从一束光到一幅图：南昌大学“光引未来”实践队推进无透镜成像校内研究

以问题为牵引拆解技术链条，在反复验证中打磨“智探全息”方案

近日，南昌大学“光引未来”实践队围绕无透镜成像与智能图像重建开展校内研究。团队以“智探全息”项目为牵引，从资料梳理、方案讨论和实验设计入手，逐步拆解“光如何被记录、信息如何被还原、结果如何被看懂”三个关键问题，在一轮轮推演与验证中完善项目思路。与其急于展示一个“看起来很新”的概念，队员们更关注技术能否说清楚、流程能否重复、结果能否被检查。

研究启动阶段，队员们先把无透镜成像的基本概念转化为可操作的任务清单。传统成像往往依赖镜头将物体轮廓直接投射到成像面，而无透镜成像更多记录光波传播后形成的衍射或全息信息，后续再借助算法进行重建。面对抽象的物理过程，团队没有停留在术语堆叠上，而是通过示意图、流程图和分步骤笔记，把光源、样品、传感器、数据和重建结果之间的关系逐一标注，为后续实验留下清晰的检查路径。

为了避免“只会讲原理、不会做验证”，团队将研究流程划分为硬件、算法和表达三个相互衔接的环节。硬件小组负责确认光源、支架、采集端和连接部件的功能边界，重点记录设备状态、安装位置和可能影响稳定性的因素；算法小组围绕原始数据预处理、重建思路和图像质量评价开展讨论，尝试比较不同参数设置对结果的影响；内容小组则把实验步骤整理成易读的文字和图示，确保每一个结论都能追溯到对应的操作或数据。

在硬件测试过程中，队员们反复检查光路是否稳定、采集是否完整、文件命名是否统一。一次看似细小的线缆松动、曝光变化或样品位置偏移，都可能让同一组实验出现难以解释的差异。针对这些问题，团队建立了测试记录表，按“准备—采集—检查—备份—复盘”的顺序记录情况。记录不只是为了留下结果，更是为了帮助队员回到现场还原过程，判断问题究竟来自设备、环境还是操作习惯。

算法研究是项目中最需要耐心的部分。原始图像并不等同于最终可识别的图像，重建过程中还要面对噪声、背景干扰、细节缺失和计算效率等问题。队员们在学习相关资料的基础上，先从数据格式、灰度变化和图像预处理等基础环节做起，再讨论如何利用智能算法改善重建效果。大家特别强调，算法输出不能只凭“看上去更清晰”来判断，而要结合统一的样本、相同的评价条件和可复现的处理步骤进行比较。

为提高研究的可复现性，团队同步推进软件界面和数据管理设计。软件部分力求让使用者能够看见输入、处理和输出三个阶段：输入端保留原始数据，处理端显示关键参数和步骤，输出端便于保存重建图像及其说明。数据管理则统一文件夹结构、命名规则和版本标记，避免“同一张图有多个不明版本”的情况。队员们还约定，任何经过处理的图片都要保留原始文件和操作备注，不能用后期美化替代科学记录。

在团队协作中，分工并没有把成员割裂开来。硬件组会把设备限制及时反馈给算法组，算法组会向内容组解释图像变化的原因，内容组则通过提问帮助大家发现表述中的逻辑跳跃。每次阶段性讨论都围绕“现象是什么、原因可能有哪些、下一步如何验证”展开，避免用一句模糊的“效果不错”代替具体判断。这样的交流让项目从单点尝试逐渐走向流程化推进，也让不同专业背景的队员找到了共同语言。

校内研究并不意味着任务简单。相反，正是在没有现成结论可直接套用的情况下，队员们需要从基础概念、实验规范和表达方式重新搭建项目框架。有人负责查阅资料到深夜，有人一遍遍核对实验记录，有人把复杂的技术词汇改写成更容易理解的句子。看似琐碎的工作，构成了科研实践最重要的底色：尊重事实、承认不确定性、记录每一次尝试，并在失败中寻找下一步的方向。

目前，南昌大学“光引未来”实践队仍在围绕无透镜成像、智能重建和科普转化完善项目方案。下一阶段，团队将继续优化实验流程和软件展示，补充对不同条件下结果差异的分析，并把已经验证的内容转化为适合课堂和公众理解的科普素材。队员们表示，真正有价值的科技实践，不只是完成一次展示，更是把一项复杂技术做得更扎实、讲得更清楚，让更多人看见光学与人工智能交汇处的探索可能。

南昌大学：刘伟璐