当固体物质受到周期性强度调制的光束照射时，物质吸收辐射能而受激发，然后通过非辐射去激励而将部分或全部吸收的光能转化为热能。周期性热流使周围的介质热胀冷缩，因而激发声波。检测声波信号可得到声波携带的热信号的振幅和相位，从而能分析样品在不同深度的结构、性质和参量，实现分层成象。可应用于半导体材料和器件（特别是集成电路）的研究、分层检测及其对生产工艺流程的控制等；层状或不均匀材料的分层研究和检测；各种固体残余应力的研究；

项目的背景及目的 在微操作过程中，由于操作对象十分微小，必须借助显微镜观察操作物体。显微镜可以看到微小的物体，但同时也存在视野小、景深短等问题，这些问题限制了微操作机器人的实际操作范围，影响了机器人系统的性能，甚至导致一些操作无法完成。因此，理想的微操作机器人系统应该具有“广阔”而“深远”的视觉反馈，也即在平面方向拓展观测范围，使显微镜具有更“广阔”的视野；在光轴方向加深显微镜景深，使其在更“深远”的范围内成清晰的像。

本项目在国家重大科学仪器专项项目支持下，经过4年产学研用相结合技术攻关，成功研制了能表征样品形貌与内部纳米级结构的新型扫描探针显微镜，并实现了产业化。 研制了高稳定度激光器、高灵敏度光学检测器、高Q值扫描探针等核心关键部件，突破了基于ARM+DSP的自适应随机共振微弱信号检测方法、基于脉冲发送皮层模型多频超声图像融合方法以及基于非下采样剪切波变换的局部方差融合方法等核心关键技术，建立了RBG 彩色图像融合模型，成功研制了能表征样品形貌与内部纳米级结构的新型扫描探针显微镜。同时，通过在航天、医学、生物材料、电子器件等领域的实际使用，进一步改进与完善，提高了仪器的可靠性、有效性和实用性。 图1 成果展示 【技术优势】 在内部超声图像分辨率、最大可检测样品厚度等指标方面达到了国际领先水平。 【技术指标】 与国内外同类仪器比较，总体技术指标到达了国际先进水平，部分指标达到了国际领先水平。经过具有国家仪器检测资质的第三方测试结果，各项技术指标见下表： 【资质荣誉】 2021年湖北省科技进步二等奖。

该显微镜主要用于果酱等食品内的霉菌监测领域，严格按照联合国粮农组织和联合国卫生组织有关霉菌检测的Howard标准设计。采用了数字图像测量技术，避免了传统目测带来的视觉疲劳和误差。可有效提高霉菌检测的精度和可靠性。 主要特点包括： 1.自动生成Howard网格，降低制造、安装成本。 2.通过USB2.0接口与计算机连接，在Windows环境中即插即用。3.实现霉菌图像的采集，存储，自动测量与报表生成。便于检测部门进行计算机信息管理。

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵

本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。

成果简介： 主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。

随着微纳加工技术的发展，微纳尺度空间三维测量技术需求越来越大。目前， 高端微纳结构三维测量仪器主要是国外进口设备，国内在核心技术和工程化方面 尚不足。在系统研究干涉显微测量技术和结构光共焦测量技术的基础上，提出了 干涉共焦显微镜方案，并得到专利授权，进行了仿真验证，光机结构设计和加工， 核心算法研究，软件编写，原型样机测试和改进等工作。提出一种基于可编程照 明的显微镜测量模式(申请专利)克服样品多反射率的影响;提出了一种基于选 择采样的相位求取算法，克服相移误差影响;在核心器件设计上，任务开展了低

通过实验技术和理论方法的双重突破，在国际上率先实现了对原子核量子态的精确描述，揭示了水的核量子效应，该成果发表于《科学》期刊；通过开发新型扫描探针技术，在国际上首次获得了单个钠离子水合物的原子级分辨图像。扫描隧道显微镜（Scanning Tunneling Microscope，STM）是一种空间分辨率可以达到原子量级的微观探测工具。 然而，受电流放大器带宽的局限，其时间分辨一般只能达到微秒量级（10-6 s），而很多微观动力学过程往往发生在皮秒（10-12 s）和飞秒（10-15 s）量级。  为了提高STM的时间分辨率，其中一种比较可行的办法是将超快激光的泵浦-探测（pump-probe）技术和STM相结合，利用超快光与电子隧穿过程的耦合来实现“飞秒-埃”尺度的极限探测。