【光学前沿资讯】卷积光学神经网络：开启人工智能成像新纪元
近年来，人工智能技术的快速发展极大地推动了社会进步，特别是在产业变革方面发挥了重要作用。卷积神经网络（CNN）因其卓越的图像识别能力，在人工智能技术领域，尤其是在ChatGPT中，表现尤为突出。最近，一项创新性的科研成果将卷积神经网络的概念引入光学领域，为人工智能成像技术带来了革命性的进展。
上海理工大学智能科技学院的张启明教授和智能科技学院、张江实验室光计算所的顾敏院士领导的研究团队，成功开发了一种超快速的卷积光学神经网络（ONN）。该技术在不依赖光学记忆效应的情况下，实现了对散射介质后物体的清晰成像，这一成果不仅颠覆了传统光学成像技术，也深刻展示了卷积网络在人工智能中的应用潜力。该研究成果于6月14日以“基于超快卷积光学神经网络的非记忆效应散射成像”为题发表于《科学》子刊《科学进展》上，张雨超特聘研究员为第一作者，顾敏院士和张启明教授为共同通讯作者。
卷积神经网络，作为一种广泛应用的人工智能神经网络架构，其灵感来源于生物的视觉皮层系统。卷积操作作为其核心，通过提取图像的局部特征并逐层构建更为复杂和抽象的特征表示，极大地推动了图像处理和模式识别领域的发展。然而，将这一概念应用于光学领域，面临着将电子信号转换为光学信号的挑战。研究团队设计了一种全光学的解决方案，通过在光域中直接进行卷积网络操作，省去了繁琐的信号转换过程，实现了真正的光速计算。
这项技术的核心在于构建了一个多阶段的卷积网络，由多个并行核心组成，能够以光速进行操作，直接从散射光中提取特征，实现图像的快速重建。这一过程不仅极大地提高了成像速度，还显著增强了成像质量，使得在复杂散射环境中的成像成为可能。同时，卷积光学神经网络的计算速度达到了每秒1570万亿次操作，为实时动态成像提供了强大的支持。
此外，该技术还展示了其多任务处理能力。通过简单地调整网络结构，同一卷积光学神经网络能够同时执行多种不同的图像处理任务，这在光学人工智能领域尚属首次。张启明教授表示：“这种灵活性和效率的结合，不仅展示了卷积网络在人工智能中的重要性，也为光学成像技术开辟了新的道路。”
顾敏院士指出：“随着技术的不断发展和完善，我们有理由相信，卷积光学神经网络将在自动驾驶、机器人视觉、医学成像等多个领域将发挥更加重要的作用，为人类的生活带来更多便利，为科学研究提供更强大的工具。这是卷积网络的力量，也是人工智能的魅力。”
-
横向色差与纵向色差：镜头色差异从哪里来，怎么测？
白光是由不同波长的光组成的复合光。由于透镜材料对不同波长的光折射率不同，不同颜色的光经过透镜后会产生不同的折射角度和焦距——这就是色差（Chromatic Aberration）。
2026-09-29
-
镜片一装上去像就变？光学元件应力双折射的成因、定量检测与装夹启示
不少装调工程师都遇到过这样的情况：一片单独检测合格的镜片，装进镜筒、拧上压圈后，波前或偏振状态却发生了变化；胶合固化后的透镜，在偏光仪下出现一圈圈彩色条纹。这些现象背后，往往是同一个"看不见的变量"——应力双折射（Stress Birefringence）。本文梳理应力双折射的成因、它对光学性能的影响、定量检测原理与相关标准，并讨论它对光学装夹（预紧力/应力平衡）的实际启示。
2026-09-29
-
130°大视场、25点测量、60秒出MTF 内窥镜光学性能怎么做量产检测？
无论是腹腔、关节、鼻窦等硬管内窥镜，还是电子胃肠镜、胶囊内镜，医生都要通过一根细长的镜体看清体内细节。视场够不够大、边缘清不清晰、有没有变形，直接关系到病灶能否被发现。随着医用内窥镜国产替代加速、工业孔探应用增多，仅靠人工看分辨率板"数线对"已难以满足量产质控要求。本文结合 TRIOPTICS 的 ImageMaster® ENDO PRO 内窥镜专用光学传递函数测量仪，梳理内窥镜光学检测的特殊点、MTF 测量方法与量产化设备实现。
2026-09-28
-
AI 芯片扩产，卡在"最后一道“光学关”——从 CoWoS 到 CPO，为什么光学对准与检测成了新瓶颈
9 月初的 SEMICON Taiwan 2026 上，多家国际机构的调研罕见地指向同一个判断：AI 半导体的扩产，正在从“前端增产”走向“全链条扩产”——产能压力从晶圆厂蔓延到先进封装、光互连和测试。而对光学行业的人来说，这条链的末端藏着本次展会最实在的信号：量产的卡点，恰好落在了光学对准与检测上。
2026-09-28
-
批产一致性数据读图指南：单片合格，为什么批次还是不达标
一条 MTF 曲线、一张波面图、一份偏心报告。但量产阶段真正决定交付质量的，往往是批次数据的一致性：100 片镜头里每一片都过规格，并不意味着这一批就是稳定的。
原因在于下游系统通常由多片光学元件级联构成。单片各自满足容差，其偏差在系统内随机叠加后，合成波前误差会显著放大；批内离散度越大，装配后系统性能的可预测性越差。因此，读批次数据的方法与读单片数据有本质区别：关注的不是"某一片好不好"，而是"整批是否受控、变异来自哪里"。2026-09-28
