摘要
本发明提供一种基于CNN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,预测偏移量,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;将数据转换为坐标点,拟合高斯曲线,求解得到最佳对焦距离;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
坐标点
计算机软件产品
高精度自动对焦
曲线
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
实时图像
系统为您推荐了相关专利信息
智能装配系统
工艺品摆件
工件特征
强化特征
卷积神经网络模型
卷积神经网络提取
卷积神经网络模型
特征点
图像分割技术
深度学习模型
矢量生成方法
Delaunay三角网
种子
矢量生成装置
计算机可执行指令
输电线路故障位置
激光雷达扫描数据
图像
深度神经网络模型
卷积神经网络模型
模式识别方法
协方差矩阵
MUSIC算法
频率
投影面