Figure 1: System architecture diagram of our Specim hyperspectral real-time segmentation system. The framework implements real-time line scan data processing, deep learning model inference, and synchronized numerical regression analysis for hyperspectral image segmentation.
本项目是一个基于Specim高光谱相机的实时分割算法推理软件，采用深度学习技术实现高光谱图像的实时分割和分类。系统使用Unet神经网络模型进行像素级分割，能够准确识别和分类不同类型的材料，并实现与分割结果同步的实时数值回归。
我们实现了基于Unet架构的语义分割模型，支持多种机器学习模型载入。系统包括实时线扫数据API接口模块、数据预处理和校正模块、深度学习模型推理模块、实时分割和回归分析模块，以及定制化工况及检测成果展示界面。
核心技术包括高光谱图像处理（光谱数据校正和归一化、噪声抑制和滤波、特征提取和降维）、深度学习模型推理优化（C++/CUDA平台优化，Sklearn框架重构），以及实时分割算法（实时线扫数据处理、多尺度特征融合、后处理优化）。
系统支持Specim FX17/FX10+FX50高光谱相机，覆盖SWIR光谱范围，实现30+ fps实时识别效率，满足工业生产需求。支持跨平台部署，包括C++/CUDA平台和嵌入式平台（RK系列、Jetson系列）。
我们实现了一个基于Specim高光谱相机的实时分割系统，使用Unet神经网络模型进行像素级分割。系统包括实时线扫数据处理、深度学习模型推理、实时数值回归分析等模块，支持多种机器学习模型载入。实现了30+ fps实时识别效率，支持C++/CUDA平台和嵌入式平台部署，为高光谱技术的工业应用提供技术支撑。