中新网1月20日消息，西安这边中科院西安光机所搞了个大动作。记者阿琳娜刚从中国科学院西安光机所打听到，这家研究所联合了加拿大国立科学研究院还有西北大学，最近在压缩高速成像这块取得了挺大的突破。 咱先说啥叫压缩高速成像。简单讲就是想办法从一堆杂乱无章的数据里，把那些动态的画面完整地复原出来。以前用传统的深度学习方法搞这个吧，得喂进去海量的训练数据才行，还动不动就出一堆杂七杂八的伪影。 现有的物理增强框架虽然有用，但大多只盯着一个任务里的先验信息看，碰到超快成像那种噪声大、串扰多的复杂场景就很难办了。 为了破局，研究团队搞出了一套多先验物理增强神经网络的成像框架。他们把光致发光动力学模型、扩展采样先验、稀疏性约束这些东西一股脑儿塞进了这个非训练的神经网络里。这种多重互补的先验信息凑在一起一较劲，不光能把重建出来的伪影给按下去，还能把空间的畸变纠正过来，特别在那种光线特别暗、光子数特别少的环境下也特别稳。 有了这个框架做底子，大家又搭了个基于双光路同步采集的系统。这东西用脉冲激光当光源，通过数字微镜器件加载那些伪随机图案去把动态场景给空间编码了。 光信号被分成两路走：一路在编码路径里通过振镜扫描把时间变成空间剪切偏移，让CMOS相机把它给拍下来；另一路在采样路径里由另一台CMOS相机直接把场景的原貌记录下来。系统里用数字延迟发生器和信号发生器一起把关，好让光源、振镜跟两台相机跑得严丝合缝。 这套系统最后结合人工智能重建图像的法子，在保证分辨率的前提下，把高保真的高速动态成像给实现了。 实验结果很喜人，空间分辨率明显提上去了。 这套技术不光是个研究成果，应用前景还挺广。研究团队已经把它用到了食品安全检测上。他们用稀土掺杂的上转换纳米探针，在酒精溶液里成功把苋菜红浓度给测了出来，而且这过程是无损的、响应速度特别快，为以后的痕量物质分析提供了新路子。