一种基于深度学习的自适应光力匹配方法及系统

本发明属于光学微操纵技术领域，具体涉及一种基于深度学习的自适应光力匹配方法及系统，其方法包括：将训练数据库输入神经网络模型中进行训练，得到神经网络代理模型；设置初始光场参数，获取初始光阱刚度；设定光场参数范围；将实时微球尺寸和初始光阱刚度输入神经网络代理模型中，通过定步长增大初始光阱刚度，找到预测光场参数大于光场参数范围时的最大光阱刚度，并结合初始光阱刚度，组成光阱刚度临界区间，以光场参数范围为约束，使用二分法和神经网络代理模型对光阱刚度进行迭代，得到最优光阱刚度和最优光场参数。本申请具有能够针对不同尺寸的捕获对象，快速得到最优光场参数，实现稳定捕获的效果。