高光谱成像相机应用：纸质文物“狐斑”无损检测

纸质文物承载着历史与文化的重要信息，但其保存过程中易受“狐斑”（foxing）病害侵蚀。狐斑表现为黄褐色斑点，不仅影响文物外观，还会导致纸张酸化、强度下降，甚至引发不可逆的损坏。传统检测依赖人工目视，存在滞后性、主观性强等问题，尤其对印章、墨迹覆盖区域的狐斑难以识别。基于高光谱成像的无损检测技术，结合光谱分析与机器学习，为狐斑的精准识别提供了创新解决方案。中达瑞和凭借其先进的高光谱成像设备（国产替代）与IrisCube光谱分析软件（中达瑞和自主研发），在该领域实现了技术突破，为文物保护提供了高效、可靠的检测手段。

高光谱成像技术原理与中达瑞和的技术优势

高光谱成像技术通过连续窄波段（通常覆盖可见光至近红外范围）捕获目标的空间与光谱信息，形成“图谱合一”的数据立方体。其核心优势在于：

无损检测：无需接触文物表面，避免二次损伤；

高分辨率光谱：可识别肉眼不可见的微弱光谱差异；

多维信息融合：结合图像纹理与光谱特征，提升检测精度。

高性能成像设备：中达瑞和自主研发的高光谱相机（光谱范围400-1000 nm），具备高信噪比与快速扫描功能，确保图像清晰无失真。

智能算法支持：采用最小噪声分离（MNF）和主成分分析（PCA）技术，有效分离噪声并提取狐斑特征波段（如464 nm和767 nm）；通过波段运算（如差值、比值）增强狐斑与背景的对比度。

机器学习模型优化：基于K-近邻（KNN）与BP神经网络的判别模型，实现狐斑识别率超85%（BP神经网络），尤其擅长处理与墨迹、印章重叠的复杂区域。

实验方法与结果

实验流程：

数据采集：使用中达瑞和高光谱系统（含卤素光源、一维扫描台）获取模拟文物的高光谱图像；

预处理：剔除噪声波段，提取感兴趣区域（ROI）的平均光谱；

特征提取：通过MNF变换与波段运算，分离狐斑特征；

建模与验证：划分180条数据为训练集（120条）与测试集（60条），对比KNN与BP神经网络性能。

结果分析：

光谱差异：狐斑区域在450~600 nm反射率显著高于健康区域，600 nm附近出现特征峰；

图像增强效果：MNF变换后，狐斑区域呈现蓝色，与纸张（红色）、墨迹（黑色）明显区分；

模型性能：BP神经网络总体判别率达85%，较KNN（73.3%）更优，尤其在墨迹覆盖区域识别率超83%。

中达瑞和的高光谱系统支持批量采集与智能分析，可快速定位隐蔽狐斑，为博物馆提供预防性保护方案；针对不同文物类型（如古籍、书画），优化波段选择与算法参数，提升检测适应性；从硬件设备到数据处理软件，提供“采集-分析-诊断”一体化解决方案，降低用户技术门槛。

中达瑞和以高光谱成像技术为核心，通过硬件创新与算法优化，为纸质文物狐斑检测提供了高效、无损的解决方案。其技术不仅填补了传统检测的空白，更为文物的科学保护与传承开辟了新路径，彰显了科技赋能文化遗产保护的深远价值。

审核编辑 黄宇