一种基于深度学习的焦平面无折返显微聚焦方法

1.一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述方法具体包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述聚焦测量网络的编码器包括顺次连接的n个结构相同的注意力机制模块，且注意力机制模块内包括一个自注意力机制层、一个卷积核大小为3 3的卷积层以及一个图像块重叠区域处理单元；所述图像块重叠区域处理单元内包括一个卷积核大小为7 7的卷积层和一个卷积核大小为3 3的卷积层；

3.根据权利要求2所述的一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述注意力机制模块的个数n的取值为4。

4.根据权利要求1所述的一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述步骤二中，训练数据集的生成方法为：

5.根据权利要求1所述的一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述聚焦测量网络的工作过程为：

6.根据权利要求1所述的一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述各个图像块输入聚焦测量网络之前，需要先经过sobel算子进行前处理。

7.根据权利要求1所述的一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述根据步骤五中获得的清晰度值计算焦平面的移动步长采用的是pid控制器。

8.根据权利要求7所述的一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述根据步骤五中获得的清晰度值计算焦平面的移动步长，具体为：

9.根据权利要求8所述的一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述目标清晰度值的计算方法为：

10.根据权利要求1所述的一种基于深度学习的焦平面无折返显微聚焦方法，其特征在于，所述步骤四之前还包括如下过程：