具体实施方式

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1：

参阅图1所示，本实施例提供的显微镜自动调焦方法主要包括如下步骤：

101、输入显微镜初拍摄图像并进行预处理，得到图像清晰度得分；

也就是说，在此步骤中，所输入的图像是显微镜未进行任何对焦操作时所获得图像，其清晰度不会很高，因此对其进行预处理，以获得图像清晰度得分。

102、将所得到的图像清晰度得分作为自动调节模型的输入，自动调节模型输出低倍镜旋钮所需调节的低倍镜移动距离以及高倍镜旋钮所需调节的高倍镜移动距离；

也就是说，在此步骤中，自动调节模型可以根据清晰度得分来自动获取该清晰度得分所对应的低倍镜旋钮所需调节的低倍镜移动距离以及高倍镜旋钮所需调节的低倍镜移动距离数据，准确高效。

103、根据低倍镜移动距离和高倍镜移动距离来分别操控低倍镜旋钮和高倍镜旋钮，得到自动调焦后的清晰图像。

由此可见，通过采用本方法能够快速地实现显微镜自动调焦，精准地识别图像的清晰度，所得结果快速、客观、准确、稳定。

具体地，上述步骤103主要包括：

低倍镜旋钮和高倍镜旋转角度的计算：

低倍镜旋钮旋转角度α低：

其中，L_低为低倍镜移动距离，r_低为低倍镜旋钮半径；

高倍镜旋钮旋转角度α_高：

其中，L_高为高倍镜移动距离，r_高为高倍镜旋钮半径；

获取清晰的图像：

分别操控低倍镜旋钮旋转角度α_低和高倍镜旋钮旋转角度α_高后所拍摄出来的图像就是自动调焦后的清晰图像。

如此，通过上述两个步骤的操作即可以获取自动调焦后的清晰图像。

在本实施例中，上述步骤自动调节模型通过如下方式建立：

201、对若干数量的显微镜初拍摄图像进行预处理，以得到不同清晰度得分图像；

在此步骤中，该显微镜初拍摄图像可以是不同角度和光线亮度的，其数量越多，最终所得到的模型泛化能力就越强。

202、将不同清晰度得分图像通过人工调节低倍镜旋钮来调节低倍镜的移动距离以及高倍镜旋钮来调节高倍镜的距离后，得到清晰图像时的数据集注标签信息，形成分辨率的训练数据集；

203、将训练数据集输入Dense网络中，采用随机梯度下降法更新网络的参数，迭代多次，来得到Dense网络模型来作为自动调节模型。

在本实施例方法中，关键点分别含有不同清晰度得分图片时两个旋钮的旋转度数的特征点。卷积神经网络结构如大致如图3所示，Dense输入3种数据，第一种是图像清晰度得分，作为自变量，第二种是低倍镜旋钮所需调整距离(度数)x1，第三种表示高倍镜旋钮所需调整距离x2，这后两个则是因变量。因为数据量不大，因此不使用卷积层来缩减数据，只用Dense层来集中神经元，能满足训练质量的同时也保证网络不复杂，让训练更加快速。网络框架使用Dense网络，设定好训练的参数后，进行一定批次的训练，将会得到一个模型，即自动调焦模型，之后可以直接用来预测任何一张初图片(输入图片清晰度得分)，预测之后会得到低倍镜旋钮所需的调节距离以及高倍镜旋钮所需的调节距离。

另外，由于正焦的清晰图像比模糊的离焦图像边缘更加锐利清晰，边缘像素灰度值变化大，因而有更大的梯度值。在对显微镜初拍摄图像进行预处理时，将图像看作二维离散矩阵，利用梯度函数获取图像灰度信息，以此来评判图像清晰度。在离散信号中梯度表现为差分形式。下面分别对其进行介绍，其中f(x,y)表示对应像素点的灰度值。

为了体现图片的清晰度如何，采用Roberts函数来表示,Roberts函数与能量梯度函数相似，它是利用对角方向像素点灰度值之差。将4个相邻像素点的灰度值交叉相减的平方和作为每个像素点的梯度值，对所有像素梯度值累加作为清晰度评价函数值，表达式如下式所示：

如此，通过采用Roberts函数来对对显微镜初拍摄图像进行变换处理，能够准确地获得图像清晰度得分。

综上，本方法从多样本训练后的神经网络模型可以自动根据清晰度得分，返回低倍镜旋钮所需调节距离以及高倍镜旋钮所需调节距离数据，最终得到清晰的图片，从而实现自动调焦。并且相比于人手工调节用神经网络的模型来自动调节更加精准与正确，同时不缺乏速度。对于手工调节的情况可能会出现无法调节、偏移、费时间等问题，而是用深度学习的方法对处理上述问题具有重大意义。

实施例2：

参阅图4所示，本实施例提供的一种显微镜自动调焦装置主要包括：

输入模块401，用于输入显微镜初拍摄图像并进行预处理，得到图像清晰度得分；具体地，所输入的图像是显微镜未进行任何对焦操作时所获得图像，其清晰度不会很高，因此对其进行预处理，以获得图像清晰度得分。

模型模块402，其存储有自动调节模型，用于将所得到的图像清晰度得分作为自动调节模型的输入，自动调节模型输出低倍镜旋钮所需调节的低倍镜移动距离以及高倍镜旋钮所需调节的高倍镜移动距离；也就是说，在此模块中，自动调节模型可以根据清晰度得分来自动获取低倍镜旋钮所需的调节距离以及高倍镜旋钮所需的调节距离数据，准确高效。

自动调节模块403，用于根据低倍镜移动距离和高倍镜移动距离来分别操控低倍镜旋钮和高倍镜旋钮，得到自动调焦后的清晰图像。。

由此可见，通过采用本装置能够快速地实现显微镜自动调焦，精准地识别图像的清晰度，所得结果快速、客观、准确、稳定。

具体地，上述的所述自动调节模块包括：

旋转角度α计算单元，用于分别计算低倍镜旋钮旋转角度α_低和高倍镜旋钮旋转角度α_高；低倍镜旋钮旋转角度α_低：

其中，L_低为低倍镜移动距离，r_低为低倍镜旋钮半径；

高倍镜旋钮旋转角度α_高：

其中，L_高为高倍镜移动距离，r_高为高倍镜旋钮半径；

自动调节单元，用于操控低倍镜旋钮旋转角度α_低和高倍镜旋钮旋转角度α_高，获取自动调焦后的清晰图像。

如此，通过上述两个单元协同工作即可以获取自动调焦后的清晰图像。

在本实施例中，上述步骤自动调节模型的建立方式以及对显微镜初拍摄图像进行预处理方式均和实施例1相同，在此就不再赘述。

实施例3：

参阅图5所示，本实施例提供的显微镜自动调焦终端包括处理器501、存储器502以及存储在该存储器502中并可在所述处理器501上运行的计算机程序503，例如自动调节显微镜程序。该处理器501执行所述计算机程序503时实现上述实施例1步骤，例如图1所示的步骤。

示例性的，所述计算机程序503可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器502中，并由所述处理器501执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序503在所述显微镜调节装置中的执行过程。

所述自动调节显微镜终端可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述自动调节显微镜终端可包括，但不仅限于，处理器501、存储器502。本领域技术人员可以理解，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述自动调节显微镜终端还可以包括输入输出设备、网络接入设备、总线等。

所称处理器501可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器502可以是所述自动调节显微镜终端的内部存储元，例如自动调节显微镜的硬盘或内存。所述存储器502也可以是所述自动调节显微镜终端的外部存储设备，例如所述自动调节显微镜终端上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器502还可以既包括所述动调节显微镜装置的内部存储单元也包括外部存储设备。所述存储器502用于存储所述计算机程序以及所述自动调节显微镜终端所需的其他程序和数据。所述存储器502还可以用于暂时地存储已经输出或者将要输出的数据。

实施例4：

本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。

所示计算机可读介质可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理再以电子方式获得所述程序，然后将其存储在计算机存储器中。

上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。