[發明專利]基于深度學習的無透鏡雙型融合目標檢測裝置及方法有效
| 申請號: | 201911254429.2 | 申請日: | 2019-12-09 |
| 公開(公告)號: | CN110927115B | 公開(公告)日: | 2022-05-13 |
| 發明(設計)人: | 趙巨峰;吳小輝;崔光茫;毛海鋒;林君;張鈺;臧月 | 申請(專利權)人: | 杭州電子科技大學 |
| 主分類號: | G01N21/45 | 分類號: | G01N21/45;G01B11/24;G06N3/04;G06N3/08 |
| 代理公司: | 杭州浙科專利事務所(普通合伙) 33213 | 代理人: | 孫孟輝 |
| 地址: | 310018 浙*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 深度 學習 透鏡 融合 目標 檢測 裝置 方法 | ||
本發明公開了基于深度學習的無透鏡雙型融合目標檢測裝置及方法,裝置包括雙型融合全息無透鏡成像模塊和神經網絡模塊,所述雙型融合全息無透鏡成像模塊包括激光源,微孔,濾光片,第一反射鏡,第二反射鏡,第一相干光源、第二相干光源,目標樣本及載玻片,第一CCD傳感器、第二CCD傳感器,計算機和移動滑軌,神經網絡模塊包括位置參數優化神經網絡和目標檢測區域卷積神經網絡組成,雙型融合無透鏡成像模塊同時獲取透射型模塊和反射型模塊成像信息,并最終融合重建更高質量的成像結果,同時由神經網絡不斷優化位置參數,進一步優化成像結果,最后由目標檢測區域卷積神經網絡預測結果,并輸出易懂、顯性的評估結果。
技術領域
本發明涉及計算成像、深度學習及無透鏡顯微成像技術領域,具體涉及基于深度學習的無透鏡雙型融合目標檢測裝置及方法。
背景技術
現如今,落后地區的疾病診斷、食品安全檢測及環境污染調查等問題日益突出,傳統的光學顯微系統使得光學顯微鏡日趨昂貴且笨重,并難于維護。落后地區因為地域偏僻,人才缺乏等原因,導致器材及技術得不到良好的推廣及應用。
無透鏡成像技術是近年來發展出來的一種新型的成像有效顯微技術:它不用透鏡進行聚焦,而是直接將樣本透射至光檢測器上記錄圖像,并利用有效算法進行清晰圖像的重建,無透鏡成像裝置不僅具有視場大、分辨率高等優點,還具有良好的便攜性、即時性和可操作性。光檢測器又分為電荷耦合元件[Charge-coupled device,CCD]和互補金屬半導體氧化物[Complementary Metal Oxide Semiconductor,CMOS]。根據成像的原理不同,無透鏡成像技術被分為陰影成像、熒光成像和數字全息成像三類,三類同時具有明顯的優點及缺點,在不同領域會受到一定的限制。并且傳統光學顯微鏡的技術已經相對成熟,成像質量較好,而無透鏡顯微系統中樣品與光檢測器間的距離不易控制,成像結果受到嚴重影響。除此成像質量之外,因為落后地區的人才缺乏問題,要對現有社會問題得到有效解決,就需要將顯微技術所需要的背景知識轉換為可直接閱讀的信息。
為了解決上述問題,本發明尋求設計提供了基于深度學習的無透鏡雙型融合目標檢測裝置及方法。
發明內容
本發明提供基于深度學習的無透鏡雙型融合目標檢測裝置及方法。
為了解決無透鏡顯微成像技術中的成像結果質量不佳等問題,以及針對實際應用中對成像結果專業知識的高要求性,提出了解決方案。
為了實現上述發明目的,本發明設計的基基于深度學習的無透鏡雙型融合目標檢測裝置及技術方案為:
基于深度學習的無透鏡雙型融合目標檢測裝置,包括雙型融合全息無透鏡成像模塊和神經網絡模塊,所述雙型融合全息無透鏡成像模塊包括激光源,微孔,濾光片,第一反射鏡,第二反射鏡,第一相干光源、第二相干光源,目標樣本及載玻片,第一CCD傳感器、第二CCD傳感器,計算機和移動滑軌,所述第一反射鏡和第二反射鏡安裝在移動滑軌上并沿著移動滑軌移動,且目標樣本及載玻片在相干光源的照射范圍之內,激光源沿著光路方向移動;所述激光源,微孔,濾光,第一反射鏡,第二反射鏡,目標樣本及載玻片,第二CCD傳感器構成反射型模塊;所述第一相干光源、第二相干光源,目標樣本及載玻片,第一CCD傳感器構成透射型模塊;神經網絡模塊包括位置參數優化神經網絡和目標檢測區域卷積神經網絡組成,雙型融合無透鏡成像模塊同時獲取透射型模塊和反射型模塊成像信息,并最終融合重建更高質量的成像結果,同時由神經網絡不斷優化位置參數,進一步優化成像結果,最后由目標檢測區域卷積神經網絡預測結果,并輸出易懂、顯性的評估結果。
基于深度學習的無透鏡雙型融合目標檢測方法,包括以下步驟:步驟一、通過雙型融合全息無透鏡成像裝置,快速重建目標樣本的成像信息;步驟二、將成像后目標樣本及裝置的位置參數輸入至神經網絡訓練,得到最佳位置參數;步驟三、固定位置參數后,重新對目標樣本進行重建成像,得到重建結果輸入區域目標檢測卷積神經網絡測試,得到對微生物、細胞等的預測結果,并輸出評估數據。
進一步的,所述的步驟一包括:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于杭州電子科技大學,未經杭州電子科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911254429.2/2.html,轉載請聲明來源鉆瓜專利網。





