突破一：解決“混合像素”行業痼疾，提取更純凈的光譜信號

在無人機林業遙感中，“混合像素” 問題（即一個像素點同時包含樹葉、樹枝、土壤和陰影）一直是影響監測精度的核心瓶頸。傳統方法提取的冠層反射率包含大量噪聲，導致后續分析失準。

本研究創新性地提出了 SLIC-EVI方法，通過結合超像素分割和增強型植被指數，如同一位擁有“火眼金睛”的數據濾清器，能夠精準地從復雜的冠層圖像中分離出純凈的葉片像素。

效果如何？ 研究數據顯示，經SLIC-EVI方法提取的反射率與氮含量的相關性高達 0.744，遠優于傳統NDVI方法的0.303和EVI方法的0.551。這意味著，基于HY-1230-01相機原始數據，該方法能“提純” 出對氮元素最敏感的光譜信息，為精準建模奠定了堅實基礎。

突破二：引入創新模型，提升氮含量估算的精度與穩健性

擁有了高質量的數據，如何更充分地利用其價值？研究團隊進一步引入了 HMT-seCNN創新模型。該模型通過高光譜多尺度變換技術，將HY-1230-01相機采集的一維光譜數據，重構為包含更豐富空間-光譜關聯信息的三維數據圖。

通過應用 HMT 技術、卷積神經網絡（CNN）和通道注意力機制，顯著提升氮含量估算的精度與穩健性。這項研究通過創新性技術組合，為異質冠層環境下的精準氮監測提供了全新視角。搭載了通道注意力機制的深度學習網絡，能像一位經驗豐富的專家，自動“聚焦”于對氮含量預測最重要的光譜通道，并抑制不重要的信息。

模型性能證明：在測試集上，最終的HMT-seCNN模型預測精度達到 R² = 0.765，其性能全面超越了所有參與對比的傳統機器學習模型。這證明了HY-1230-01相機提供的全局連續光譜數據，與AI算法結合后，能釋放出優秀的預測潛力。

這兩大突破均建立在由杭州高譜成像技術有限公司提供的 HY-1230-01高光譜相機所采集的高質量數據基礎之上。

這不僅標志著我國在高光譜遙感與人工智能融合應用上達到新高度，也再次驗證了高譜成像硬件設備在支撐前沿科研與解決實際產業難題中的能力。

全文鏈接：

根據研究和應用場景的不同，HY-1230-01等科研級高光譜相機可自由集成至無人機載高光譜成像系統、實驗室、便攜式和顯微高光譜成像儀儀器等，并提供便捷易用的二次開發支持，解決客戶在教育科研、智慧農業、生態環保、智能制造、工業檢測等應用領域的深層次感知需求。

※ 采用棱鏡-光柵分光方式，可獲得更精準、更高分辨率的光譜數據；

※ 自研模組可適配多種探測器，具有多譜段、多尺寸、多探測器類型可選；

※ 產品具有體積小、重量輕、光譜特性好、性價比高等優點；

※ 鏡頭接口為標準C-Mount，可根據用戶需求更換焦距；