近日，2022年 SPIE 天文仪器及望远镜会议在加拿大蒙特利尔召开（2022 SPIE Astronomical Telescopes and Instrumentat ion )，太原理工大学智能光学成像实验室10篇学术论文被录用并在大会上分别做了口头报告及张贴报告，涉及天文图像处理、光电仪器数字孪生及应用和光电仪器智能控制。 SPIE ( International Society for Optical Engineering ）成立于1955年，是致力于光学、光子学、光电子和成像领域的研究、工程和应用的著名专业学会。 SPIE Astronornical Telescopes and Instrumentation 是由 SPIE 国际光学与光子学会主办的天文仪器和方法领域的顶级国际会议，是 SPIE 下天文仪器方向最具代表性、最高荣誉的会议，在国际上享有盛誉并具有广泛的学术影响力。
智能光学实验室贾鹏博士带领团队多年来在天文数据处理、光电仪器仿真和孪生、光电仪器控制等领域进行了深入研究，提出了一系列创新性方法，在国际上引领了基于深度学习的天文和空间目标图像处理和分析、光电仪器数字孪生及应用等研究领域，在 APJL 、A J 、MNRAS 等天文数据处理和仪器方面期刊发表论文50余篇，研发了“光孪”光电系统数字孪生平台，建立了“通用天文目标信息提取”框架。
近几年，随着智能光学实验室快速的建设和发展，在科技创新、产学研结合和人才培养方面取得了一系列可喜的成绩，实验室深度结合我国基础科研需求和卡脖子技术，对我国天文、空间和光电仪器等领域发展起到了重要积极推动作用。
下为论文及主要论文摘要：
Paper1: Source Detection Algorithm for Lobster Eye Telescopes with Machine Learning Algorithms
作者：刘文波，贾鹏，刘元，潘海武
单位：太原理工大学，国家天文台
简介：本文将多种算法包括形态学操作、Faster-CNN以及随机森林分类器整合为一个数据处理管道来对龙虾眼望远镜获得的图像进行源检测，检测结果具有较高的纯度和不错的完备率。
Paper 2: Database Design for Digital Twin of Optical Telescopes
作者：展阳阳，贾鹏，项温南，李正阳
单位：太原理工大学，中国科学院南京天文光学技术研究所
简介：这个报告是国际上首次提出针对数字孪生应用的光电系统数据库，报告简单地利用数据库匹配实现了光学望远镜失调状态感知。
Paper 3：A general purpose image deconvolution method with deep neural network and active learning
作者：吕佳蒙，宁润宇，宋宇，贾鹏
单位：太原理工大学
简介：基于主动学习和机器学习的天文图像复原方法，主要对任意大气湍流扰动下的天文图像（包括星系，太阳数据）进行复原，目前实现了对一定模糊等级范围内的短曝光和长曝光模拟数据图像进行复原，同时对于实际获得的长曝光星系数据也有很好的复原效果。此外，我们对复原的结果进行标注，结果分析我们的方法可以在一定程度上提升标注的准确性。
Paper4：An Automatic Cost Optimization Method for Wide Field Small Aperture Telescope Arrays
作者：项温南，贾鹏，潘兴华，李正阳，刘继峰
单位：太原理工大学, 中国科学院南京天文光学技术研究所, 中国科学院国家天文台, Durham University
简介： 为大视场小口径望远镜阵列(WFSATs)设计了一种自动化结构选型算法，以实现在满足科学观测条件的情况下能够使性价比尽可能达到最高。
Paper5：Image Quality Evaluation and Fast Masking with Deep Neural Networks
作者：宋宇，宁润宇，吕佳蒙，贾鹏
单位：太原理工大学
简介：本文介绍了一种基于深度学习的图像质量评估算法，实现了对数据退化区域高效识别的目标。算法使用以自编码器为主要结构的神经网络来获得目标的模糊或噪声水平，通过模糊或噪声水平生成输入图像的蒙版映射，能够根据不同的任务要求识别模糊或噪声水平，屏蔽图像中质量较低的区域。本方法可作为一种可靠的图像质量评估算法，应用于不同的图像处理任务场景中。
Paper 6：A Low Cost and Automatic Meteorites Detection System with Commercial Camera and Neural Networks
作者：贺田，贾鹏，李广伟
单位：太原理工大学，中国科学院国家天文台
简介：在陨石探测系统中，适当的观测设备和检测算法很重要。 在本文中，我们小组开发的设备商用相机和神经网络有效地检测火球。 该设备可以达到97%以上实时检测火球的准确性。 此外，该装置价格便宜，体积小，可以放置在不同的地方，形成一个阵列来定位陨石。
Paper7：Data Processing Pipeline for Photo Plates Digital Archives with Deep Neural Networks
作者：杨志敏，贾鹏，于涌， 赵建海
单位：太原理工大学，中国科学院上海天文台
简介：使用基于机器学习和深度学习的方法，实现对数字化天文底片的自动化处理（重点是对多次曝光底片的处理）。
Paper8: Bad Pixel Recognition and Dark Current Modelling for CMOS with Machine Learning Algorithm
作者:吕超, 贾鹏, 李雨姗, 王卓骁, 苏萌
单位:太原理工大学, 起源太空, 香港大学
简介:通过机器学习方法对cmos相机进行暗电流建模,对处理图像去除暗电流和异常点的影响,对后续进行检测和测光提供更好的质量图片.
Paper9：Optimal Control of Wide Field Small Aperture Telescope Arrays with Reinforcement Learning
作者：贾奇伟，贾鹏，刘继峰
单位：太原理工大学，中国科学院国家天文台
简介：使用深度强化学习对光学地基望远镜阵列系统进行智能控制，实现了一种具有泛化能力的望远镜阵列的控制方法。
Paper10: A Method to Build Digital Twin of Atmospheric Turbulence Phase Screens With Comprehensible Deep Neural Networks
作者：张翔，贾鹏
单位：太原理工大学
简介：从大气湍流相位屏中提取随机数作为相位特征，用连续的相位特征随机数训练网络使其能够由上一时刻的相位特征随机数输出下一时刻的相位特征随机数，然后输入到卷积对抗生成网络的生成器中，生成下一时刻的大气湍流相位屏，实现大气湍流相位屏的数字孪生。之后将算法扩展，建立相位到空间的映射得到空间基系数，并于图像像素卷积得到的空间基函数相乘累加得到时域和空域都连续的PSF，以满足更多的应用场景。
