量。在成像期間，外部光源發射的光子，或被物體反射，或被物體吸收。使用不同顏色的外部光源照射物體，物體顯示為亮或暗，亮暗程度取決于物體對照明光的反射量。在燈泡中，燈絲被加熱到約2800K的高溫，并在可見光范圍內發射許多光子，從而可以使人們看到房間內的物體。圖3中分別顯示了太陽和燈泡的黑體輻射曲線以及發光量。

圖4 本文作者處在黑暗的房間里，用烙鐵提供0.9~1.7μm的SWIR光

烙鐵的溫度低于300℃，SWIR光照射下的頭發和皮膚，都與可見光照射下的情況不同。雖然燈泡具有與太陽類似的發光曲線，但是其溫度較低，因此在任何給定的波長處產生的整體發光量較少。更重要的是，燈泡在紅光波段比在藍光和綠光波段，產生更多的光子。這就是為什么物體在室內會比在太陽光照亮時顯得更紅，因為在太陽和燈泡發射的光譜中，紅光光子與藍光或綠光光子的比例是非常不同的。這就是為什么物體在室內看起來與室外不同的原因，因為燈泡的發射光譜與太陽不同，所以物體反射的光量也不同。

白熾燈泡（如功率60W的產品）可能將不再使用，大多數現代機器視覺照明將由發光二極管（LED）提供。LED是半導體器件，能夠發射特定波長的光，或者說其發射光譜范圍較窄的光，通常在特定波長周圍±50nm（許多高端LED為±15nm）的范圍內。

在可見光區域，已經有許多類型的LED能為場景需求提供正確的顏色照明。用于機器視覺的光源，通常要指定顏色或色溫（如6000K的紅光、綠光、藍光或白光等）。6000K白光勒克斯或照度用來表征光的亮度，或者說是一個白光可見光源發出多少光子。對于單色或多色LED光源，光用單位mW/cm2來表征，勒克斯是白光的度量單位。通過組合多種LED顏色，可以模擬白光或各種色溫的光。圖5是由Metaphase Technologies公司提供的6000K白光的光譜。這是在可見光波段模擬6000K黑體，非常有效。

圖5 各種Metaphase LED白光源的波長輸出

LED試圖通過改變峰值波長來在這些溫度下模擬黑體。然而，對于新一代SWIR機器視覺相機來說，可見光LED照明是完全無效的。根據所使用的圖像傳感器類型，SWIR相機的靈敏度范圍通常為400~1700nm或1000~2600nm。過去，6000K黑體可以作為這些相機的非常有效的寬帶光源，但是今天的白光LED光源通常不會提供超過785nm的任何光線輸出。機器視覺照明行業已經開發出了近紅外光源，通常使用波長為950nm或850nm的LED，成像已經超出可見光范圍。但是，這些光源僅限定在一個或兩個波長。這些紅外光源，能夠使基于硅的可見光相機的成像范圍超出可見光到達近紅外范圍。然而，為了使成像范圍超出NIR達到SWIR范圍，需要比現有可見光LED發射更長波長的新光源。用InGaAs圖像傳感器制造的新型低成本SWIR線掃相機，其感光范圍為400~1700nm，跨越可見光波段和SWIR光。如前所述，白熾燈可為這些相機提供照明，因為它們本質上是黑體源，根據所用包裹燈泡的玻璃的不同，白熾燈的發光波長范圍400~2500nm以上的范圍。

然而，由于市場已經傾向于LED光源，大多數光源的波長都是特定的，通常波長帶寬為±50nm。雖然人們可以將這些白光可見LED光源視為可見光譜中的寬帶，但是由于它們是許多LED顏色的組合，所以在NIR和SWIR波段它們很可能不是寬帶。

現在，市場上已經有一些商用的Vis-SWIR探測器系統，如普林斯頓紅外技術公司（Princeton Infrared Technologies）的LineCam12。在光源選擇方面，必須考慮超出通常紅、綠、藍、紫外線和近紅外光源，波長為850nm或950nm。

VIS-SWIR寬帶光譜

現在SWIR中的新型LED照明器，使得指定這些紅外波長更加簡單。例如，Metaphase最近開發了處于這個范圍內的幾款SWIR LED光源，這些光源可以組合成各種SWIR顏色組合，或創建Vis-SWIR寬帶光譜。在SWIR中，一些成像條件可能不一定需要寬帶光源，這里的目標是確定被檢測物體的特定反射或吸收屬性，而不是像在可見光波段那樣需要一個寬帶光源，例如比較一幅圖像中的綠色和紅色。

圖6 用可見光相機和SWIR相機對咖啡豆、巖石和棍子成像，光源波長1450nm。這些物體都是棕色的，可見光成像很難區分，但是在SWIR成像中卻很容易區分，因為這時咖啡豆的反射性非常強。

相反，通過使用特定波長的光源，在SWIR成像中物體A可以很容易地與物體B區分開，即使它們在可見光波段中可能呈現相同的顏色。例如，物體中的水分含量清楚地展示了這種現象。圖1顯示，水在SWIR波段特別是大約1400nm處吸收特別強。在圖6中，在SWIR波段，咖啡豆很容易與巖石和木材區分開來。在黑色背景下，用可見光相機將咖啡豆、巖石和樹枝區分開來非常困難，因為它們都是棕色的。

在1400nm的SWIR波段（使用Metaphase 1450nm Peak SWIR光源），很容易看到咖啡豆，因為它們非常反光，而巖石和樹枝不是很反光，所以看起來是黑的。各種物體的材料，都對光具有獨特的吸收性和反射性，使用SWIR成像區別物體比可見光成像更加清晰。同樣，這（光譜獨特的對比區分）在很多濕度和/或干燥度很重要的應用中，也是非常有用的。

結論

SWIR中的光源選擇對于實現成功的成像解決方案至關重要。SWIR波段可以分辨和檢測肉眼看不見的缺陷。為了對指定特征成像，開發人員必須了解如何選擇正確的光源。標準的可見光LED將失效，因此理解圖像中正在分析的材料的反射屬性非常重要。這有助于選擇正確的光源和相機，從而簡化機器視覺應用，并消除對可見光波段昂貴且密集的處理算法的需求。