光學相位測量技術，作為現代科學與工業檢測的核心工具，憑借其非接觸、高分辨率、高速及全場自動化的特性，在機器視覺、生物醫學、納米結構分析等領域展現出了廣泛的應用前景。該技術通過在物體表面生成周期性條紋圖案，利用干涉或投影方式，將物體的物理信息如形狀、位移、應變等編碼在條紋相位中。相位測量的準確性直接關乎三維重建的精度，而相位展開技術則是解決相位模糊、獲取無歧義相位分布的關鍵。
近年來，深度學習技術的崛起為光學相位測量帶來了新的突破。在結構光三維成像領域，深度學習已被應用于條紋分析、相位恢復及三維重建等環節，展現出強大的潛力。然而，現有的深度學習相位展開方法面臨泛化性不足的問題，尤其是在處理未知條紋頻率時，精度會大幅下降。傳統方法往往局限于單模態操作，一旦訓練完成，難以適應不同的相位展開算法，這限制了其靈活性。
針對這些問題，研究團隊創新性地提出了一種融合物理先驗的多模態自適應時間相位展開方法（MA-TPU），該方法結合了輕量級BiSeNet網絡結構與物理模型中的初始條紋級次信息，實現了準確可靠的相位解包裹預測。MA-TPU不僅在網絡參數相當的情況下，預測速度遠超傳統的UNet網絡，還能夠在無需重新訓練的前提下，支持多頻法、多波長法和數論法三種相位展開模態。這意味著，對于不同頻率和成像系統采集的條紋圖像，MA-TPU都能進行高效的相位展開。
MA-TPU網絡采用U型結構，包含編碼器和譯碼器兩部分。它利用多路徑模塊提取多尺度信息，通過上下文路徑和空間路徑分別捕捉不同尺度下的信息和保留圖像細節。在譯碼器部分，全局上下文信息和特征融合模塊被引入，以增強相位展開效果。實驗結果顯示，MA-TPU在多種條件下均表現出色，尤其是在高光柵頻率和高噪聲環境中，其穩定性和魯棒性明顯優于傳統方法和未引入物理先驗的深度學習網絡。
為了驗證MA-TPU的有效性，研究團隊進行了多項實驗。在已知系統參數下，MA-TPU在三種模態中的表現均優于其他方法，即使在高噪聲和高光柵頻率條件下也保持了最低的相位展開錯誤率。在另一套未見過的條紋投影系統中，MA-TPU同樣展現出顯著優勢，尤其在面對未見過光柵頻率和高噪聲水平時，其性能遠超傳統方法和未引入物理先驗的深度學習網絡。在動態場景測試中，MA-TPU也表現出良好的適應性和噪聲抑制能力。
這項研究不僅提升了光學相位測量的精度和泛化能力，還為深度學習方法在不同三維重建場景中的應用提供了新思路。隨著科學技術的不斷進步，光學測量技術將繼續在各個領域發揮重要作用。凱視邁（KathMatic）作為國產高端光學精密測量儀器的佼佼者，致力于高精尖光學測量技術的研發與制造，其推出的KC系列多功能精密測量顯微鏡、KS系列超景深3D數碼顯微鏡以及KV系列激光多普勒測振系統，已在市場上取得了良好反響，為科研與工業檢測提供了有力支持。
