Multispectrale beeldvorming: kijken met meer dan het menselijk oog
Onze ogen zien de wereld in een smal deel van het licht dat er eigenlijk is: het zichtbare spectrum, ruwweg van rood tot violet. Multispectrale beeldvorming is een technologie die camera's laat kijken buiten dat smalle venster, door licht vast te leggen in meerdere afzonderlijke golflengtebanden tegelijk, waaronder vaak nabij-infrarood of ultraviolet licht dat wij niet kunnen waarnemen.
Denk aan een boer die met het blote oog niet kan zien dat een deel van zijn maisveld verdroogt, terwijl een multispectrale camera aan een drone die stress al weken eerder signaleert. Gezonde planten reflecteren namelijk infrarood licht op een heel andere manier dan verzwakte planten, ook al zien ze er voor ons oog nog groen en gezond uit. Multispectrale beeldvorming maakt dat verschil zichtbaar, als een soort extra zintuig voor materialen en oppervlakken.
Wat is het precies?
Een gewone camera registreert licht in drie banden: rood, groen en blauw (RGB), die samen de kleuren vormen die wij kennen. Een multispectraal systeem doet dat met meer banden, meestal tussen de vier en tien, elk gevoelig voor een specifieke, smalle golflengte.
Dat wordt technisch bereikt door filters voor de sensor te plaatsen die alleen licht van een bepaalde golflengte doorlaten, door meerdere kleine sensoren elk met hun eigen filter naast elkaar te bouwen, of door snel achter elkaar foto's te maken met wisselende filters. Het resultaat is per pixel niet één kleurwaarde, maar een reeks meetwaarden: hoeveel licht kwam er terug in band 1, in band 2, enzovoort.
Die reeks waarden heet een spectrale signatuur. Elk materiaal, van bladgroen tot metaal tot menselijke huid, heeft een min of meer karakteristiek patroon van absorptie en reflectie over het spectrum. Door dat patroon te vergelijken met bekende signaturen kunnen algoritmes afleiden wat er op de foto staat, ook als het voor het oog onzichtbaar is.
Een veelgebruikte afgeleide maat in de landbouw is de NDVI (Normalized Difference Vegetation Index), een simpele formule die het verschil tussen rood en nabij-infrarood licht omzet in een getal voor plantgezondheid. Dat is één voorbeeld van hoe ruwe multispectrale data wordt vertaald naar bruikbare informatie.
Belangrijk om te onderscheiden: multispectraal is niet hetzelfde als hyperspectraal. Hyperspectrale camera's meten tientallen tot honderden aaneengesloten, zeer smalle banden en leveren daardoor een veel gedetailleerder spectrum, maar zijn ook duurder, trager en produceren enorme datavolumes. Multispectraal is de praktischere, goedkopere tussenvorm die voor veel toepassingen al voldoende onderscheidend vermogen biedt.
Wat wil men ermee bereiken?
De kernbelofte van multispectrale beeldvorming is dat je informatie zichtbaar maakt die anders verborgen blijft, zonder een object te hoeven aanraken of beschadigen. Dat maakt de techniek aantrekkelijk voor elk vakgebied waar je op afstand iets wilt weten over de toestand van een oppervlak of materiaal.
In de landbouw wil men gewasstress, ziektes of watertekort vroeg opsporen, ruim voordat het met het blote oog zichtbaar is, zodat boeren gerichter kunnen ingrijpen. In de aardobservatie wil men vanuit satellieten grootschalig in kaart brengen hoe land gebruikt wordt, hoe bossen zich ontwikkelen of waar mineralen in de bodem zitten. In de kunstconservering wil men onder de verflaag van een schilderij kijken, naar eerdere schetsen of latere overschilderingen, zonder het doek aan te tasten. In de geneeskunde wil men huidaandoeningen zoals melanomen sneller en objectiever herkennen dan met het blote oog van een arts alleen.
Overkoepelend doel is dus vaak vroegtijdige, niet-invasieve detectie: eerder ingrijpen, minder verspilling, minder schade, en beslissingen baseren op meetbare data in plaats van louter visuele inschatting.
Voorbeelden uit de praktijk
De Landsat-satellietenreeks van NASA en de Amerikaanse geologische dienst USGS is een van de langstlopende voorbeelden. Sinds Landsat 1 in 1972 meten deze satellieten multispectraal de aarde; de huidige Landsat 8 (gelanceerd in 2013) en Landsat 9 (2021) worden gebruikt voor onder meer landbouw, bosbeheer en klimaatonderzoek.
De Europese Sentinel-2-missie van het Copernicus-programma van ESA, met satellieten gelanceerd in 2015 en 2017, levert gratis multispectrale beelden die wereldwijd worden gebruikt voor gewasmonitoring, waterkwaliteit en stedelijke planning.
In de precisielandbouw worden drones uitgerust met compacte multispectrale sensoren, zoals die van het Amerikaanse bedrijf MicaSense, om per perceel NDVI-kaarten te maken en zo bemesting of irrigatie lokaal aan te passen.
In de kunstwereld onderzocht de Franse ingenieur Pascal Cotte in 2004 de Mona Lisa met een zelfontwikkelde multispectrale camera, waarmee hij lagen onder de verf zichtbaar maakte en aanwijzingen vond voor eerdere versies van het schilderij van Leonardo da Vinci.
In de medische diagnostiek kreeg het Amerikaanse MelaFind-systeem in 2011 goedkeuring van de Amerikaanse toezichthouder FDA als hulpmiddel om verdachte huidlaesies met multispectrale metingen te ondersteunen bij de beoordeling of een moedervlek kwaadaardig zou kunnen zijn.
Hoe ver is de techniek?
Op satellietniveau is multispectrale beeldvorming volwassen technologie: decennia aan operationele ervaring, gestandaardiseerde dataverwerking en publiek toegankelijke archieven maken het een betrouwbaar onderdeel van aardobservatie.
Op het niveau van drones en handheld-apparatuur is de ontwikkeling sneller gegaan de laatste tien jaar. Sensoren zijn kleiner, lichter en goedkoper geworden, waardoor multispectrale camera's nu binnen bereik zijn van individuele boerenbedrijven en onderzoeksgroepen in plaats van alleen grote instituten.
In de medische toepassing ligt het tempo lager. Systemen zoals MelaFind zijn goedgekeurd, maar de klinische adoptie blijft beperkt; artsen gebruiken de techniek vooral als aanvullend hulpmiddel, niet als vervanging van beoordeling door een dermatoloog. Grote uitdagingen zijn hier de behoefte aan grote, betrouwbare trainingsdatasets en strenge medische validatie-eisen.
Algemene obstakels voor de hele technologie zijn de hoeveelheid data die multispectrale sensoren produceren, de noodzaak van zorgvuldige kalibratie (verschillen in lichtomstandigheden kunnen metingen flink beïnvloeden), en de kosten van sensoren ten opzichte van gewone camera's, al dalen die kosten gestaag.
Wie werken eraan?
Op het gebied van aardobservatie zijn NASA en de Amerikaanse geologische dienst USGS (Landsat) en het Europese ruimtevaartagentschap ESA met het Copernicus-programma (Sentinel) de belangrijkste publieke spelers.
In de commerciële precisielandbouw zijn bedrijven als MicaSense (Verenigd Staten) en Parrot (Frankrijk, met de Sequoia-sensor) bekende namen voor compacte multispectrale camera's voor drones.
Universiteiten met sterke onderzoekslijnen in remote sensing en precisielandbouw, zoals Wageningen University & Research in Nederland, dragen bij aan zowel sensortechnologie als toepassingen in de praktijk.
In de medische hoek werken bedrijven als het Amerikaanse STRATA Skin Sciences (voorheen verantwoordelijk voor MelaFind) samen met dermatologische onderzoeksgroepen aan verdere validatie van multispectrale diagnostiek.