[发明专利]显微镜快速精准自动对焦方法、系统、计算机设备及介质

权利要求书

1.一种显微镜快速精准自动对焦方法，其特征在于，所述显微镜快速精准自动对焦方法包括：

步骤一，采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集；

步骤二，将采集的图像进行裁剪，并通过图像评价函数，得到每个图像的质量评价值，根据每个图像的质量评价值确定质量最好的图像，并获取质量最好的图像对应的焦距f0；

步骤三，采用分类离焦深度法判断是否属于对焦类别；切换下一个视野，再次利用分类离焦深度法进行判断，直至全局扫描结束。

2.如权利要求1所述的显微镜快速精准自动对焦方法，其特征在于，步骤一中，所述采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集包括：

预先规划每次电机前进步长p1，范围R1，当进行第一次对焦，从初始位置按照步长p1，在范围内采集图片，采集图片个数N，以焦距大小命名图片，区分不同焦距图片。

3.如权利要求1所述的显微镜快速精准自动对焦方法，其特征在于，步骤二中，所述通过图像评价函数，得到每个图像的质量评价值包括：

利用拉普拉斯算子对图像进行模板卷积得到图像的高频分量，对得到的图像的高频分量进行求和，所述高频分量和即每个图像的质量评价值；

所述拉普拉斯算子如下：

其中，g(x，y)表示每个像素的亮度，z(x，y)表示亮度为g(x，y)的像素进行滤波模板卷积后每个像素点值；f表示取均值；

梯度算子为水平方向和垂直方向两个，高通滤波算子一个，对应的算子矩阵如下：

4.如权利要求1所述的显微镜快速精准自动对焦方法，其特征在于，步骤三中，所述采用分类离焦深度法判断是否属于对焦类别包括：

首先，以f0为中心确定二次对焦范围r2；通过训练的离焦深度分类算法模型，判断f0所属的离焦量，根据指导原则，确定前进的步长，得到焦距f1所得的图像；

其次，计算图像所对应的离焦量，判断是否在对焦区域，如果不在，根据所在离焦区域分析前进步长；如果在，则对焦成功。

5.如权利要求4所述的显微镜快速精准自动对焦方法，其特征在于，所述以f0为中心确定二次对焦范围r2包括：

取最大拉普拉斯值LM对应的焦距为中心，确定二次对焦范围；

具体包括：

取单峰曲线g前后两个点拟合近焦曲线，利用最小二乘法拟合计算得到参数a，b，c；所述单峰曲线g如下：

g＝a·exp(-(x-b)²/2c²)；

获取计算的所有图像中质量评价值，并将计算得到的质量评价值最大值减去质量评价值最小值的1/3得到截距y，计算公式如下：

y＝MIN(N)+(MAX(N)-MIN(N))/3；

代入g函数中计算得到x0，x1；所述[x0，x1]即为二次对焦范围r2。

6.如权利要求4所述的显微镜快速精准自动对焦方法，其特征在于，所述通过训练的离焦深度分类算法模型，判断f0所属的离焦量包括：

离焦深度分类算法模型将二次对焦范围按离焦量的划分，分为10等间隔，d＝(x1-x0)/10，取整d；

按照距离分为5类训练，[x0，x0+3d]为类别class0；[x0+3d，x0+5d]为类别class2；[x0+5d，x0+6d]为类别class3；[x0+6d，x0+8d]为类别class4，[x0+8d，x0+10d]为类别class5；其中class3为对焦区域；

使用包括残差网络模块级联以及全连接层特征提取ResNet50深度卷积网络训练分类算法模型输出图像属于5类的概率，取概率最大的类别；

所述指导原则包括：

当图像位于类别1，电机前进步长为4；

当图像位于类别2，电机前进步长为2d；

当图像位于类别3，停止对焦；

当图像位于类别4，电机后退步长2d；

当图像位于类别5，电机后退步长2d。