基于深度学习的无波前探测器自适应点扫描成像方法技术

本发明专利技术公开了一种基于深度学习的无波前探测器自适应点扫描成像方法，通过采集激光的第一聚焦光斑光强分布信息，将第一聚焦光斑光强分布信息输入至预设的学习模型中，输出第一像差泽尼克系数，然后将由第一像差泽尼克系数构成的第一波前相位分布加载到光路中，从而采集得到第二聚焦光斑光强分布信息，再将第二聚焦光斑光强分布信息输入至预设的学习模型中，输出第二像差泽尼克系数，最后将由第一像差泽尼克系数与第二像差泽尼克系数之和构成的第二波前相位分布加载至光路中，就可以提升生物立体显微成像的成像分辨力与对比度，缩短像差自适应矫正的时间，提高点扫描显微成像系统的成像深度。

Adaptive point scanning imaging method based on depth learning without wavefront detector

【技术实现步骤摘要】
基于深度学习的无波前探测器自适应点扫描成像方法
本专利技术涉及生物显微成像
，尤其涉及一种基于深度学习的无波前探测器自适应点扫描成像方法及装置。
技术介绍
针对点扫描显微成像系统应用的自适应光学技术按波前探测方式分可分为有波前探测器的直接波前探测技术和无波前探测器的间接波前探测技术。直接波前探测技术因引入波前传感器增加了光学系统的成本及系统设计的复杂度，且对光源能量要求很高。而间接波前探测技术不需要引入波前传感器，无这些缺点。间接波前探测技术主要有基于模型的模式法等及无模型的随机搜索算法。模式法等基于模型的算法矫正速度快，但矫正范围小。随机搜索算法矫正范围大，但矫正速度慢，样品容易受光毒性等影响。因此，以上方法均不能在较低的系统设计成本下同时获得较高的像差矫正速度与较好的像差矫正效果。
技术实现思路
本专利技术实施例提供了一种基于深度学习的无波前探测器自适应点扫描成像方法及装置，可以提升生物立体显微成像的成像分辨力与对比度，缩短像差自适应矫正的时间，提高点扫描显微成像系统的成像深度。为了解决上述技术问题，本专利本文档来自技高网...

【技术保护点】
1.一种基于深度学习的无波前探测器自适应点扫描成像方法，其特征在于，包括：/n采集激光的第一聚焦光斑光强分布信息；/n将所述第一聚焦光斑光强分布信息输入至预设的学习模型中，输出第一像差泽尼克系数；/n将由所述第一像差泽尼克系数构成的第一波前相位分布加载到光路中，从而采集得到第二聚焦光斑光强分布信息；/n将所述第二聚焦光斑光强分布信息输入至预设的学习模型中，输出第二像差泽尼克系数；/n将由所述第一像差泽尼克系数与所述第二像差泽尼克系数之和构成的第二波前相位分布加载至光路中。/n

【技术特征摘要】
1.一种基于深度学习的无波前探测器自适应点扫描成像方法，其特征在于，包括：
采集激光的第一聚焦光斑光强分布信息；
将所述第一聚焦光斑光强分布信息输入至预设的学习模型中，输出第一像差泽尼克系数；
将由所述第一像差泽尼克系数构成的第一波前相位分布加载到光路中，从而采集得到第二聚焦光斑光强分布信息；
将所述第二聚焦光斑光强分布信息输入至预设的学习模型中，输出第二像差泽尼克系数；
将由所述第一像差泽尼克系数与所述第二像差泽尼克系数之和构成的第二波前相位分布加载至光路中。


2.如权利要求1所述的基于深度学习的无波前探测器自适应点扫描成像方法，其特征在于，所述预设的学习模型通过以下方式构建：
获取多个像差泽尼克系数，分别将所述多个像差泽尼克系数构成的波前相位分布加载到光路中，从而采集得到多组聚焦光斑光强分布信息；
以所述多个像差泽尼克系数和所述多组聚焦光斑光强分布信息作为训练集，以聚焦光斑光强分布信息作为输入，以像差泽尼克系数作为输出，采用卷积神经网络进行训练，构建学习模型。


3.如权利要求2所述的基于深度学习的无波前探测器自适应点扫描成像方法，其特征在于，所述学习模型以输出的泽尼克系数与实际泽尼克系数的均方误差为目标函数，并通过随机梯度下降算法最小化所述目标函数。


4.如权利要求3所述的基于深度学习的无波前探测器自适应点扫描成像方法，其特征在于，所述实际泽尼克系数通过像差表征公式得到，所述像差表征公式为：
其中，r，θ为光瞳面的归一化极坐标，i为泽尼克多项式阶数，ψ(r,θ)为波前相位分布函数，Zi(r,θ)为第i阶泽尼克基函数，ai为第i阶泽尼克像差的系数。


5.如权利要求2所述的基于深度学习的无波前探测器自适应点扫描成像方法，其特征在于，所述预设的学习模型采用卷积神经网络；
所述卷积神经网络包括5个卷积层和3个全连接层；
所述5个卷积层依次顺序连接，在第1个卷积层和第5个卷积层后面分别紧连一个池化层，两个池化层后面...

【专利技术属性】
技术研发人员：王伟波，谭久彬，李晓君，
申请(专利权)人：哈工大机器人中山无人装备与人工智能研究院，
类型：发明
国别省市：广东;44