【技术实现步骤摘要】
用于使样品载体定向的显微镜系统、方法和计算机程序
[0001]本公开涉及一种用于使显微镜的样品载体定向的方法。本公开还涉及一种用于使样品载体定向的显微镜系统和计算机程序。
技术介绍
[0002]对于显微镜，部分或完全自动化发挥着越来越重要的作用。此处通常使用安装在显微镜支架上的全景相机。全景相机拍摄样品台和插入的保持框架和/或样品载体的宏观图像。
[0003]全景图像一方面可用于文件资料汇编。另一方面，从全景图像中也可以导出关于测量情况的信息并用于部分或全自动控制。例如，可以从一个全景图像或从两个不同的全景图像中估计保持框架和/或样品载体的高度。全景图像还可以用作用户的导航地图，借此用户可以选择样品区域，然后自动地接近这些区域。此外，从全景图像中可以导出关于样品类型或样品的污染程度的信息。例如，在DE102017111718A1中，申请人描述了一种显微镜，其中获得并评估全景图像。由不同照明的两个全景图像创建全景对比度图像。然后借助用于图像分类或分割的机器学习模型进一步处理全景对比图像。
[0004]在拍摄全景...
【技术保护点】
【技术特征摘要】
1.一种用于使显微镜(1)的样品载体(7)定向的方法，包括：
‑
拍摄全景图像(30)，在所述全景图像中所述样品载体(7)和/或样品载体环境至少是部分可见的；
‑
通过计算机程序(80)的机器学习模型(44、45)评估所述全景图像(30)，所述机器学习模型在所述全景图像(30)中针对至少一个预先给定的对象(25)进行对象定位；
‑
根据所述对象定位，通过所述计算机程序(80)评估，是否所述样品载体(7)在所述全景图像(30)中是被定中心的；
‑
如果所述样品载体(7)被评估为在所述全景图像(30)中不是被定中心的：
‑
则基于通过计算机程序(80)进行的对象定位来确定定中心运动(57)，其中，所述定中心运动(57)给出用于使所述样品载体(7)在所述全景图像(30)的图像中心的方向上运动的样品台运动；
‑
基于所述定中心运动(57)进行样品台调节；
‑
在进行所述样品台调节之后拍摄被定中心的全景图像(60)。2.根据权利要求1所述的方法，进一步包括：将所述被定中心的全景图像(60)用于进一步的图像处理或显微镜控制和丢弃所述全景图像(30)。3.根据权利要求1所述的方法，其特征在于，所述机器学习模型(44、45)包括至少一个用于对象定位的卷积神经网络，所述卷积神经网络借助至少部分地包含样品载体环境和样品载体(7)的训练全景图像进行训练。4.根据权利要求1所述的方法，其特征在于，通过所述机器学习模型(44、45)进行的对象定位涉及保持框架(6)或保持框架部件的位置、一个或多个保持框架腹板(6A、6B)的位置或样品载体(7)的位置。5.根据权利要求1所述的方法，其特征在于，所述机器学习模型(44、45)以以下方式之一进行所述对象定位：
‑
借助于分割，在所述分割中在所述全景图像(30)中标记出哪些图像区域属于保持框架(6)，
‑
借助于分类或语义分割，其中，在不同的保持框架腹板(6A、6B)之间进行区分，
‑
借助于对预先给定的保持框架部件，特别是螺钉、保持框架角部(6D、6F)或保持框架轮廓的检测，或对所述保持框架(6)上存在的预先给定的标记，特别是文字说明或标签的检测，或者
‑
借助于对放入所述保持框架(6)中的对象，特别是样品载体(7)或测量或校准样品的定位，
‑
借助于分类，在所述分类中识别保持框架类型或样品载体类型，其中，针对不同的保持框架类型或样品载体类型存储各自的几何信息，通过所述几何信息确定所述定中心运动(57)。6.根据权利要求1所述的方法，其特征在于，所述定中心运动(57)仅仅给出所述样品台运动的方向或不仅给出所述样品台运动的方向而且给出所述样品台运动的路径长度。
7.根据前述权利要求中的任一项所述的方法，其特征在于，在进行样品台调节期间或之后拍摄一个或多个其他全景图像，其中，每个其他全景图像被评估用于对象定位和用于确定另一个定中心运动(57)，以便在迭代步骤中达到在其处拍摄被定中心的全景图像(60)的位置。8.根据权利要求1所述的方法，其特征在于，考虑来自机器学习模型(44、45)的以下的上下文信息中的一项或多项和/或在确定所述定中心运动(57)中考虑：
‑
与使用的保持框架(6)的先前已知的设置之间的时间关系；
‑...
【专利技术属性】
技术研发人员：曼努埃尔，
申请(专利权)人：卡尔蔡司显微镜有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。