光学相位测量技术，作为现代科学与工业检测的核心工具，凭借其非接触、高分辨率、高速及全场自动化的特性，在机器视觉、生物医学、纳米结构分析等领域展现出了广泛的应用前景。该技术通过在物体表面生成周期性条纹图案，利用干涉或投影方式，将物体的物理信息如形状、位移、应变等编码在条纹相位中。相位测量的准确性直接关乎三维重建的精度，而相位展开技术则是解决相位模糊、获取无歧义相位分布的关键。
近年来，深度学习技术的崛起为光学相位测量带来了新的突破。在结构光三维成像领域，深度学习已被应用于条纹分析、相位恢复及三维重建等环节，展现出强大的潜力。然而，现有的深度学习相位展开方法面临泛化性不足的问题，尤其是在处理未知条纹频率时，精度会大幅下降。传统方法往往局限于单模态操作，一旦训练完成，难以适应不同的相位展开算法，这限制了其灵活性。
针对这些问题，研究团队创新性地提出了一种融合物理先验的多模态自适应时间相位展开方法（MA-TPU），该方法结合了轻量级BiSeNet网络结构与物理模型中的初始条纹级次信息，实现了准确可靠的相位解包裹预测。MA-TPU不仅在网络参数相当的情况下，预测速度远超传统的UNet网络，还能够在无需重新训练的前提下，支持多频法、多波长法和数论法三种相位展开模态。这意味着，对于不同频率和成像系统采集的条纹图像，MA-TPU都能进行高效的相位展开。
MA-TPU网络采用U型结构，包含编码器和译码器两部分。它利用多路径模块提取多尺度信息，通过上下文路径和空间路径分别捕捉不同尺度下的信息和保留图像细节。在译码器部分，全局上下文信息和特征融合模块被引入，以增强相位展开效果。实验结果显示，MA-TPU在多种条件下均表现出色，尤其是在高光栅频率和高噪声环境中，其稳定性和鲁棒性明显优于传统方法和未引入物理先验的深度学习网络。
为了验证MA-TPU的有效性，研究团队进行了多项实验。在已知系统参数下，MA-TPU在三种模态中的表现均优于其他方法，即使在高噪声和高光栅频率条件下也保持了最低的相位展开错误率。在另一套未见过的条纹投影系统中，MA-TPU同样展现出显著优势，尤其在面对未见过光栅频率和高噪声水平时，其性能远超传统方法和未引入物理先验的深度学习网络。在动态场景测试中，MA-TPU也表现出良好的适应性和噪声抑制能力。
这项研究不仅提升了光学相位测量的精度和泛化能力，还为深度学习方法在不同三维重建场景中的应用提供了新思路。随着科学技术的不断进步，光学测量技术将继续在各个领域发挥重要作用。凯视迈（KathMatic）作为国产高端光学精密测量仪器的佼佼者，致力于高精尖光学测量技术的研发与制造，其推出的KC系列多功能精密测量显微镜、KS系列超景深3D数码显微镜以及KV系列激光多普勒测振系统，已在市场上取得了良好反响，为科研与工业检测提供了有力支持。
