本研究提出了一种新方法，利用高光谱成像自动检测猪肉腹部异物，解决食品加工中的污染物检测问题。该方法结合预处理技术和轻量级视觉变换器，实现了高检出率，有效应对噪声和温度变化等挑战。

本研究利用高光谱成像技术提升高级驾驶辅助系统在恶劣天气下的图像分割效果，实验结果表明全卷积网络显著增强了其在车辆场景中的应用能力。

本研究针对资源受限设备上低延迟高光谱成像处理器的部署挑战，采用定制后训练量化方案，使轻量级网络高效运行并保持分割精度，推动其在自动驾驶中的应用。

本研究提出了带选择搜索基准（BSS-Bench）和高效的单次训练的带选择方法（SCOS），用于克服高光谱成像的缺点。SCOS在多个任务上优于当前带选择方法。

最近的研究使用高光谱成像（HSI）检测产品中的异物，并提出了一种新的特征选择方法。该方法绕过传统的维度缩减方法，实现了更好的解释性和捕捉 HSI 的时间延迟问题。实验证明，特征选择方法在推断阶段比特征提取方法更快速，同时保持了异常检测的性能。特征选择方法具有高效且快速的优势。

最近的研究使用高光谱成像（HSI）检测产品中的异物。一种新的特征选择方法通过绕过传统的维度缩减方法，实现了更好的解释性和捕捉 HSI 的时间延迟问题，重新设计了一个任务优化和成本效益的光谱相机。实验证明，特征选择方法在推断阶段比特征提取方法更快速，同时保持了异常检测的性能。结论是特征选择方法具有高效且快速的优势。

通过高光谱成像评估了184名脑肿瘤患者的891个高光谱测量，使用5-ALA辅助荧光引导训练了四个机器学习模型进行肿瘤分类和辨别。结果显示不同组织类型中的五个发光物质丰度存在差异，具有潜在的光学生物标志物价值，为神经外科手术中的围手术期分类系统提供了新机遇。

该文介绍了单向调整（SDT）策略，用于解决高光谱成像分类中训练样本数量有限的问题。同时，引入了一种新的Tri-Former，并进行了比较实验，证明其在多个HSI数据集上表现更好。