多光譜和高光譜成像是捕獲光譜分辨率高于人類顏色感知的圖像的兩種主要方法。高光譜成像涉及狹窄的、通常是連續的光譜帶，可能包括數百或數千個光譜，而多光譜成像涉及不同帶寬的光譜帶——不一定是連續的。多光譜成像可以被認為是高光譜成像的簡化子集。這兩種互補的技術不存在競爭關系，因此可根據實際應用需求在兩者之間進行選擇。

通常，當最終用戶知道要在某些應用中識別或區分的對象的光譜特征時，大多選擇多光譜成像。多光譜成像的方法各不相同。它們包括將帶有單色相機、多帶通濾波器、光譜儀、棱鏡、濾光輪或可調濾波器的專用 LED 照明部署到機器視覺系統中。多個過濾器或專用傳感器也可以與相機集成以進行光譜成像。

高光譜成像是一種收集綜合光譜數據立方體的方法，可在土壤或植被遙感等應用中進行處理和分析。然而，這項技術已經從探索性的科學技術演變為能夠適應不同類型的物質流和操作環境的技術。相關科研人員表示，如今，高光譜相機可以識別和幫助分類不同化學成分的材料，或測量材料的質量參數。例如，脂肪和蛋白質在 NIR 范圍內具有非常獨特的光譜特征，但無法在可見光范圍內測量。而專門針對要求苛刻的工業應用的特殊相機提供了識別潛在異物并同時測量蛋白質和脂肪含量的能力。

多光譜和高光譜成像技術都非常適合食品檢測應用，但方式不同。機器視覺系統可以檢查藍莓、蘋果或草莓等水果的質量。可以通過關注 RGB 和近紅外 (NIR) 波段中的特定波段來完成此類任務。

在可見光通道中，系統可以查看表面缺陷，然后在第一個 NIR 波段來識別水果的輪廓，并在藍莓等水果上發現難以看到的瘀傷。然后，其它波段可以查看成熟度和水分含量。

然而，某些食品檢測則超出了多光譜成像的能力。例如，梨檢查涉及對脂肪含量的非常詳細的分析，這項任務非常適合高光譜成像技術。

在最佳成熟期收獲鱷梨可確保較高的水果質量。但是，由于在采摘季節開始時，考慮到儲藏期，采摘者會傾向采摘一些未完全成熟的水果。但是這樣，鱷梨的味道和營養價值則會受到影響。另一方面，過晚采摘的過熟鱷梨的保質期較短，并且增加了疾病風險。所以，預測鱷梨的質量很困難。高光譜相機可以檢測和預測肉眼不可見的變化。然后可以構建和應用預測模型來檢測水果及其變質風險最高的部分。

所以在決定為給定應用程序使用多光譜還是高光譜相機(或兩者兼而有之)時，它歸結為已經存在的數據級別。如果系統集成商或最終用戶知道有一些光譜帶將為檢查或分析提供最高級別的細節，那么就可選擇多光譜成像。在需要比多光譜成像提供的光譜帶更多的光譜帶的情況下，高光譜成像更為適合。此外，當用戶不知道應用程序的光譜要求或想要收集可以稍后分析的數據立方體時，高光譜成像技術可以提供幫助。

在農民可能引入需要檢查的新水果的情況下，部署這兩種選項可能是有意義的。高光譜相機可以識別最佳光譜通道，多光譜相機可以在這些波段進行更高速的檢測。