近日，中国科学技术大学国家同步辐射实验室潘洋教授团队利用自行研发的解吸电喷雾电离/二次光电离（DESI/PI）质谱成像平台（Analytical Chemistry,2019,91, 6616-6623）结合多孔聚四氟乙烯印迹技术，实现对多种植物叶片中代谢物的空间成像。

光纤共聚焦显微光谱与成像装置是将光纤共聚焦光谱分析技术和显微光学成像技术相融合的细胞检测装置，此装置能够同时获得被测细胞的形态结构信息和反映细胞形态和成分特性的光谱信息，得到被测细胞定性、定量、定位的综合分析信息。 光纤共聚焦显微光谱与成像装置包括光源照明系统、光纤共聚焦光谱分析系统、显微成像和定位系统、数据分析系统，照明光源系统给光纤共聚焦光谱分析系统提供光源；光纤共聚焦光谱分析系统传输照明光照射细胞，开接收携带细胞信息的背向散射的光信号，获取光谱信息进入数据分析系统分析；显微成像和定位系统由照明系统照明，获得反映细胞形态和结构的图像信息进入数据分析系统；数据分析系统同时获取被测细胞的显微图像和反映细胞形态和成分特性的光谱信息。 光纤共聚焦显微光谱与成像装置结合光纤共聚焦技术、后向散射光谱分析技术和显微成像技术，提出了适用于同时获取特定细胞的显微图像和光谱信息的细胞检测装置，能够实时的获取细胞的综合信息。这就解决了目前技术不能够在细胞水平上获取特定位置的组织形态信息和光谱信息的技术问题。对于癌症除检测癌变细胞的显微形态信息外，同时获取相应细胞生化成分的光谱，光谱信息中既包括了形态变化对光的散射特性变化，也包括了细胞中成分变化导致的光吸收特性的变化信息，结合这两种检测技术的细胞分析装置，能及时发现细胞的早期癌变，以便对癌症实施全面而及时的诊断。而且，当前显微成像技术和CCD光谱技术都是比较成熟的检测技术，且CCD光谱技术可以进行实时分析，所以，本发明提供的装置利用现有先进技术，大大提高癌变细胞的检测精度，同时可以大大降低检测成本。

复旦大学光子晶体课题组长期聚焦光子晶体等微纳光子材料的光场调控研究和针对微纳材料和器件的先进光学量检测技术的开发和应用，与上海复享光学股份有限公司合作在基础创新、技术突破和产学研转化方面取得了一系列成果。 一、项目分类 显著效益成果转化 二、成果简介 当今，光，作为几乎所有远程探测的手段和信息传播的媒介，对光的多维度测量分析和自由调控，既直接关系到未来信息收集、处理和传输的灵敏度和速率，也与先进微纳制造的精度、效率和能耗等诸多国家核心技术的竞争力息息相关。 复旦大学光子晶体课题组长期聚焦光子晶体等微纳光子材料的光场调控研究和针对微纳材料和器件的先进光学量检测技术的开发和应用，与上海复享光学股份有限公司合作在基础创新、技术突破和产学研转化方面取得了一系列成果。 在基础创新方面： ①动量空间光学测量思想：光与微纳结构的相互作用遵循频率-动量色散关系，也被称为光子能带。在原理上，类似于半导体利用其电子能带操控电子，光子晶体等微纳光子材料也可以通过光子能带操控光。而光子能带的本质存在于动量空间。相比于已经商业化的可探测固体材料动量空间中复杂电子能带的多维度角分辨光电子能谱设备，针对光子晶体等光子材料动量空间中光子能带的多维度光谱测量技术和设备在全世界尚属空白，亟需发展。团队突破了传统光谱测量思路，提出了从动量空间视角量检测微纳光子器件光学性能的思想。 ②适合微纳尺寸器件的动量空间成像技术：微纳尺寸的测量依赖显微镜。但显微技术在追求实空间分辨率的同时丧失了动量空间的分辨能力。此成果将傅里叶光学技术与显微技术相融合，解决了动量空间成像的像差和色差问题，实现了实空间和动量空间的双高分辨率。 ③多维度光学信息提取：相位和偏振态是可供光子器件信息调制的新自由度。团队将时域外差干涉技术延拓到具有显微分辨能力的动量空间外插干涉技术，单次成像实现了在光波长尺寸内40毫弧度的相位测量精度。同时，建立了适合于动量空间成像测量技术的耦合模理论，实现了在非相干的白光照明下任意椭圆偏振态的测量。 ④光学量测中国解决方案：处于芯片产业上游的微纳制程光学量测环节，是芯片良品率控制的关键。在此关键领域，我国远远落后于国际先进水平。动量空间成像光谱技术所采集的多维度光谱信息富含微纳结构的三维形貌信息。团队提出并实现了基于动量空间成像光谱技术的全新光学微纳制程量测新原理和新技术。该原理利用深度神经网络构筑了微纳米尺度结构与动量空间色散的构效关系和映射。同时，由于在所测量的色散关系中包含了冗余的结构信息，因此在实际技术应用中极大优化了量测逆问题中测量噪音带来的病态问题。 ⑤相关成果：团队以通讯作者发表1篇Nat.Photon.，1篇Nat.Commun.，3篇PRL，4篇Light：Sci.&Appl.，1篇Sci.Bull.，1篇Light:Advanced Manufacturing等国内外高水平期刊论文。动量空间成像光谱技术使动量空间得以被直接实验观测，并成为发现新光场调控机制的眼睛。团队利用此技术首次实验揭示了动量空间中存在具有拓扑奇点的偏振场，提出了动量空间中光场调控的新思路，开辟了光子晶体在全偏振态、涡旋光束生成和光束位移操控方面的新应用。由于周期性光子晶体无几何中心，因此不需光学对准，具有应用价值，成果被评为2020年度中国光学十大进展，入选ISI高被引论文。日本NTT首席科学家Notomi在Nat.Photon.上以"动量空间中的拓扑成真"为题对团队工作进行专题报道，给予高度评价。 在技术突破方面： ①在国际上首次实现了广谱符合阿贝正弦关系的动量空间成像光谱设备。其中动量分辨率小于1.7毫弧度，实空间分辨率小于600纳米，相位分辨率小于40毫弧度，最大偏振度误差小于1%，波长分辨率小于0.1纳米。 ②结合产业需求和动量空间成像光谱技术的优势，提供了一系列产业问题的分析解决方案，包括利用动量空间偏振依赖的辐射分布量测发光分子三维取向分布和利用动量空间光子色散关系逆向量测微纳结构纳米精度的三维形貌等。实测结果达到亚纳米分辨稳定性和98%以上的置信度，测量膜厚与计量认证厚度差异小于5埃。 ③相关成果授权发明专利9项，在申请PCT国际专利2项。

简介：本发明属于光谱测量技术领域，公开了一种菲涅尔双面镜干涉成像光谱仪。它包括光学结构、二维探测器和数据采集系统，所述的光学结构包括前置望远镜、入射狭缝和菲涅尔双面镜；所述菲涅尔双面镜包括平面反射镜M1和平面反射镜M2。本发明的成像光谱仪，在结构上，从入射狭缝到二维探测器之间仅有一个光学元件（菲涅尔双面镜），这使得仪器结构大为简化；另外，由于本发明在光路结构中采用菲涅尔双面镜，菲涅尔双面镜表面反射率高，入射光能损失低。

产品详细介绍成像系统　　SOC-730VS可见光/近红外成像光谱仪是一款高质量、商品化的成像光谱仪，光谱范围为400nm～1000nm。和MIDIS™ 处理器（为可选件）连接后，SOC-730VS可以提供最苛刻的实时分析，质量控制和探测应用。 实时处理　　实时处理数据的应用，如机械视觉、生物影像、颜色质量评估、和需要即时反馈的目标探测等。可选的SOC MIDIS™处理器以最优的电脑速度快速执行光谱处理，克服了大部分成像光谱仪在实时数据处理方面的瓶颈。　　MIDIS处理器具有多个相关通道同时监测测量数据和三光谱积分，使得MIDIS处理器有能力克服当今数据处理的难题。配备了一个独立的偏振分光光度计，高灵敏度的，12bit兆像素数列和积分扫描仪，SOC-730VS通过高速Camera-Link接口，可以记录400nm到1000nm光谱范围内、2nm分辨率的高质量光谱成像数据。　　SOC的HS分析软件可以用来进行标定和数据分析。记录的数据格式为开放式的二进制数据，可以很容易的用第三方分析软件打开，如ENVI软件。 技术参数光谱范围： 400-1000 nm光谱分辨率： 2 nmSMILE： <1.5 μ数字光圈： F/2.4TFOV (35MM)： 10°IFOV (35MM)： 0.17 mrad分辨率 (像素)： 1024x1024帧频： 15 fps数字分辨率： 12-bit三脚架： 3/8”-16计算机接口： Cameral-Link扫描： 内置供电： AC/12DV 应用领域：机械视觉　　连接处和表面检查　　农业视察　　化学分析　　农业领域精准农业　　土地分类　　水份胁迫　　作物健康 科学领域　　显微镜　　生物分析军事领域　　目标识别　　敌友分辨遥感领域 　　地表真实　　分类制图 

本成果属于高光谱图像信息处理技术，为高光谱遥感图像分类方法。首先对高维高光谱图像提取第一主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。这种方法有效地并且充分的挖掘了高光谱遥感图像中的空间信息、形态信息和光谱信息。考虑到稀疏表示方法在迭代求解稀疏向量时的耗时性与对非线性数据的不可分性，进一步提出了基于差分形态学核协同表示的高光谱遥感图像分类算法。该成果方法通过核化的协同表示分类算法避免了优化求解的耗时性，同时克服了高维特征空间下数据的线性不可分性。算法首先通过差分形态学方法在高光谱遥感图像的主成分分析图上进行空间特征提取，并通过核变换方法将新特征字典投影到高维的线性核特征空间，最后利用核化协同表示算法的高效性对高光谱图像进行分类。 主要技术指标 University of Pavia 通过 ROSIS-03 传感器记录，该图像捕获了意大利帕维亚的帕维亚大学周围的市区。图像尺寸为 610×340×103，空间分辨率为 1.3 m / 像素，光谱覆盖范围为 0.43 至 0.86μm。该图像考虑了九个类别。其具有 42776 个标记样本。每类取 50 个有标记样本共 450 个样本作为训练样本。 请参阅表 1，本方法提出的高光谱图像分类方法，相比于传统分类器 SVM，OA 提高了约 18%；相比于 JSRC，OA 提高了约 5%；同时参阅表 2，展示了本成果方法的时间运行效率与相关方法的比较。该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果。 表 1 PaviaU 数据集上对比实验结果 表 2 不同数据集上时间运行对比实验结果

产品详细介绍　　SOC720SW 短波红外成像光谱仪是一款高质量、高性能的仪器，光谱范围为900nm～1700nm。　　SOC720SW具有高光谱分辨率 (6.25 nm), 轻度光谱失真 (<1.5 nm)成像分光计和高灵敏度的InGaAs 探测器 (D* = 1.5e13  √cm-Hz/W)，使得SOC720SW可以14-bit同时收集640像素、128个波段的光谱信息。这保证了所有应用里，获得的是最高质量数据。 使用简单和实时处理　　SOC720SW是一个完整的系统，开箱之后即可使用。　　系统采用SOC的HyperSpect™ 操作软件和HSAnalysis™校准和分析工具进行标定和使用前设置。　　数据以开放的BIL二进制格式保存，可以兼容第三方分析软件。无需额外的扫描仪或软件。　　可选的SOC MIDIS™处理器以最优的电脑速度快速执行光谱处理，克服了大部分成像光谱仪在实时数据处理方面的瓶颈。　　MIDIS处理器具有多个相关通道同时监测测量数据和三光谱积分，使得MIDIS处理器有能力克服当今数据处理的难题。　　配备了一个高质量的成像分光计、标定和分析软件、高速低噪InGaAs线列和完整的扫描系统，SOC-720SW通过高速Camera-Link接口可以记录900nm到1700nm光谱范围内、6.25nm分辨率的高质量光谱成像数据。灵敏度高于1.5x1013cmHz/W（1550nm）。　　SOC的HS分析软件可以用来进行标定和数据分析。记录的数据格式为开放式的二进制数据，可以很容易的用第三方分析软件打开，如ENVI软件。无须数据格式转换。技术参数：光谱范围： 900-1700 nm光谱分辨率： 6.25 nm光谱通道： 128光谱失真： <1.5 microns  (smile)数字光圈： F/2.4TFOV/IFOV (35MM)： 10°/0.015625°分辨率(像素)： 640x640 (nominal)LINE RATE： 30 Spatial Lines/SecondCUBE RATE： 20 Seconds/Cube数字分辨率： 14-bit三脚架： 3/8”-16计算机接口： Cameral-Link扫描： 内置供电： AC/12DV重量： 30 lbs.尺寸： 7”x14”x22”  应用领域： 机械视觉　　电子学和塑胶　　晶片检查　　农业品质　　化学过程控制农业领域　　精准农业　　土地分类　　水份胁迫　　作物健康 温度记录　　火点监测　　玻璃检测　　金属纯度军事　　ISR　　边境安全　　导弹跟踪医学领域　　血糖分析　　X线断层摄影术

本发明提供了一种基于空间相关性的高光谱数据降噪方法及系统，进行投影变换，求解高光谱数据 中各个波段所成图像的平均图像，计算高光谱数据的协方差矩阵并进行特征值分解得到变换矩阵和特征 值矩阵，利用变换矩阵将高光谱数据进行线性投影，得到变换域中的三维数据；根据特征值矩阵选择降 噪阈值；降噪，包括对降噪阈值以内的变换域中的三维数据进行保留，对阈值以外的变换域中的三维数 据进行降噪处理；投影反变换，包括利用所述变换矩阵的逆矩阵对降噪后的变换域中的三维数据进行线 性投影，重构得到降噪后的高光谱数据。本发明在降噪处理过程中，对于空间域的相关性充分保护，很 好地降低了高光谱数据的噪声量级，提高了高光谱数据的信噪比。 

        技术成熟度：技术突破         领域存在着景深影响效率的突出问题，本产品以高性能异构处理器为核心运算单元，以嵌入式手段通过视觉流与控制流的严格对位，高性能实时完成视频控制信息的结算，并直接输出电机驱动信号控制相关执行机构完成闭环控制。         本产品主要面向高性能伺服闭环控制的视频应用领域，能够显著提升显微工业自动化领域的视频对焦及对位处理的效率及精度，亦可实现宏观领域的视觉嵌入化控制闭环应用。         意向开展成果转化的前提条件：中试放大及产业化工艺开发资金支持

该成果提出了一种基于同质块均值核类内协同表示分类方法。同质块均值核能够有效地为目标样本确定其邻域区域内的同质样本，并将目标样本和同质块内的样本与训练样本之间的相似度作为新的特征向量，在有效提高类别区分度和空间表征能力的同时，提升了特征生成的效率。其后在分类过程中，利用类内协同表示分类中的吉洪诺夫正则项加强测试样本和各个类别训练样本之间的相关性的同时进一步提高分类效率。 主要技术指标 不同数据集下的训练样本与测试样本数与在该训练样本集数量下的分类结果表现参阅表 1。 （1）相比于传统分类器 SVM，OA 提高了约 15%；相比于 JCR 方法，OA 提高了约 2-4%。 （2）该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。同时有效降低了离散错分样本的数量，改善了过平滑的分类效果。参见表 1 与图 1。 （3）同时该成果特征提取方法有效提高了特征提取效率，参见表 2。 表 1.PaviaU 大学数据的训练样本选取与分类结果 表 2. 不同窗口大小下的特征生成时间比较