ハイパースペクトルカメラ波長域の選び方｜VNIRとSWIRを比較【2026】

ハイパースペクトルカメラの波長域は、カタログのスペックからではなく「見たい対象がどの波長に吸収を持つか」から逆算して選びます。VNIRとSWIRの違い、用途別の波長早見表、バンド数の考え方を一次情報で整理し、装置選定の判断軸を持てる状態にします。

結論として、波長域の選定は3つの問いに答えるだけで大半が決まります。第一に、見たい対象の吸収帯が可視〜近赤外（VNIR、おおむね400〜1000nm）にあるのか、短波赤外（SWIR、おおむね900〜2500nm）にあるのか。第二に、その差を捉えるのに必要な波長分解能はどれくらいか。第三に、ライン速度・空間分解能・データ量の制約に収まるか。たとえば水は1450nm付近の光を吸収するため含水率を見るならSWIR側が要り、色素や表面の変化ならVNIRで足りることが多い、というように「対象の物性」が先で「機種」は後です。

結論：波長域は「見たい対象の吸収帯」から逆算して決める

ハイパースペクトルカメラは、各画素ごとに連続した分光スペクトル（波長ごとの光の強さの並び）を取得する装置です。したがって装置が測れるのは「対象がどの波長の光をどれだけ吸収・反射したか」だけであり、対象の吸収帯が装置のカバー範囲の外にあれば、バンド数をいくら増やしても情報はゼロのままです。波長域の選定とは、装置の性能比べではなく「対象の分子がどこで光を吸うか」の物理から逆算する作業になります。

この逆算が効くのは、近赤外〜短波赤外の吸収が分子の官能基に紐づいているからです。C-H（炭化水素）、O-H（水・アルコール）、N-H（タンパク質）といった結合の振動に由来する吸収が、それぞれ決まった波長帯に現れます。だから「油を見たい」「水分を見たい」「樹脂を見分けたい」という現場の言葉は、そのまま「必要な波長帯」へ翻訳できます。

スペック表から選ぶと失敗しやすい理由

実務で多い失敗は、「バンド数が多い方が高性能そうだ」「波長範囲が広い方が汎用性がありそうだ」というカタログ起点の選び方です。この選び方は、必要のない帯域にコストと処理時間を払い、肝心の判別精度は上がらないという結果になりがちです。装置は広帯域でも、実際の判別に効いている波長は数本しかない、というのは分光解析では珍しくありません。

逆に、対象の吸収帯を先に特定しておけば「この帯域を、この分解能で、この速度で撮れる機種」という具体的な条件が出てきます。条件が具体的になれば見積もりの比較も容易になり、ハイパースペクトルカメラの価格・費用相場の妥当性も判断しやすくなります。選定の順序を変えるだけで、検討全体の解像度が上がります。

VNIR・NIR・SWIRの違いを比較表で整理する

波長域の呼び名は業界内でも揺れがありますが、装置選定の実務では大きく2つに分けて考えれば十分です。VNIR（Visible and Near-InfraRed＝可視・近赤外）はおおむね400〜1000nmで、シリコン（Si）系のイメージセンサで受光します。SWIR（Short-Wave InfraRed＝短波赤外）は可視光に最も近い赤外線帯で、ソニーセミコンダクタソリューションズの技術解説では「波長が900nm〜2500nmとされ、赤外線の中で最も可視光に近い波長帯」と定義されています。

センサ材料が変わる点が、この2つを分ける最大のポイントです。SWIR域はシリコンでは感度が得られないため、InGaAs（インジウム・ガリウム・ヒ素）という化合物半導体のフォトダイオードが使われます。imecのハイパースペクトルカメラFAQでも、CMOS（シリコン）ベースのセンサは470〜950nm、InGaAsセンサは1100〜1700nmをカバーすると整理されています。

なお「NIR（近赤外）」という語は、VNIRの長波側（およそ700〜1000nm）を指す場合と、SWIRを含む1000nm超まで含めて指す場合があり、メーカーによって範囲が異なります。カタログで「NIR対応」と書かれていても実際の数値レンジは必ず確認してください。たとえばSpecim FX17は製品ページで「NIR (900 – 1700 nm)」と表記されており、名称はNIRでも実体はSWIR側の帯域です。

VNIRとSWIRの比較表

SWIRカメラが高価になる理由

SWIRカメラの価格が上がるのは、ブランドや希少性ではなく物理的な理由です。シリコンは1100nm付近より長い波長にほとんど感度を持たないため、SWIR域では別材料であるInGaAsのセンサを使う必要があり、この化合物半導体センサ自体がシリコンより高コストです。さらにInGaAsは暗電流（光が当たっていなくても流れるノイズ電流）が大きいため、実用的なSN比を得るには冷却が要ります。

実際、浜松ホトニクスのInGaAsエリアイメージセンサ G14674-0808Wは2段電子冷却型のハーメチック構造メタルパッケージを採用しており、感度波長範囲は1.70〜2.55µmと公表されています。長波長側まで伸ばそうとするほど、こうした冷却・封止の作り込みが必要になるということです。センサ材料の変更に加え、冷却機構・気密封止・専用の読み出し回路が積み上がるため、SWIR機はVNIR機より構成が重くなります。「SWIRは高い」という感覚は、この構造の差を反映した妥当なものです。

したがって、SWIRを選ぶ判断は「予算が許すから広い方を」ではなく「対象の吸収帯が1000nmより長波側にあるから必要」であるべきです。逆に対象がVNIRで判別できるなら、SWIRを避けることは手抜きではなく合理的な設計判断になります。

用途別の波長域早見表（判断フレームワーク）

ここからは「その情報がどの波長帯に出るか」で用途を整理します。数値はいずれも公的機関・査読論文・メーカー公式の一次情報に基づくもので、実際の対象物では母材やパッケージの影響で最適波長がずれるため、あくまで出発点の目安として使ってください。

水分・含水率を見たい：SWIR側（1450nm付近が代表）

水はO-H結合に由来する吸収を近赤外〜短波赤外に複数持ち、なかでも1450nm付近の吸収がよく使われます。ソニーセミコンダクタソリューションズの解説でも、水が1450nm付近の光を吸収する性質を利用してSWIRイメージセンサで撮影すると水を含む部分が黒く映り、青果選別などに活用できると説明されています。乾燥工程の管理、水濡れ・結露の検出、食品の水分ムラの可視化などはこの帯域が主戦場です。

この用途はVNIRでは原理的に困難です。水は可視光をほとんど吸収しないため、見た目の色で水分量を推定しようとしても、表面の光沢や陰影といった別要因を拾ってしまいます。「濡れているかどうかを確実に見たい」なら、SWIRの追加コストは払う価値のある投資になります。

糖度・成分を見たい：近赤外〜SWIR（対象ごとに最適波長が異なる）

果実の糖度や成分の非破壊測定は近赤外分光の代表的な応用ですが、最適波長は対象と指標によって変わります。農研機構は、モモの追熟度を示す指標としてペクチン分解に着目し、960nmと810nmにおける拡散反射強度の差（IMP = A960 − A810）が熟度指標として利用できることを報告しています。この例では2波長のLEDだけで小型・安価なセンサーが構成できるとされています。

一方でSpecim FX17のような900〜1700nm機は、公式に「果物・野菜の糖度や焼成品の水分率の測定」を用途として挙げています。つまり同じ「甘さを測る」でも、指標の設計次第で必要な帯域は800〜1000nm台で足りる場合と、1000nm超まで必要な場合があります。糖度測定の実際の進め方は果物の糖度を非破壊で測定する方法でも解説しています。

油分・樹脂の材質を見分けたい：SWIRの1700nm帯・2300nm帯

油や樹脂の主成分である炭化水素はC-H結合を多く含み、その伸縮振動の倍音・結合音が1700nm台と2300nm付近に特徴的な吸収として現れます。査読論文（Remote Sensing, 2018, 10(3), 421「Evaluation of the Ability of Spectral Indices of Hydrocarbons and Seawater for Identifying Oil Slicks Utilizing Hyperspectral Images」）では、石油系炭化水素の分光的な特徴がSWIR（1000〜2500nm）に現れ、C-H伸縮の第一倍音による吸収極大が1.720〜1.760µm、結合音による吸収極大が2.3µm付近にあると整理されています。油膜検出用の指標もこの帯域を使って組まれます。油漏れ・油分付着の検知は、この帯域を押さえられるかどうかで成否が分かれます。

樹脂の材質判別も同じ原理です。プラスチックは種類ごとにC-H由来の吸収パターンが異なるため、近赤外〜短波赤外のスペクトル形状で材質を見分けられます。産業技術総合研究所は2023年2月28日の発表で、波長800nm〜2500nmの近赤外光の吸収から、結晶を構成する高分子鎖の長さやらせん形状の変化を捉えてプラスチックの劣化を診断する技術を報告しています。材質の違いだけでなく、同じ材質の劣化度まで分光で追えるということです。現場での使いどころは油漏れをカメラで検知する仕組みも参考になります。

植生・クロロフィルを見たい：VNIRで足りることが多い

植生の活性評価は、クロロフィルが赤色光を強く吸収し近赤外光を強く反射するという性質を利用します。JAXAも植生指数について、「植物が反射する近赤外線や可視光線（赤色）の特徴を元に、植物の量や活力を推定しています」と説明しています。この赤と近赤外の反射差はVNIRの範囲に完全に収まります。

したがって、生育診断・活性度モニタリング・病害の早期兆候といった用途では、まずVNIR機で検討するのが定石です。ここでSWIR機を選ぶ理由が出てくるのは、葉の含水率やバイオマスの水分状態まで踏み込みたい場合に限られます。「農業だからSWIR」ではなく「見たい指標がどちらにあるか」で決めてください。

異物・混入物を見つけたい：対象と母材の組み合わせで決まる

異物検査は、単独では波長域が決まらない代表例です。決まるのは「異物そのものの性質」ではなく「異物と母材（周囲の製品）のスペクトル差がどこに出るか」だからです。樹脂片が食品に混入しているならC-H吸収の差が出るSWIR側、色の異なる夾雑物ならVNIRで十分、というように組み合わせ次第で答えが変わります。

この性質があるため、異物検査は事前のサンプル撮影による検証が特に重要になります。「金属はX線、樹脂やゴムは分光」といった手法の使い分けを含め、X線で見つからない異物の検査方法で整理しています。

用途別 波長域 早見表

迷ったときは、次の順で自問すると候補が絞れます。①見たい違いは「色・見た目」に起因するか、「成分・水分・材質」に起因するか。②後者なら、その成分はO-HかC-HかN-Hか。③その官能基の吸収は1000nmより長波側か。④その差を、ライン速度と空間分解能の制約下で撮り切れるか。①で「色・見た目」に該当するなら、そもそもハイパースペクトルではなくRGBカメラやマルチスペクトルカメラで足りる可能性が高いです。

私たちは国産・自社開発のハイパースペクトルカメラ「irodori」を開発しています。波長域の選定でお悩みでしたら、まず製品ページだけでも見ていただけると、この記事の内容がご自身の対象物に当てはめやすくなるかもしれません。

バンド数・波長分解能・空間分解能のトレードオフ

波長域が決まったら、次に迷うのがバンド数です。バンド（band）とは分光された1つの波長区間のことで、ハイパースペクトルカメラは通常これを数十〜数百本持ちます。ここで押さえておきたいのは、バンド数と波長分解能は同じものではないという点です。

バンド数と波長分解能は別の指標

波長分解能（スペクトル分解能）は、どれだけ近い2つの波長を「別の波長」として区別できるかを示す指標で、通常はFWHM（半値全幅）で表されます。一方バンド数は、単に何本のデータ点に区切って記録するかです。サンプリング間隔をいくら細かくしても、光学系のFWHMが広ければ実際に分離できるピークの細さは変わりません。

具体例を見ると違いが分かりやすくなります。Specim FXシリーズの仕様によれば、FX10は400〜1000nmを224バンドで取得しFWHMは5.5nm、FX17は900〜1700nmを224バンドで取得しFWHMは8nmです。バンド数は同じ224でも、カバーする帯域幅が違うためバンドあたりの波長間隔も分解能も異なります。「224バンドだから同等」とは言えないわけです。

バンドが多いほど良いわけではない

バンド数を増やすと、データ量・処理時間・SN比の3方向で代償が発生します。1バンドあたりに割り当てられる光量が減るためSN比は下がり、ノイズを抑えようとすれば露光時間が伸びてライン速度が落ちます。データキューブ（縦×横×波長の3次元データ）の容量も比例して膨らみ、保存と解析の負荷が現場運用を圧迫します。

逆に、使うバンドを絞れば速度は劇的に上がります。前述のSpecim FXシリーズの仕様では、FX10は全バンド取得時330 FPSに対して1バンド選択時は9900 FPS、FX17は全バンド670 FPSに対して4バンド選択時は15,000 FPSと公表されています。判別に効く波長が特定できていれば、同じカメラでインライン検査に耐える速度が得られるという意味です。

実務では、まず全バンドで撮って解析し、判別に寄与する波長を数本〜十数本に絞り込み、運用時はその波長だけを高速に回す、という流れがよく取られます。この「絞り込み」ができるかどうかが、PoCで終わるか実運用に乗るかの分かれ目になります。

ハイパースペクトルが不要なケースも正直に

すべての課題にハイパースペクトルカメラが必要なわけではありません。判別に必要な波長がすでに数本に特定できているなら、その波長だけを持つマルチスペクトルカメラ（数バンド〜十数バンドの多波長カメラ）の方が、安く・速く・運用も簡単です。imecのFAQでも、モザイクフィルタ方式のスナップショットセンサはRGBのベイヤー配列に似た構造で9・16・25といったバンド数を持ち、高分解能のsnapscanは100〜150バンドを持つと整理されており、用途に応じた選択肢が用意されています。

さらに、色や形状だけで判別できる課題なら通常のRGBカメラで十分です。ハイパースペクトルカメラの価値は「未知の波長依存性を探索できること」にあります。探索が終わって答えが出ているなら、より軽い装置へ移行するのが正しい設計です。装置の全体像とマルチスペクトルとの違いは、ハイパースペクトルカメラの仕組みと業界別の活用事例でまとめています。

選定の落とし穴と、現実的な進め方

ここまでの整理を踏まえても、実際の選定では想定外が起きます。多いのは、教科書どおりの吸収帯が実サンプルでは見えない、というケースです。包装フィルム越しで光が減衰する、母材の水分が支配的で目的成分の吸収が埋もれる、照明の分光特性が偏っていて必要な帯域に光が届いていない——いずれも現場では珍しくありません。

よくある落とし穴

• 照明を軽視する：分光計測では照明の分光分布が測定範囲全体をカバーしている必要があります。カメラがSWIR対応でも、照明が1000nmまでしか出ていなければ長波側は真っ暗になります。
• 包装・容器の影響を計算に入れない：フィルムや容器自体もC-H吸収を持つため、中身の信号に重なります。実運用と同じ包装状態でのサンプル撮影が不可欠です。
• ライン速度を後回しにする：バンド数と露光時間が決まって初めて実効の搬送速度が出ます。最後に速度が足りないと分かって設計が崩れる例が多くあります。
• データを撮る前に機種を確定する：解析で効く波長が判明する前に発注すると、必要な帯域が外れていても後戻りできません。
• 教師データの量を見誤る：スペクトルからの判別は統計処理を伴うため、良品・不良品ともに一定数のサンプルが必要です。数点では検量線も分類モデルも成立しません。

推奨する進め方：サンプル検証 → PoC → 運用

1. 目的の言語化：「何と何を、どの程度の精度で区別したいか」を数値で定義します。ここが曖昧なまま進むと、どの波長域でも成功判定ができません。
2. サンプル撮影による事前検証：実サンプルを広い帯域で撮影し、目的の差がスペクトルに現れるかを確認します。この段階で「そもそも分光で見えない」と分かることも大きな成果です。
3. 有効波長の絞り込み：判別に寄与する波長を特定し、必要なバンド数と分解能の要件を確定します。ここで初めて機種の要件が固まります。
4. PoC（実証）：想定される照明・搬送速度・環境変動のもとで、精度が再現するかを検証します。季節や原料ロットによる変動も確認対象です。
5. 運用設計：モデルの再学習フロー、校正の頻度、判定閾値の運用ルールまで決めて初めて現場に載ります。

この流れを踏むと、最終的にハイパースペクトルではなくマルチスペクトルで足りるという結論に至ることもあります。それは失敗ではなく、無駄な投資を避けられた成功です。装置選定の前に実機で試したい場合は、ハイパースペクトルカメラのデモ・撮影依頼の進め方をご覧ください。国内の選択肢を横に並べて比較したい場合は、国産ハイパースペクトルカメラのメーカー比較も検討材料になります。

私たちはこれまで、食品・農業・インフラ・医療などの現場とともに、ハイパースペクトルカメラの実証を重ねてきました。特許・メディア報道・これまでの取り組みは実績一覧に公開しています。もし波長域の選定でお迷いでしたら、資料だけでもご覧いただけたら嬉しいです。