主な事例

食品の異物検出 (Foreign Object Detection: FOD)

レンズ豆に混入した微小な異物（虫・石・金属片など）は RGB では検出が困難です。ハイパースペクトルカメラと Cuvis.AI によるカスタムバンド＋AI 異物検出では、RGB 比で検出精度が 27% 向上 (65% →92%)、見逃しフレームはゼロ、約70ms / フレームのリアルタイム処理を実現しました。
使用製品：ULTRIS XMR

　
Dinomaly の手法を使った異常検知

AdaCLIP の手法を使った異常検知

電池リサイクルにおける材料選別

破砕されたリチウムイオン電池の処理ラインより、アルミニウム・銅・セパレータ箔・インレイ箔・プラスチック片といった成分を分別。自動選別ラインに組み込み可能です。
使用製品：ULTRIS X20
関連論文・参考文献
Richter et al. (2024). Metals, 14(2), 147.

　
豚バラ肉の加熱損失を非破壊で予測する研究

加熱損失は豚肉のジューシーさの指標になります。
従来は包丁で切るなどの破壊検査が必要でした。本研究は、半丸枝肉の表面に露出する肩ロースの頭半棘筋（SC筋）に着目し、ハイパースペクトルカメラでそのスペクトルを撮像。PLSR解析（一次微分前処理）により、内部部位である豚バラ肉の加熱損失を検証決定係数R²v＝0.73〜0.80で予測できることを示した。
枝肉表面を撮像するだけで内部品質を推定でき、食肉処理ラインでの非破壊・リアルタイム品質評価への応用が期待されます。
使用製品：Cubert ULTRIS X20 Plus (350 ~ 1002nm, 164バンド)
関連論文・参考文献
Jeong et al., 2026, Food Sci. Anim. Resour. 46(1), 17

　
ハイパースペクトルデータをニューラルネットワークに融合

ハイパースペクトルデータを最新のニューラルネットワークと組み合わせることで、これまで蓄積された大規模な RGB 学習を活用しつつ、RGB を超えるスペクトル感度を付加できます。
これにより、材料やシーンをより深く理解し、欠陥・材料・プロセスの識別精度を高められます。
見た目が同じに見える物体でも、スペクトル情報を使えばその違いを捉えることが可能です。