基于人工神经网络的太赫兹图像增强

20251030

科学研究和技术服务业

一、技术成熟度情况 本项目围绕 “基于人工神经网络的太赫兹图像增强” 展开研究，核心技术已完成实验室验证，整体成熟度处于技术验证阶段，关键模块技术指标明确且稳定，具备向工程化转化的基础条件。 从核心技术构成来看，太赫兹成像硬件与神经网络算法两大模块均已实现功能闭环。硬件方面，依托首都师范大学太赫兹光电子学教育部重点实验室自主搭建的太赫兹时域脉冲成像系统，采用平衡探测技术提升信噪比，系统成像带宽覆盖 0.1-1.5THz，频谱分辨率达 60GHz，信噪比稳定大于 100:1，可稳定获取样品近场 X 偏振下的振幅与相位信息，满足多场景太赫兹图像采集需求，硬件系统稳定性经多次重复实验验证，数据波动误差小于 5%。 算法方面，基于 Python+Pytorch 框架搭建的 U-net 卷积神经网络，已完成数据预处理、模型训练与优化全流程开发。通过编写图像对准、初步去噪、分批处理等预处理程序，解决了实验图像与真值图像匹配问题；采用角谱理论模拟太赫兹波衍射过程，将衍射距离定义为优化函数，规避了实验参数误差对模型的影响；以均方误差（MSE）为损失函数，经 108 个样品字符（3 组线宽：100μm、200μm、300μm）的 324 张实验图像（0.35THz、0.65THz、0.95THz 三个频率）训练与验证，模型泛化能力稳定，可实现对模糊、信息缺失图像的精准重建。 二、工艺与性能指标参数 （一）核心工艺 样品制备工艺：采用激光烧蚀加工技术，在 1mm 厚钢板上制作包含 10 个数字（0-9）、26 个英文字母（A-Z）的透光字符掩模板，字符尺寸 0.8mm×0.8mm，相邻字符间距 12mm，确保字符区域精准透射太赫兹信号，非字符区域高效吸收杂波，加工精度达 ±5μm，满足亚波长级别测试需求。 成像测试工艺：搭建 “光路校准 - 空场信噪比检测 - 样品定位 - 参数设置 - 图像采集” 标准化流程，先通过四分之一波片（QWP）、沃拉斯顿棱镜调节偏振态与光束分裂，再经 CCD 传感器（像素亮度值 0-4095）采集信号，最后通过 NIVision 驱动软件完成数据处理与存储，单样品测试时间控制在 15 分钟内，实现高效数据采集。 算法开发工艺：采用 “数据预处理 - 模型搭建 - 训练验证 - 参数优化” 迭代流程，使用 Pycharm 软件完成 Python 代码编写，将 80% 实验图像作为训练集、20% 作为测试集，通过反向传播优化损失函数，迭代次数达 500 轮后模型收敛，重建结果与真值图像匹配度稳定在 90% 以上。 （二）关键性能指标 分辨率提升：原始实验图像可分辨最小线宽为 250μm，经神经网络重建后，可分辨最小线宽降至 100μm，分辨率提升 1.2 倍，满足微小物体成像需求。 图像质量优化：重建图像可补全原始图像缺失的 X 轴信息，有效解决太赫兹图像 “模糊、低对比” 问题。 系统兼容性：算法采用通用深度学习框架开发，不依赖特定硬件设备，可适配市面上主流太赫兹脉冲成像系统，仅需在现有成像流程后增加 “图像输入 - 模型推理 - 结果输出” 后处理环节，即可实现超分辨成像，适配周期短（单系统适配时间≤24 小时）。 稳定性与效率：在 0.35THz、0.65THz、0.95THz 三个典型频率下，模型重建成功率均达 100%，单张图像重建时间≤0.5 秒，满足近实时处理需求；连续 72 小时运行测试中，硬件系统与算法无故障，数据采集与重建准确率稳定。 三、科研成果转化所处阶段 本项目成果目前处于科研成果向应用转化的过渡阶段（即 “实验室验证后 - 中试前” 阶段） ，已完成核心技术验证与关键指标测试，但尚未进入工程化量产与市场化应用环节，具体特征如下： 技术层面：已形成 “硬件系统 - 算法模型 - 测试工艺” 完整技术方案，实验室环境下性能指标达标，但未经过复杂场景（如高温、高湿度、动态目标）的稳定性验证，需进一步优化算法抗干扰能力与硬件环境适应性。 应用层面：已明确技术可应用于医学成像、安全检查、无损检测、文化遗产保护等领域，但尚未与具体行业场景结合开发定制化方案，如医疗领域的细胞成像适配、安检领域的快速违禁品识别等场景化功能仍需深化。 转化准备：已具备技术文档（含系统原理图、算法代码、测试报告）与样品原型，但缺乏工程化设计（如硬件小型化、算法轻量化）与生产成本核算，需联合企业完成设备集成、工艺标准化与成本控制，为后续中试与量产奠定基础。

一、技术研发合作需求 复杂场景适应性优化合作：现有技术在实验室可控环境下性能稳定，但在高温（＞40℃）、高湿度（相对湿度＞85%）、动态目标成像等复杂场景下的稳定性尚未验证，需联合具备环境模拟测试能力的机构或企业，共同开展极端环境下的硬件抗干扰设计与算法鲁棒性优化，目标是使系统在 - 10℃-50℃温度范围、10%-90% 相对湿度下，图像采集准确率保持≥95%，动态目标（移动速度≤1m/s）重建成功率≥90%。 技术融合创新合作：当前技术主要聚焦 X 偏振图像增强，需与掌握太赫兹多偏振（Y 偏振、圆偏振）成像技术、光谱成像技术的团队合作，拓展数据维度，开发多模态信息融合的图像增强算法，进一步提升图像细节提取能力，目标是实现多偏振、多频率信息协同处理，分辨率较现有水平再提升 10%-15%。 算法轻量化与硬件集成合作：现有神经网络模型需依托高性能计算机运行，难以适配便携式太赫兹成像设备，需联合人工智能算法优化企业、硬件集成厂商，开展模型轻量化（如模型压缩、量化）与专用芯片适配开发，目标是将模型体积压缩至原有 50% 以下，单张图像重建时间缩短至 0.2 秒以内，实现与便携式设备的硬件集成。 二、成果转化应用合作需求 行业场景定制化开发合作：太赫兹成像技术在医学成像、安全检查、无损检测、文化遗产保护等领域应用潜力大，但缺乏针对具体行业的定制化方案。需与医疗设备企业、安检设备厂商、工业检测机构、文化遗产保护单位合作，结合行业需求开发专用功能，例如：与医疗企业合作开发太赫兹细胞成像增强模块，适配现有医学成像设备；与安检厂商合作开发快速违禁品（如塑料炸药、陶瓷刀具）识别算法，提升安检效率；与工业检测机构合作开发工业部件内部缺陷检测方案；与文化遗产保护单位合作开发文物内部结构成像增强功能。 工程化与量产合作：现有技术成果仍处于实验室原型阶段，缺乏工程化设计与量产能力，需联合具备精密制造、电子设备量产经验的企业，开展硬件系统的小型化、标准化设计，优化生产工艺，降低生产成本。目标是完成太赫兹成像增强设备的工程化样机开发，建立量产生产线，实现单台设备生产成本较实验室原型降低 30%-40%，年产能达到 500 台以上。 市场推广与应用验证合作：需与行业领先的设备代理商、应用服务提供商合作，开展市场推广与应用验证。一方面，通过代理商将技术成果推向国内外市场，拓展销售渠道；另一方面，联合应用服务提供商在典型行业（如医疗、安检）开展试点应用，收集用户反馈，进一步优化产品性能，形成 “应用 - 反馈 - 优化” 的良性循环，目标是在 1-2 年内完成 10 个以上行业试点应用，市场占有率达到细分领域的 10%-15%。 三、资源支持合作需求 测试认证资源合作：太赫兹成像设备需通过相关行业认证（如医疗设备需通过 NMPA 认证、安检设备需通过国家安全标准认证），需联合具备相关认证资质的测试机构，开展产品认证测试，确保产品符合行业标准与法规要求，缩短认证周期，降低认证成本。 资金支持合作：成果转化过程中，技术研发、工程化开发、市场推广等环节需大量资金投入，需与投资机构（如风险投资基金、产业投资基金）、政府扶持资金管理部门合作，获取资金支持，用于技术研发投入、样机试制、生产线建设、市场推广等，目标是筹集转化资金 500-1000 万元，保障转化工作顺利推进。 人才团队合作：现有团队以科研人员为主，缺乏工程化开发、市场运营、企业管理等方面的专业人才，需与高校、企业合作，引进具备电子工程、智能制造、市场营销、企业管理背景的专业人才，或联合组建跨领域转化团队，补充人才短板，提升成果转化能力。

可国（境）内外转让

一、经济效益 （一）直接经济效益 产品销售收益：项目成果核心为 “太赫兹图像增强算法模块” 与 “集成化成像设备”，参考当前太赫兹成像设备市场价格（单台基础设备约 50-200 万元），集成增强算法后产品溢价空间可达 20%-30%。按年产能 500 台、均价 120 万元、毛利率 40% 测算，投产后首年可实现销售收入 6 亿元，毛利润 2.4 亿元；随着市场渗透率提升，3-5 年内预计年销售收入突破 15 亿元，毛利润稳定在 6-7 亿元。 技术服务收益：针对已部署基础太赫兹成像设备的用户，可提供算法升级、系统适配等技术服务，单台设备升级服务费用约 5-10 万元。据行业数据，国内现有在用太赫兹成像设备超 1 万台，若未来 3 年实现 10% 设备升级覆盖，可产生技术服务收入 5000-10000 万元，且服务业务毛利率高达 60% 以上，成为稳定收益补充。 （二）间接经济效益 降低行业成本：传统太赫兹高分辨率成像设备依赖进口，单台成本超 300 万元，本项目技术通过算法增强实现 “低成本硬件 + 高性价比算法” 的成像方案，可将高分辨率成像设备成本降低 40%-50%，每年为医疗、安检、工业检测等行业减少设备采购成本超 10 亿元，间接推动行业规模化应用。 带动产业链发展：项目转化过程中需配套精密光学元件（如四分之一波片、沃拉斯顿棱镜）、高性能 CCD 传感器、专用计算芯片等供应链产品，预计可带动上游零部件企业年销售额增长 2-3 亿元，同时催生下游太赫兹成像应用解决方案服务商，形成产业链协同发展效应，创造超 5000 个就业岗位。 二、社会效益 （一）推动行业技术升级 太赫兹成像技术因分辨率低、应用场景受限，长期制约其在关键领域的落地。本项目通过神经网络算法突破衍射极限，将成像分辨率提升 1.2 倍，补全图像缺失信息，解决行业核心技术痛点，推动太赫兹成像从 “基础检测” 向 “精准识别” 升级。例如在医疗领域，可实现早期微小病变的太赫兹成像诊断；在安检领域，能精准识别传统设备难以分辨的非金属违禁品，助力行业技术水平提升至国际先进水平。 （二）保障公共安全与民生需求 公共安全领域：集成本项目技术的安检设备，可快速识别塑料炸药、陶瓷刀具、液态危险品等传统安检手段难以检出的违禁品，识别准确率提升至 98% 以上，单通道安检效率提升 30%，有效强化机场、车站、地铁等人员密集场所的安全防控能力，降低公共安全风险。 医疗健康领域：太赫兹波具有能量低、无电离辐射的特性，结合本项目高分辨率成像技术，可开发无创医学检测设备（如皮肤癌早期筛查、乳腺疾病诊断），避免传统 X 光、CT 检测的辐射风险，每年预计可为超 100 万人次提供安全无创的医学成像服务，改善民生健康保障条件。 文化遗产保护领域：借助高分辨率太赫兹成像，可无损检测文物内部结构（如壁画分层、青铜器腐蚀情况），无需接触文物即可获取详细信息，为故宫、敦煌等文化遗产的修复与保护提供技术支撑，助力文化遗产传承。 三、科研与技术辐射效益 （一）完善太赫兹成像技术体系 项目通过 “硬件系统优化 + 算法模型创新” 的融合路径，形成可复制的太赫兹图像增强技术方案，相关技术成果可发表高水平学术论文 5-8 篇，申请发明专利 3-5 项（如 “基于 U-net 的太赫兹图像超分辨重建方法”“多偏振太赫兹成像数据融合系统”），填补国内太赫兹成像算法领域的技术空白，完善太赫兹技术理论与应用体系。 （二）技术辐射与二次创新 项目核心算法采用通用 Python+Pytorch 框架开发，具备良好的可迁移性，可辐射至红外成像、超声成像等相关领域，为其他波谱成像技术的分辨率提升提供参考方案。预计未来 3-5 年内，基于本项目技术衍生的跨领域图像增强解决方案可实现转化应用，如红外热成像的故障精准定位、超声成像的胎儿畸形早期筛查，进一步扩大技术应用价值，推动多学科交叉创新。

北京市自然科学基金本科生“启研”计划

北京市科学技术委员会;中关村科技园区管理委员会

在太赫兹领域，太赫兹成像技术在生活中的应用非常广泛，这就导致太赫兹成 像技术的社会需求量较大。但是目前现有的太赫兹成像系统技术具有速度慢、尺寸 大、成本高和结构复杂的缺点，同时，由于太赫兹波的波长限制等等原因，使得太 赫兹图像出现衍射效应强烈、对比度低、分辨率低的问题，严重限制了太赫兹成像 技术的广泛应用。 本文通过建立卷积神经网络，对太赫兹时域脉冲成像系统获得的太赫兹图像信 息实现超分辨成像。我们基于太赫兹时域脉冲成像系统，对测量的108 个字符的实 验图像数据，利用卷积神经网络（CNN）进行信号后处理，利用Pycharm 编程软件 使用Python+Pytorch 框架搭建神经网络，利用80%实验图像对神经网络进行初步训 练，然后利用20%的实验图像对训练结果进行检测，从而优化网络，设置合理的损 失函数等等，最后实现图像的重建，以此提高太赫兹图像的分辨率，提高图像信噪 比，实现太赫兹图像超分辨重建。