近日，太阳集团tcy8722储修祥教授研究团队在机器视觉领域取得三项创新性研究成果，分别发表在《Optics Express》（JCR：Q1/中科院：2区，IF=3.8）、《Results in Physics》（JCR：Q1/中科院：2区，IF=5.3）和《Applied Optics》（JCR：Q2/中科院：4区，IF=1.9）上，为该领域的发展贡献了重要的理论和实践经验。
第一篇论文题为《Deep learning based coherent diffraction imaging of dynamic scattering media》。该研究通过引入深度学习方法，成功实现了对动态散射介质的相干衍射成像。对比传统的ptychographic iterative engine (PIE)算法，该方法在非静态散射媒介下取得了更为清晰的成像效果，为透过动态散射媒体的无透镜相干衍射成像打开了新的可能性。该成果在大气污染、海水目标检测和医学生物诊断等领域具有重要的应用前景。
第二篇论文题为《Fourier ptychographic layer-based imaging of hazy environments》。该研究提出了一种改进的Resnet网络，用于在强散射介质（如雾霾）中提取和增强畸变强度图像的特征，并通过多尺度特征融合有效地整合信息。该方法成功还原了不同浓度雾霾以及动态非均匀雾霾所隐藏的目标强度信息序列，并呈现了最终的傅里叶叠层成像结果。该研究首次证明了使用深度学习方法通过雾霾环境进行远场傅里叶叠层成像的可行性。实验结果表明，该方法能够有效克服雾霾环境散射引起的图像模糊和畸变问题，显著提高了在不同雾霾水平下最终宏观傅里叶相位层成像的结构相似性指数（SSIM）和峰值信噪比（PSNR）。该研究不仅揭示了深度学习在解决动态非均匀强散射介质成像问题方面的巨大价值，还有效抑制了雾霾散射环境对宏观傅里叶叠层成像的不利影响，推动了傅里叶叠层成像技术在远距离成像复杂环境中的应用进展。
第三篇论文题为《Determination of quantity and volume of Carya cathayensis Sarg by line laser scanning combined with the point cloud fusion algorithm》。该研究基于线激光扫描3D成像，提出了一种检测山核桃数量和体积的方法。通过双目视觉和点云融合，成功减小了三维重建中的误差。该点云融合可自动识别所扫描的山核桃的数量，并通过融合算法进行准确的体积计算，与实际体积相比误差仅为0.6%。这一研究可在农业中的得到应用，使农户能够对果实进行分类和优化选择，促进了智能农业实践的发展。
这三篇论文的第一单位均是浙江农林大学，光机电研212班的刘宇、胡桂芹、李兴为第一作者，光学工程学科的周路老师及刘子源老师为通讯作者。
论文链接：1.https://opg.optica.org/oe/fulltext.cfm?uri=oe-31-26-44410&id=544505
2.https://www.sciencedirect.com/science/article/pii/S2211379723010094?via%3Dihub
3.https://opg.optica.org/ao/abstract.cfm?uri=ao-62-36-9612
（文：刘子源，审核：姚立健）
