来源：市场资讯
（来源：中国图像图形学会CSIG）
中国图像图形学会自2018年起设立科学技术奖，旨在激发广大科技工作者的创新活力，推动图像图形学领域的自主创新与产业高质量发展。
自奖项设立以来，已累计评选表彰具有前沿技术突破和重要应用价值的科技成果120余项，授予优秀科技人才830余人。奖项推荐工作覆盖国内外180余所高校、科研院所及领军企业，形成了广泛参与、高水平竞争的良性态势，学术影响力与社会公信力持续提升。
为宣传科技工作者积极进取的工作精神，聚焦获奖团队背后故事，本期推文我们独家对话2025年度CSIG技术发明奖一等奖“光照编码成像与智能分析关键技术及应用”项目团队，听他们讲述科研路上的坚守与突破、协作与成长，以榜样之力，赴创新之约。
问题一：首先非常感谢各位老师接受我们的采访，请先介绍一下团队成员：
我们项目团队由六位来自国内高校和公司的成员组成，分别是哈尔滨工业大学（深圳）的张永兵教授，清华大学深圳国际研究生院的王好谦教授、夏树涛教授，广州安必平医药科技股份有限公司的张浩，深圳市生强科技有限公司的王子晗和深圳众庭联合科技有限公司的张志庭。团队成员在机器视觉、人工智能领域各有所长，分工明确，协力攻关，共同推动了光照编码成像与智能分析这一领域的理论创新与技术突破。详细介绍如下：
张永兵，哈尔滨工业大学（深圳）教授、博士生导师，国家自然科学优秀青年科学基金项目获得者。主要研究领域为计算成像、计算机视觉、生物医学图像处理等。为中国计算机学会、中国人工智能学会、IEEE、SPIE、OSA等多个国内外知名学会会员。主持国家自然科学基金重点项目、广东省、深圳市科技计划项目等10余项。曾获国家科技进步二等奖两次、广东省科技创新领军人才、深圳市青年科技奖等科技奖励。以第一/通讯作者在Nature 子刊、IEEE汇刊、The Lancet Digital Health、Signal Processing Magazine、IJCV、NeurIPS、AAAI、CVPR、ICCV等期刊和会议发表论文100余篇，获国际论文奖4项，授权发明专利50余项，美国发明专利2项。
王好谦，清华大学深圳国际研究生院教授、博士生导师。主要从事计算摄像、人工智能研究。担任国家自然科学基金委函评专家、深圳市科创委项目评审专家。近五年致力于立体视频视频特征提取和重构的基础理论与工业检测关键技术研究，主持和参与多项国家基金委和科技部重大项目，发表学术论文28篇，包括顶级期刊IEEE TPAMI在内的SCI收录11篇，获20余项国家发明专利授权（国际1项公开）。获2016年国家科技进步二等奖（第二完成人）及2015年广东省科学技术一等奖（第二完成人）各一项。
张浩，广州安必平医药科技股份有限公司副总经理。在本项目中主要负责将研发的单曝光高光谱共聚焦计算成像技术应用于病理扫描仪的生产，实现技术落地与成果转化。
夏树涛，清华大学深圳国际研究生院教授、博士生导师，中国电子学会高级会员、中国电子学会信息论分会委员，担任国际期刊 Pattern Recognition副主编。主要从事信息论编码与人工智能等方向的教学与科研工作，在TIT, TPAMI, TSP, TIFS等顶级期刊和NIPS/ICML/ICLR, CVPR/ICCV/ECCV, USENIX Security, AAAI, WWW等领域顶级会议上发表论文两百多篇，近年来完成多项国家级科研项目，与华为、腾讯、字节跳动、平安等企业有长期合作。
王子晗，深圳市生强科技有限公司副总经理。在本项目中主要负责将研发的编码光照计算成像技术和自动对焦扫描技术应用于病理扫描仪的生产，实现技术落地与成果转化。
张志庭，深圳众庭联合科技有限公司总经理，在本项目中基于研发的人工智能虚拟染色技术，开发“病理图像虚拟染色系统”，实现技术落地与成果转化。
问题二：了解完了团队内的各位老师，请为大家简单的介绍一下项目的情况：
传统的成像与计算技术由于物理瓶颈的限制已难以满足工业检测和生命医学等应用场景。针对此难题，本项目在国家自然科学基金、广东省/深圳市计划项目、企业委托项目等项目支持下，历经近十年产学研联合攻关，在多属性光照编码成像、高性能图像生成计算与千兆像素图像分析等三个方面取得了技术突破。
（1）针对现有成像方法空间带宽积受限，在低采样率、有限景深等条件下无法兼顾成像精度与速度的矛盾问题，发明了单曝光高光谱共聚焦计算成像方法与双曝光自动聚焦全切片病理扫描成像技术，突破现有方法在多性能指标间的权衡困境。
（2）针对视觉应用场景多、风格差异大等挑战，发明了无监督一对多病理图像虚拟染色方法，构建了端-云协同图像增强处理平台，将原本48小时的染色时间缩减到10分钟以内，虚拟染色结果与真实化学染色图像接近程度达95%以上。
（3）针对千兆像素病理图像尺寸巨大及精细标签稀缺的挑战，构建了弱监督病理组织语义分割架构，发明了关联性多示例弱监督病理图像亚型分类方法，突破传统方法各个示例独立同分布的局限，被国内外众多知名机构作为多示例学习的基础框架，显著提升病理图像分析诊断的性能。
该项目成果获国家授权发明专利31项（美国发明专利2项），二类医疗器械注册证1项，软件著作权8项；在相关领域国际顶级期刊、会议上发表论文55篇。项目成果在病理全切片扫描仪、材料表面检测及病理图像预后分析等领域进行了推广和应用，取得了良好的经济效益和社会效益。
问题三：请问各位老师在科研过程中，有没有什么好的方法可以推荐给大家？
回顾本项目研究历程，我们认为实现核心技术突破的关键因素可归纳为以下三点：
第一，坚持目标导向与过程激励相结合。针对高难度课题，我们采取大目标分解、阶段性突破的策略，通过持续的科研产出构建团队的正向反馈机制。
第二，严谨求实，以高质量数据筑牢创新根基。摒弃浮躁心态，通过扎实的实验积累确保科研结论的稳健性。事实证明，扎实的底层工作是缩短研发周期的根本。
第三，强化多维协同的跨学科研究范式。 突破性成果源于理论研究与工程应用的有机结合。团队成员各尽所长、优势互补，是攻克关键核心技术难题的组织保障。
希望这些感悟能与同行共勉，祝大家在科研征途中向更高处攀登！
问题四：在项目的研究过程中有遇到什么困难吗？大家是如何解决的？
研究过程中确实遇到了不少挑战，最突出的是三个方面：
一是空间带宽积受限导致成像精度与速度的矛盾。传统显微成像由于景深极浅，需进行多次轴向扫描才能获取清晰图像，效率极低。我们通过分析不同光谱通道图像偏移量与离焦距离的线性关系，发明了双次曝光自动聚焦系统，通过红-绿光源曝光即可精准计算离焦量并驱动镜头一键复位。
二是跨域图像缺乏配对数据，导致生成模型可靠性差。临床病理诊断需要多种染色模式的图像，但真实场景中几乎无法获取完全对齐的高质量配对数据，导致传统监督学习难以奏效。我们另辟蹊径，研发了无监督虚拟染色技术。通过在网络中设计风格编码字典并引入语义分类联合约束，强迫模型在不依赖配对数据的前提下，依然能精准保留原始组织的结构特征，确保了虚拟染色图像在医学诊断上的高度一致性。
三是超大尺度图像下的计算瓶颈与弱标签学习难题。单张全切片图像包含极其庞大的像素量，远超常规计算设备的显存负载，且像素级标注极其稀缺。我们提出了关联性多示例弱监督学习框架，突破了示例相互独立的传统假设，通过设计自注意力特征聚合网络实现了位置感知的特征交互。这一技术在不增加额外算力负担的情况下，显著提升了模型对复杂病理亚型的识别精度，解决了海量图像的高效智能分析难题。
问题五：最后，大家有什么获奖感言想说呢？
非常荣幸能够获得中国图像图形学会技术发明奖一等奖，感谢学会提供的平台和一直以来对项目组的支持，感谢同行专家们的指导和奖励评审委员会的审阅和认可。这个项目的成果离不开前期扎实的基础积累，以及在关键难题面前不绕行的坚持。我们将以此为动力，继续在科研道路上追求更深入的突破，为学科发展和国家科技创新贡献力量。
七星配资提示：文章来自网络，不代表本站观点。
