福建厦门市翔安区UV能量计校准第三方检测机构
仪器检测服务有限公司2012年由广东世通出资2000余万元在江苏昆山成立，地址位于江苏昆山市昆嘉路379号。
拥有产权实验大楼，实验室面积达3000多平方米。2013年经*实验室认可委员（CNAS）认可，认可号L6634，国际实验室互认组织（ILAC-MRA）互认授权！ 2014年由苏州质量技术局备案。实验室校准源齐全，人才队伍精良。中心设有：力学、长度、衡器、电学、电磁、热工、几何量、轻工等*校准检测实验室。
公司自成立以来深入贯彻世通仪器检测创新理念，坚持快速发展，不断提高科技创新能力，深耕仪器检测校准细分领域，荣获“昆山市科技研发机构”、“*高新”企业。
在光学计量技术中，原始条纹/散斑图像与被测物理量间的映射可描述为从参数空间到图像空间的正向物理模型和测量噪声的组合，这可以解释光学计量中几乎所有原始图像的生成过程。但从原始图像中提取待测物理量是一个典型的“逆问题”。求解这样的逆问题面临着诸多挑战，如：未知或不的正向物理模型、误差累积和局部*解以及逆问题的病态性等。在计算机视觉和计算成像领域，解决逆问题的经典方法是通过引入被测物的先验作为正则化手段限定解空间以使其良态化[图7]。而在光学计量领域，解决逆问题的思路则与之大相径庭。根本原因在于光学计量通常是在一个“高度可控”的环境中进行的，因此更倾向于通过一系列“主动策略”，如照明调制、物体调控、多次曝光等来“主动调整”图像的采集过程，这就可将原先的“病态逆问题”重塑为一个“良态且足够稳定的回归问题”。例如由单幅条纹图像解调*相位：由于正向物理模型中缺乏足够的信息可以用来*稳定地求解相应的逆问题，该逆问题是病态的。而对于光学计量的研究者来说，解决该问题的方法非常简单：我们可以进行多次测量，通过获取额外的多频相移条纹图像，*相位的获取问题就演化为了一个良态的回归问题。我们可以很容易地通过多步相移法13和时间相位展开法14来从这些条纹图像中恢复出被测物的*相位信息[图8]。
计量管理信息系统是以全面提升企业计量管理和生产质量、效率为目标，以企业计量管理和计量检测生产一体化管理为主要内容的大型管理信息系统。
该系统采用了大量适应性和通用性强的信息技术，对计量器具、计量标准、计量人员实施全面管理，还对量具送检、检测等核心环节设计了数十个管理流程，适应不同生产场景下的管理需求。
然而当我们走出实验室，进入现实世界的复杂环境时，情况就可能会大相径庭。上述主动策略往往对测量条件和被测对象施加了严格限制，例如：稳定的测量系统、极小的环境干扰、静止的刚性物体等。然而对于许多具有挑战性的应用而言，如恶劣的操作环境与快速运动的物体等，可能使上述主动策略成为一种“*”甚至是不切实际的要求。在这种情况下，传统的光学计量方法将面临严重的物理和技术限制，如有限的数据量和正向模型的不确定性。如何从*少的（*是单帧）条纹图案中提取高精度的*（无歧义）相位信息，仍然是当今光学计量学中*挑战性的问题。因此，我们期待着光学计量学原理和方法的创新和突破，这对其未来的发展具有重要意义。
深度学作为近年来兴起的一种“数据驱动”技术，在光学计量领域受到越来越多的关注，并在近几年取得了丰硕的成果。不同于传统物理模型驱动的方法，深度学方法通过人为创建一组由真实目标参数和相应原始测量数据构成的训练集，利用ANN建立了它们的映射关系，从训练数据集中学网络参数以解决光学计量中的逆问题[图9]。相比于传统的光学计量技术，深度学将主动策略从实际测量阶段转移到网络训练阶段，从而获得了以下三项前所未有的优势：
（1）从“模型驱动”到“数据驱动”：深度学颠覆了传统的“物理模型驱动”方式，并开启了基于“数据驱动”的新范式。重建算法（逆映射）可以从实验数据中学，而不需要有关物理模型的先验知识。若训练数据集是在真实实验环境下（包括测量系统、样品类型、测量环境等）基于主动策略所采集的，且数据量充足（多样性），那么训练出来的模型应该能更、更全面地反映真实情况，因此通常会比传统基于物理模型的方法得到更准确的重建结果。
（2）从“分步分治”到“端到端学”：与传统的独立解决任务序列的传统光学计量方法相比，深度学允许“端到端”学结构，其中神经网络可以一步学原始图像数据与所需样本参数之间的直接映射关系，如图10所示。与“分步分治”方案相比，“端到端”学方法具有协同作用的优点：它能够在执行不同任务的网络部分之间共享信息（特征），与独立解决每个任务相比有助于获得更好的整体性能。
（3）从“求解线性逆问题”到“直接学伪逆映射”：深度学利用复杂的神经网络结构和非线性激活函数来提取样本数据的高维特征，直接学一个能够充分描述整个测量过程（从原始图像到待测物理量）的非线性伪逆映射模型（“重建算法”）。对于比传统方法的正则化函数或先验，深度学所学到的先验信息是针对真实实验数据的统计量身定制的，这原则上为求解反问题提供了更强、更合理的正则化。因此其绕过了求解非线性病态逆问题的障碍，可以直接建立输入与期望输出之间的伪逆映射关系。
实验室地址
东莞部：广东省东莞市道滘镇厚德上梁洲工业区四横路7号
：江苏省苏州市昆山开发区昆嘉路379号
重庆世通：重庆市北碚区万宝大道184号3楼
各分部地址
西安世通：陕西省西安市高陵区融豪工业城中小企业创业示范园第11座
新乡世通：河南省新乡市红旗区互联网大厦606
晋江世通：福建省泉州市晋江市陈埭镇下埭双龙路新消防中队旁恒宇仪器
中山世通：广东省中山市东区起湾道65号亨丰商务中心6楼605室
惠州世通：广东省惠州市惠城区江北云山西路2号帝景国际商务中心B座2007号
常州世通：江苏省常州市武进区万达中心29楼15号
成都世通：四川省成都市龙泉驿区简华侨东路招商·依云上城二期
佛山世通：佛山市顺德大良清晖路新基孵化园四层D16室
cyx19941995xhy
由于上述优点，深度学在光学计量中受到越来越多的关注，为光学计量技术的概念带来了颠覆性的变革。深度学摒弃了对传统“正向物理模型”和“逆向重构算法”的严格依赖，以“样本数据驱动”的方式重塑了几乎所有光学计量技术中数字图像处理的基本任务，打破了传统光学计量技术的功能/性能疆界，从极少的原始图像数据中挖掘出更多场景的本质信息，显著提升了信息获取能力，为光学计量技术打开了一扇新的大门。图11回顾了在光学计量领域采用深度学技术的典型研究工作。下面按照传统光学计量技术的图像处理层次列举深度学在光学计量学中的具体应用案例。（1）图像预处理：早期将深度学应用于光学计量的工作集中于图像预处理任务，如图像去噪35、图像增强36等。Yan等35构建了一个由20个卷积层组成的CNN来实现条纹图像去噪[图12a]。由于无噪声的理想条纹图像很难通过实验获取，他们仿真了大量添加高斯噪声的条纹图像（网络输入）和相应的无噪声数据（真值）用作神经网络的训练集。图12d-图12e给出传统去噪方法——加窗傅里叶变换法（WFT 37）与深度学方法的去噪结果。从结果中可见，基于深度学的方法克服了传统WFT的边缘伪影，表现出更好的去噪性能。Shi等36提出一种基于深度学的条纹信息增强方法[图13a]。他们将真实场景中捕获的条纹图像和相应的质量增强图像（通过将两幅相移量为π的条纹图像相减获取）用作数据集训练神经网络，以实现对条纹图像到质量增强条纹信息之间的直接映射。图13b-图13d显示了传统傅里叶变换法（FT）38和深度学方法对运动的手的三维重建结果，从中可见深度学方法在成像质量上明显优于传统方法。
