摘要
本发明提供一种基于CNN和RNN的电子显微镜快速自动对焦方法及系统,涉及电子显微镜自动对焦技术领域,该方法包括收集电子显微镜图像,进行预处理后,用于训练预先构建的CNN模型;实时图像输入训练好的CNN模型,输出偏移量和特征值,并计算清晰度值;基于预测偏移量与清晰度值,确定下次拍摄的对焦距离;调整对焦拍摄,收集多组对焦距离与清晰度值数据,直至达到预设次数;将特征值与对焦距离差拼接为特征向量,排序后输入训练好的RNN,预测最佳对焦偏移量;根据预测的最佳对焦距离调整电子显微镜,完成自动对焦。本发明减少拍摄次数保护材料,灵活评估图像清晰度,实现高精度自动对焦,且模型可自适应重训,应对变化,灵活实用。
技术关键词
电子显微镜图像
卷积神经网络模型
计算机软件产品
特征值
高精度自动对焦
评估图像清晰度
计算机存储介质
构建卷积神经网络
总线系统
执行存储器存储
误差反向传播
更新网络参数
数据收集模块
模型训练模块
序列
多层感知机
系统为您推荐了相关专利信息
验证规则
特征数据库
模式挖掘技术
卷积神经网络模型
节点
图片
对象识别
识别模型训练
识别图像内容
视觉词袋模型
故障智能研判方法
检测点
判别准则
物理
智能研判系统