機器視覺系統已經從傳統的單色相機發展到現在利用全彩色成像，而
多光譜相機是在此基礎上的進一步發展，它是一種利用目標不同譜段光輻射，來執行復雜的目標檢查和分析的成像系統。
當今機器視覺行業，相機顏色輸出主要依賴拜耳濾鏡。但是在實際應用中，對光譜的成像需求遠遠超出了傳統的標準RGB顏色：一些應用需要非常規的RGB波段，而另一些應用則需要可見光和不可見光波長的組合，甚至，還有一些應用只需要人眼不可見的波長，如紫外線、近紅外或短波紅外。
隨著成像應用場景越來越復雜，有時候需要更多的光譜通道。隨著傳統機器視覺行業與復雜測量技術的融合，一致、可靠、保真色彩的多光譜成像在工業質量控制中發揮著關鍵作用。“多光譜”一詞經常被誤解或曲解，這是因為物理教科書中對“多光譜”沒有固定的定義，字面意思是用多個光譜帶成像。根據這個定義，即使是RGB相機也屬于多光譜成像類別，它涵蓋了可見光和NIR光譜波段。視覺成像界有一個默契的約定，即普遍認為具有2到100個波段的成像可以稱為“多光譜”。多光譜往往只利用連續譜帶中有限個不連續區域。
在農業戰略和智能農業方法的指導下，規?；r場已經開始趨向于使用多光譜相機來幫助實現效率、低成本、的農作物監測。多光譜圖像是評估土壤的非常有效的工具，比如評估土壤生產力。
除了估算作物產量外，多光譜成像還可以幫助農民查看受損作物并對作物生長管理進行必要的介入。使用多光譜成像識別雜草、疾病和害蟲正變得越來越流行，因為早期檢測有助于實現良好的植物生長。多光譜成像還可以幫助計算植物和確定農場人口密度。它不僅有助于提供土壤肥力數據，而且在與作物生產相關的土地管理方面也具有巨大潛力。
除了與植物生長相關的幫助之外，多光譜成像結合深度學習和人工智能還有助于控制和測量作物灌溉效果。對于水果和蔬菜產品的檢測，多光譜成像可以提供可見光和不可見光波長的組合來測量和分析外在特征（如顏色、質地、表面損傷、形狀和大?。┖蛢仍谔卣鳎ㄈ绲V物質含量、成熟度、水分含量、糖和脂肪含量）。
