2026年1月29日《中央广电总台国际在线》

你见过能给细胞拍“写真”的“相机”吗？走进中国科学院西安光机所瞬态光学研究室，你会发现在小小空间里电线连接着不少光学成像仪器，未来，它们或许能够改变整个中国光学成像技术的命运。

近日，中国科学院西安光机所联合加拿大国立科学研究院（INRS）和西北大学，在压缩高速成像领域取得重要进展——研究团队构建了基于多先验物理增强深度学习与双光路同步采集融合的压缩高速成像系统。

什么是压缩高速成像系统？

“你可以把它想象成一部‘超级相机’，但它的成像速度极快，能捕捉子弹击穿苹果的瞬间。”中国科学院西安光机所瞬态光学研究室研究员柏晨解释说。

传统高速相机需要连续拍摄海量照片，数据量大且存储成本高，而这个系统像一名“速写大师”——只需少量关键笔触（压缩采样），再结合对物体运动规律的了解，就能快速画出一段连贯的高速动态画面。这不仅节省了存储资源，还保证了画面的清晰流畅。

为了保障这位“速写大师”能够出色地完成任务，西安光机所研究团队提出多先验物理增强神经网络（mPEN）成像框架，团队创新性地将光致发光动力学物理模型、扩展采样先验、稀疏性约束、深度图像先验等多先验信息深度融入非训练神经网络。

基于多先验物理增强深度学习的压缩高速成像光路

这一设计的灵感来源于“多重线索拼图”的思路。就像刑侦破案时，单一线索可能模糊或不完整，但若结合目击者描述、物证分析、行为轨迹等多种信息，就能精准还原事件全貌。同理，传统成像技术若只依赖单一物理模型或数据采样方式，在超高速场景下容易信息不足。“我们便创新性地将光致发光动力学模型、扩展采样、稀疏特性等融合，相当于同时调动物理规律与数据智能，提升成像的效率和精度。”柏晨对成果的应用前景充满信心。

面对这个复杂又庞大的工程，立在团队面前的“拦路虎”就是结构伪影与空间畸变问题，这意味着在超快成像中，信号是很微弱的，且帧间串扰严重，稍有偏差，还原出来的图像就会扭曲失真。

为了解决这些问题，研究团队在硬件上，设计并搭建了一套双光路同步采集系统；在算法上，提出的深度学习框架通过多重互补先验的协同修正，就像给还原过程加了多重保险，有效抑制了噪声和畸变。

光学成像与人工智能的跨界融合已成为科技研发的重要趋势。二者的深度协同，显著提升了研发效率。“以往一项研发任务通常需要一年左右，融入人工智能技术后，周期可缩短至半年甚至更短，为技术迭代提速赋能。”柏晨介绍道。

“千淘万漉虽辛苦，吹尽狂沙始到金。”当系统成功捕获微秒级化学反应动态的那一刻，团队成员深切体会到跨学科融合的创新力量。“光学技术与AI的碰撞，总能点燃意想不到的创新火花。”柏晨感慨。

此次实践更让团队深刻认识到，光学成像共性基础技术的突破，离不开跨学科交叉的支撑。“我们不仅要实现‘看得见’，更要‘看得清、看得准’，打破学科壁垒，在物理、生物、材料、食品等领域的交叉地带挖掘创新沃土。”这是姚保利研究员团队的共识。而交叉创新中“失败—改进”的迭代循环，更锤炼了研究者们敏锐的洞察力与坚韧的科研品格。

姚保利研究员团队

“十五五”规划建议明确提出“推动科技创新和产业创新深度融合”，为科技研发指明了方向。这套压缩高速成像系统的突破，正是对这一要求的生动践行。

目前，该系统已规划应用于生物医学、食品检测等关键领域，以往依赖宏观推测的超快过程——如食品添加剂检测、细胞应激反应、能源材料在极端条件下的结构演化等，如今可通过该系统直接“拍成视频”，让科学家直观分析微观动态。这一技术突破，对推动数字食品加工升级、新型材料研发、生命机制探索具有重要意义，为相关产业高质量发展注入科技动能。

未来，姚保利研究员团队锚定更高目标：一方面推动系统实现采样策略的场景化动态调整，进一步提升适配能力；另一方面在现有时间—空间维度基础上，融合光谱、相位等更多成像参量，研发多维多参量感知新技术。

姚保利研究员在指导实验（从左至右：彭彤、王思颖、姚保利、柏晨、栗星）

从微观世界的精准捕捉到产业领域的赋能升级，从跨学科融合的点滴突破到国家战略的落地践行，中国光学科技工作者正以光为笔，在科技创新的画卷上书写精彩篇章。唯有坚守基础研究、深耕跨界融合，才能让科技之光照亮高质量发展之路，为实现高水平科技自立自强注入不竭动力，在全球科技竞争中彰显中国力量。（文 龙欣妍 图片来源中国科学院西安光机所）