基于AI的移动对焦方法及装置制造方法及图纸

本申请涉及一种基于AI的移动对焦方法及装置，属于光学设备技术领域，该方法包括：在图像采集设备沿预设扫描路径运动过程中，将在第k个扫描位置采集的目标图像输入预先训练的AI焦点偏离预测模型，得到焦点偏离量，并用前n个偏离量计算焦点偏离速度v；在焦点偏离量大于0(或小于0)、且绝对值大于预设阈值的情况下，控制z轴以a*v的速度减小(或增大)物距；在焦点偏离量的绝对值小于或等于预设阈值的情况下，以b*v的速度,v的相反方向变化物距，并基于目标图像的清晰度和在前m个扫描位置采集的历史图像的清晰度，确定当前物距是否为最佳对焦物距；可以实现运动过程中物距的实时控制，并提高移动对焦的准确性。高移动对焦的准确性。高移动对焦的准确性。

【技术实现步骤摘要】
基于AI的移动对焦方法及装置


[0001]本申请涉及一种基于AI的移动对焦方法及装置，涉及光学设备


技术介绍

[0002]在使用图像采集设备(如数字切片扫描仪等)对样品进行扫描的过程中，采集样品图像时的对焦质量决定了后期对样品扫描时的图像质量，因此，如何提高对焦质量是亟待解决的问题。
[0003]传统的基于清晰度算法的对焦方法只能通过图像的清晰程度来判断是否偏离对焦点，但是没有办法判断偏离的方向。这样，无法判断图像采集设备的z轴调节方向。
[0004]申请号为201910151409.6的专利技术专利《基于神经网络的光纤端面自动对焦的方法》公开了如下内容：设置光纤的当前位置作为初始位置，采集获取所述初始位置的第一光纤端面图像；以预设步进移动光纤夹具至第二位置，采集获取所述第二位置的第二光纤端面图像；将所述第一光纤端面图像和所述第二光纤端面图像按照采集顺序输入至训练后的神经网络中；获得所述神经网络的输出结果，所述输出结果为根据两张输入图片的清晰度变化状态生成的对应的移动方向标签，所述移动方向标签包括：正确方向标签或错误方向标签；根据所述移动方向标签和对焦策略调整光纤夹具的位置，直至所述光纤的端面到达清晰对焦位置。
[0005]然而，上述自动对焦的方法不仅需要在每个位置都执行一次自动调焦至最佳调焦位置的过程，会导致调节效率较低的问题；同时，还需要将相邻两次采集的图片输入神经网络来确定移动方向标签，会导致预测移动方向的实时性较差的问题。

技术实现思路

[0006]本申请提供了基于AI的移动对焦方法及装置，本申请提出的基于人工智能(Artificial Intelligence，AI)的移动对焦方法，可以训练AI通过单张图像来预测物距偏离正确对焦位置的方向，从而可以相对于偏离方向的反方向调整物距，同时，通过在按照预设扫描路径运动过程中进行移动对焦，可以在保证稳定对焦的前提下缩减50％以上的对焦时间，提高对焦效率。
[0007]本申请提供如下技术方案：
[0008]第一方面，提供一种基于AI的移动对焦方法，所述方法包括：
[0009]在图像采集设备沿预设扫描路径运动过程中，将在第k个扫描位置采集的目标图像输入预先训练的AI焦点偏离预测模型，得到焦点偏离量，所述焦点偏离量用于指示当前物距与最佳对焦物距之间的差；所述预设扫描路径位于所述图像采集设备的x轴和y轴所构成的平面内；所述k为依次从1开始取值的正整数；
[0010]使用前n个偏离量计算焦点偏离速度v；所述n为大于1的整数；
[0011]在焦点偏离量大于0(或小于0)、且绝对值大于预设阈值的情况下，控制z轴以a*v的速度减小(或增大)物距，其中a>1；
[0012]在所述焦点偏离量的绝对值小于或等于预设阈值的情况下，以b*v的速度,以v的相反方向变化物距,其中，1<b<a；并基于所述目标图像的清晰度和在前m个扫描位置采集的历史图像的清晰度，确定所述当前物距是否为最佳对焦物距；所述m为正整数。
[0013]可选地，所述以b*v的速度,以v的相反方向变化物距，包括：
[0014]控制所述运行速度为a/x，所述x为大于1的数值。
[0015]可选地，所述基于所述目标图像的清晰度和在前m个扫描位置采集的历史图像的清晰度，确定所述当前物距是否为最佳对焦物距，包括：
[0016]从所述前m个扫描位置采集的历史图像中确定清晰度最大值；
[0017]在所述目标图像的清晰度大于所述清晰度最大值的情况下，确定所述当前物距为所述最佳对焦物距。
[0018]可选地，所述方法还包括：
[0019]在移动对焦完成后，按照至少一个最佳对焦物距对待扫描样品进行扫描。
[0020]可选地，所述在移动对焦完成后，按照至少一个最佳对焦物距对待扫描样品进行扫描，包括：
[0021]在扫描过程中，从所述至少一个最佳对焦物距中确定与当前物距距离最近的最佳对焦物距；
[0022]按照所述距离最近的最佳对焦物距对所述待扫描样品进行扫描。
[0023]可选地，所述预设扫描路径基于待扫描样品的空间分布确定。
[0024]可选地，所述预设扫描路径包括位于不同扫描区域内的扫描路径，所述在图像采集设备沿预设扫描路径运动过程中，将在第k个扫描位置采集的目标图像输入预先训练的AI焦点偏离预测模型，得到焦点偏离量，包括：
[0025]对于每个扫描区域内的扫描路径，在图像采集设备沿所述扫描路径运动过程中，将所述扫描路径上的第k个扫描位置采集的目标图像输入预先训练的AI焦点偏离预测模型，得到所述焦点偏离量。
[0026]可选地，所述AI焦点偏离预测模型是使用训练数据训练得到的，所述训练数据包括在z轴不同位置采集的样本图像、以及每张样本图像对应的焦点偏离标签，所述焦点偏离标签为采集样本图像的物距与最佳对焦物距之间的差。
[0027]第二方面，提供一种基于AI的移动对焦装置，所述装置包括：
[0028]焦点偏离预测模块，用于在图像采集设备沿预设扫描路径运动过程中，将在第k个扫描位置采集的目标图像输入预先训练的AI焦点偏离预测模型，得到焦点偏离量，所述焦点偏离量用于指示当前物距与最佳对焦物距之间的差；所述预设扫描路径位于所述图像采集设备的x轴和y轴所构成的平面内；所述k为依次从1开始取值的正整数；
[0029]移动速度计算模块，用于使用前n个偏离量计算焦点偏离速度v；所述n为大于1的整数；
[0030]第一物距控制模块，用于在焦点偏离量大于0或小于0、且绝对值大于预设阈值的情况下，控制z轴以a*v的速度减小或增大物距，其中a>1；
[0031]第二物距控制模块，用于在所述焦点偏离量的绝对值小于或等于预设阈值的情况下，以b*v的速度,以v的相反方向变化物距,其中，1<b<a；并基于所述目标图像的清晰度和在前m个扫描位置采集的历史图像的清晰度，确定所述当前物距是否为最佳对焦物距；所述
m为正整数。
[0032]本申请的有益效果至少包括：通过在图像采集设备沿预设扫描路径运动过程中，将在第k个扫描位置采集的目标图像输入预先训练的AI焦点偏离预测模型，得到焦点偏离量，并用前n个偏离量计算焦点偏离速度v；在焦点偏离量大于0(或小于0)、且绝对值大于预设阈值的情况下，控制z轴以a*v的速度减小(或增大)物距，其中a>1；在焦点偏离量的绝对值小于或等于预设阈值的情况下，以b*v的速度,v的相反方向变化物距,其中b满足1<b<a；可以解决对每个扫描位置都调节至最佳对焦物距时，对焦效率较低的问题；由于在按照预设扫描路径运动过程中进行移动对焦，可以实现对x、y和z轴的整体控制，提高对焦效率。同时，还可以解决使用相邻两次采集的图片输入神经网络来确定移动方向标签时，导致预测移动方向的实时性较差的问题；通过训练AI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI的移动对焦方法，其特征在于，所述方法包括：在图像采集设备沿预设扫描路径运动过程中，将在第k个扫描位置采集的目标图像输入预先训练的AI焦点偏离预测模型，得到焦点偏离量，所述焦点偏离量用于指示当前物距与最佳对焦物距之间的差；所述预设扫描路径位于所述图像采集设备的x轴和y轴所构成的平面内；所述k为依次从1开始取值的正整数；使用前n个偏离量计算焦点偏离速度v；所述n为大于1的整数；在焦点偏离量大于0或小于0、且绝对值大于预设阈值的情况下，控制z轴以a*v的速度减小或增大物距，其中a>1；在所述焦点偏离量的绝对值小于或等于预设阈值的情况下，以b*v的速度,以v的相反方向变化物距,其中，1<b<a；并基于所述目标图像的清晰度和在前m个扫描位置采集的历史图像的清晰度，确定所述当前物距是否为最佳对焦物距；所述m为正整数。2.根据权利要求1所述的方法，其特征在于，所述以b*v的速度,以v的相反方向变化物距，包括：控制所述运行速度为a/x，所述x为大于1的数值。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标图像的清晰度和在前m个扫描位置采集的历史图像的清晰度，确定所述当前物距是否为最佳对焦物距，包括：从所述前m个扫描位置采集的历史图像中确定清晰度最大值；在所述目标图像的清晰度大于所述清晰度最大值的情况下，确定所述当前物距为所述最佳对焦物距。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：在移动对焦完成后，按照至少一个最佳对焦物距对待扫描样品进行扫描。5.根据权利要求4所述的方法，其特征在于，所述在移动对焦完成后，按照至少一个最佳对焦物距对待扫描样品进行扫描，包括：在扫描过程中，从所述至少一个最佳对焦物距中确定与当前物距距离最近的最佳对焦物距；按照所述距离最近的最佳对焦物距对所述待扫描样品进行扫描。6.根据权利要求...

【专利技术属性】
技术研发人员：任思远，徐俊毅，
申请(专利权)人：苏州迪美格智能科技有限公司，
类型：发明
国别省市：