Multispectrale sensoren: camera's die meer zien dan het menselijk oog

Bijgewerkt: 3 oktober 2026 · 5 min leestijd

Een multispectrale sensor is een soort camera die niet alleen rood, groen en blauw licht registreert zoals je smartphone of fototoestel, maar ook licht in een paar extra, specifieke golflengtes die voor mensen onzichtbaar zijn. Denk aan nabij-infrarood of bepaalde delen van het rode en groene spectrum die net buiten wat ons oog kan onderscheiden liggen. Elke golflengteband levert een eigen zwart-witfoto op, en door die beelden te combineren ontstaat informatie die je met gewone kleurenfoto's nooit zou zien.

Een vergelijking maakt het concreet: waar een normale camera een blad van een plant gewoon als 'groen' registreert, meet een multispectrale sensor ook hoeveel infrarood licht dat blad terugkaatst. Gezonde planten reflecteren veel infrarood, verdorde of zieke planten veel minder, nog voordat dat verschil met het blote oog zichtbaar is. Zo wordt de sensor een soort vroege-waarschuwingssysteem, bruikbaar op een landbouwdrone, een satelliet of in een medisch apparaat.

Wat is het precies?

Licht dat van een voorwerp terugkaatst, bestaat uit een mix van golflengtes. Het menselijke oog en gewone camera's vangen daarvan alleen het zichtbare deel op, grofweg verdeeld in rood, groen en blauw (RGB). Een multispectrale sensor voegt daar typisch vier tot tien extra, nauw afgebakende golflengtebanden aan toe, vaak in het nabij-infrarood (net voorbij rood) en soms in het kortgolf-infrarood of thermische infrarood.

Technisch gebeurt dit meestal met meerdere kleine camera's of detectoren die elk achter een eigen optisch filter zitten, zodat alleen licht van een bepaalde golflengte wordt doorgelaten. Een andere aanpak gebruikt één sensorchip met een filterpatroon erop, vergelijkbaar met hoe een gewone camerasensor rode, groene en blauwe pixels afwisselt.

De term 'multispectraal' wordt vaak verward met 'hyperspectraal'. Het verschil zit in het aantal en de breedte van de banden: multispectraal werkt met een handvol brede, losse banden, terwijl hyperspectrale sensoren honderden smalle, aaneengesloten banden meten. Hyperspectraal levert veel fijnmaziger data, maar is duurder, zwaarder en genereert enorme hoeveelheden data om te verwerken. Multispectraal is daardoor vaak de praktische middenweg.

Uit de ruwe banden berekenen onderzoekers vervolgens indices, zoals de bekende NDVI (Normalized Difference Vegetation Index), die de verhouding tussen rood en nabij-infrarood licht uitdrukt als maat voor plantgezondheid. Dit soort rekenkundige combinaties maakt de onzichtbare metingen bruikbaar als overzichtelijke kaarten.

Wat wil men ermee bereiken?

De belofte van multispectrale beeldvorming is dat ze problemen zichtbaar maakt voordat ze met het blote oog te zien zijn. In de landbouw betekent dit dat waterstress, ziektes of voedingstekorten in een gewas al in een vroeg stadium opduiken in de sensordata, zodat een boer gericht kan ingrijpen in plaats van een heel perceel te behandelen.

Op satellietniveau draait het om het monitoren van de aarde als geheel: ontbossing, droogte, waterkwaliteit, stedelijke groei en gewasopbrengsten wereldwijd volgen, vaak gratis en openbaar beschikbaar voor wetenschappers en beleidsmakers. In de geneeskunde is het doel vergelijkbaar op microniveau: huidafwijkingen of wondgenezing beoordelen aan de hand van weefseleigenschappen die met het oog niet waarneembaar zijn.

Een gemeenschappelijke drijfveer is dus objectieve, meetbare informatie krijgen uit data die voorheen subjectief of helemaal niet beschikbaar was, en dat tegen beheersbare kosten: niet zo duur en log als hyperspectrale apparatuur, maar wel rijker dan gewone camerabeelden.

Voorbeelden uit de praktijk

Landsat (NASA/USGS, vanaf 1972): de Amerikaanse Landsat-satellieten waren pionier in multispectrale aardobservatie. De allereerste, Landsat 1, droeg een Multispectral Scanner met vier banden. De huidige generatie, Landsat 8 en 9, gebruikt de Operational Land Imager met meer dan tien banden en levert al decennialang continue, vergelijkbare data over de hele aarde.

Sentinel-2 (ESA/Copernicus, vanaf 2015): deze Europese satellietmissie, bestaande uit meerdere satellieten die elkaar aanvullen, meet in dertien spectrale banden en stelt de data gratis beschikbaar. De data wordt breed gebruikt voor landbouw, bosbeheer en rampenrespons, ook door Nederlandse onderzoekers en overheidsdiensten.

DJI Phantom 4 Multispectral (2019): een landbouwdrone met zes camera's: één gewone kleurencamera en vijf losse sensoren voor specifieke banden, waaronder nabij-infrarood en 'red edge'. Boeren en onderzoekers gebruiken dit type toestel om per perceel, soms per plant, gewasgezondheid in kaart te brengen.

MicaSense RedEdge en Altum: compacte multispectrale camera's die op drones worden gemonteerd en veel in landbouwkundig onderzoek worden gebruikt, onder meer door het bedrijf AgEagle, dat MicaSense heeft overgenomen. Ze worden toegepast bij gewasonderzoek op proefvelden, ook in Nederland.

Medische huidscanners: apparaten zoals MelaFind gebruikten multispectrale lichtmetingen om verdachte huidvlekken te beoordelen op kenmerken die niet met het blote oog zichtbaar zijn, als extra hulpmiddel naast de beoordeling door een arts. Dit soort toepassingen blijft zich ontwikkelen, al is multispectrale huiddiagnostiek in de praktijk nog een aanvullend instrument en geen vervanging van dermatologische expertise.

Hoe ver is de techniek?

Multispectrale beeldvorming is op satellietniveau een volwassen, decennialang bewezen techniek: Landsat draait al sinds de jaren zeventig, en de methode om vegetatie-indices zoals NDVI te berekenen is standaardpraktijk in de aardobservatie. Wat de laatste tien tot vijftien jaar vooral is veranderd, is de miniaturisering: sensoren die ooit alleen in satellieten pasten, zitten nu in handzame drooncamera's en worden steeds betaalbaarder voor individuele boeren en kleinere onderzoeksinstellingen.

Een belangrijke bottleneck blijft de verwerking van de data. Multispectrale beelden moeten gekalibreerd, gegeorefereerd en gecombineerd worden tot bruikbare kaarten, wat specialistische software en kennis vraagt. Machine learning en kunstmatige intelligentie worden steeds vaker ingezet om dit proces te automatiseren en om patronen in de data te herkennen die voor mensen moeilijk te zien zijn, maar de betrouwbaarheid daarvan hangt sterk af van de kwaliteit en hoeveelheid trainingsdata per toepassing.

Op satellietniveau is een duidelijke trend dat ruimtevaartorganisaties en commerciële bedrijven de observatiefrequentie verhogen: in plaats van elke paar weken een beeld van een gebied, streven constellaties van kleinere satellieten naar bijna-dagelijkse opnames. Dat is veelbelovend voor toepassingen zoals vroege droogtedetectie, maar de dataverwerking en -opslag die daarbij nodig zijn, blijven een praktische uitdaging.

Wie werken eraan?

Op satellietniveau zijn de Amerikaanse ruimtevaartorganisatie NASA en de geologische dienst USGS verantwoordelijk voor het Landsat-programma, terwijl het Europese ruimtevaartagentschap ESA via het Copernicus-programma de Sentinel-satellieten beheert. Commerciële spelers zoals Planet Labs (Verenigde Staten) bouwen grote constellaties van kleinere satellieten voor frequente, wereldwijde beeldvorming, en bedrijven als Airbus Defence and Space en Maxar leveren eveneens aardobservatiesatellieten en -data.

In de sensorindustrie zijn onder meer Teledyne FLIR (bekend van infraroodtechnologie), het Finse Specim en het Amerikaanse Headwall Photonics gespecialiseerd in multispectrale en hyperspectrale camerasystemen voor industriële en wetenschappelijke toepassingen. Voor landbouwdrones zijn DJI (China) en MicaSense/AgEagle (Verenigde Staten) belangrijke namen.

In Nederland doet Wageningen University & Research veel onderzoek naar multispectrale en hyperspectrale beeldvorming in de precisielandbouw, terwijl TNO en de TU Delft bijdragen aan remote sensing-toepassingen, onder meer op het gebied van aardobservatie en sensorontwikkeling. Het Nederlands Lucht- en Ruimtevaartcentrum (NLR) is eveneens actief op het gebied van luchtvaart- en ruimtevaartgerelateerde sensortechniek.