买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于结构光照明和深度学习的光片显微镜单帧自聚焦方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116540394B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310385698.2，技术领域涉及：G02B21/24；该发明授权基于结构光照明和深度学习的光片显微镜单帧自聚焦方法是由匡翠方;甘艳红;叶子桐;刘旭设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本基于结构光照明和深度学习的光片显微镜单帧自聚焦方法在说明书摘要公布了：本发明公开了一种基于结构光照明和深度学习的光片显微镜单帧自聚焦方法，包括以下步骤：对光束进行整形，形成复合多个深度且横向错开的结构光照明样品并保持固定不动；移动探测物镜拍摄多个图像堆栈并输入到深度傅里叶神经网络中进行训练；利用相同的深度复合结构光照明样品并拍摄一帧样品图像输入到训练好的网络中进行离焦预测；最终根据网络输出的结果完成离焦补偿。本发明实现利用单帧图像完成光片显微镜的离焦预测，解决传统自聚焦方案中需要扫描多帧图像的问题，提升系统长时程高质量成像能力；深度傅里叶神经网络对离焦判断快、精度高，有利于提高光片显微镜的成像速度，其所需训练集数量少、网络泛化性好，有助于提高网络的可获得性。

本发明授权基于结构光照明和深度学习的光片显微镜单帧自聚焦方法在权利要求书中公布了：1.一种基于结构光照明和深度学习的光片显微镜单帧自聚焦方法，其特征在于，该方法包括以下步骤： 1通过光束整形元件对光束进行整形，形成复合多个深度且在横向方向上相互错开的结构光； 2利用步骤1形成的深度复合结构光照明样品并保持固定不动，同时沿着探测光轴方向移动探测物镜，拍摄多个覆盖设定深度范围的图像堆栈； 将图像堆栈中的每张图像进行预处理后输入深度傅里叶神经网络中对网络进行训练，所述预处理具体为：根据深度复合结构光的深度数量N和照明范围，将拍摄的每张图像分割成N个子图，并对每个子图进行傅里叶变换并除以零阶峰的值进行归一化，提取每张傅里叶变换图像中由结构光提供的其中一个高阶峰邻近的多个强度信息组成张量，再乘上对应的校正系数，将校正后的N个张量拼接后输入深度傅里叶神经网络；每个子图的张量其对应的校正系数计算公式为：factorN＝NRzfocus±m·DzRNzfocus，其中，下标N指代第N个子图；m≥0为整数，m·Dz的数值等于第N个子图对应的照明结构光与理想焦平面之间的距离；Rz函数定义为所有同一横向区域形成的子图堆栈中，每一张子图其傅里叶变换图像中高阶峰的值与零阶峰的值随深度位置变化的比值函数；NRz函数定义为任意一个图像堆栈的归一化Rz曲线；zfocus为图像堆栈中的理想焦平面所在位置；则RNzfocus为在zfocus位置处的图像的第N个子图的傅里叶变换图像中高阶峰与零阶峰的比值； 所述深度傅里叶神经网络由3个全连接层组成，每个全连接层的神经单元均由ReLU激活函数激活，并根据需要选择是否在第二个全连接层之后引入Dropout层；在训练过程中，使用预测离焦量与实际离焦量的平均绝对误差来评估验证数据集上的网络性能，直至平均绝对误差的数值不再优化则停止网络的训练；训练好的网络最终输出一个含有正负的标量，用以指代显微镜的离焦量和离焦方向； 3利用相同的深度复合结构光照明样品，拍摄一帧样品图像，对样品图像进行预处理后输入到已经训练好的深度傅里叶神经网络中进行离焦预测； 4根据步骤3得到的离焦预测结果完成离焦补偿。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。