利用针对Sparrow算法优化的自相关反卷积技术进行超分辨率显微镜检测，以实现精密微球缺陷的精确分析

《Annals of the New York Academy of Sciences》：Super-Resolution Microscopy for Precision Microsphere Defect Inspection Using Sparrow-Optimized Autocorrelation Deconvolution

微球表面缺陷检测中超分辨率重建方法研究

　　

摘要

精密微球的体积非常小，这使得用肉眼检测其表面缺陷变得非常困难。传统的光学显微镜方法受到诸如局部模糊和分辨率低等问题的限制，从而无法准确检测微球表面的缺陷。本文提出了一种基于自相关两步反卷积的超分辨率图像重建方法，该方法使用麻雀搜索算法自适应地调整加速参数，并通过混合能量函数作为优化目标。这种方法提高了图像分辨率，并减少了重建过程中伪影的出现。通过滚动傅里叶环相关性和半高全宽来评估重建图像的质量。与传统的自相关两步反卷积超分辨率算法相比，所提出的方法分辨率提高了2.79到3.82倍（具体取决于帧数）。在相同的帧数下，图像处理速度提高了6.3%至34.2%。与各种深度学习模型相比，所提出的算法能够重建更详细的特征，并更有效地检测精密微球表面的缺陷。该方法还显示出了一个明显的凹陷效果，这可以为精密微球图像表面粗糙度的定量评估提供有价值的参考。

图形摘要

精密微球的体积很小，传统的光学显微镜在成像其表面缺陷时常常会出现局部模糊和分辨率有限的问题，从而限制了高精度检测的能力。我们提出了一种基于麻雀搜索算法优化的超分辨率自相关两步反卷积（SSA-SACD）框架，该框架能够自适应地调整加速参数并优化混合能量函数，从而提高图像分辨率并减少重建伪影。所提出的方法能够更清晰地显示精密微球表面的缺陷特征，并在缺陷位置形成明显的凹陷。

利益冲突

作者声明他们没有已知的财务利益冲突或个人关系可能影响本文的报告内容。

同行评审

为了保证透明度，与本文相关的同行评审文件可在 https://doi.org/10.1111/nyas.70263 获取。

第三轮评审
编辑决定函	2026/03/02
编辑1的建议	2026/03/02
第二轮评审
编辑决定函	2026/02/03
编辑1的建议	2026/02/03
评审员2的报告	2026/02/03
评审员1的报告	2026/01/07
第一轮评审
编辑决定函	2025/12/05
编辑1的建议	2025/12/05