一种基于残差网络的拉曼光谱仪自适应聚焦装置和方法

本发明涉及机器视觉领域，特别是涉及一种基于残差网络的拉曼光谱仪自适应聚焦装置和方法。

背景技术：

1、拉曼光谱是基于拉曼散射效应获得的散射光谱，是特定分子或材料独有的化学指纹，能够用于材料的快速区分或确认。作为一种无损、非标记检测技术，拉曼光谱被广泛应用于材料表征、宝石鉴定、水质测量、疾病诊断等领域。特别是在生物医学领域，核酸、蛋白质、脂质及相关衍生物的拉曼光谱为区分健康与病变组织提供了充分的参考依据。

2、请参阅图1-4，图1为离焦距离为0μm、1μm、2μm下采集的金膜上的宫颈癌细胞的拉曼光谱信号示意图，图2为图1中波长1002cm-1的苯丙氨酸特征峰拉曼光谱信号在不同焦距下的对比图；图3为图1中波长1449cm-1的脂质特征峰拉曼光谱信号在不同焦距下的对比图；图4为图2和图3中特征峰的峰值信号强度对比图。由图可见，聚焦位置对拉曼光谱信号采集影响巨大。当聚焦位置位于样品表面时，拉曼光谱图像的空间分辨率最大，信号的信噪比最高，此时的聚焦位置为最佳聚焦位置。当聚焦位置位于最佳聚焦位置时，特征峰的信号强度趋近于最大值。因此，找到最佳聚焦位置并根据最佳聚焦位置自动调节拉曼光谱仪，有助于实现对于高信噪比拉曼光谱信号的获取。

3、现有技术中的拉曼光谱仪自适应聚焦方法，包括拉曼强度检测法、形心离焦检测法，图像清晰度检测法及激光测距法。前三种方法主要是通过计算参数的极值点来寻找最佳聚焦位置，需要对一系列连续位置进行数据采集之后才能判断出哪个位置为参数的极值点。最后一种方法需要有额外的激光测距仪模块装配在显微镜系统内。以上方法虽然可以实现自动聚焦，但是存在费时（需步径优化）、费事（额外硬件）等问题。并且大多数方法识别的对象为整张图像。对于存在较大高度差的样品，如细胞，其一张图像中的不同区域对应的最佳聚焦位置是不同的，现有技术不能分别找出不同区域对应的最佳聚焦位置。

技术实现思路

1、基于此，本发明的目的在于，提供一种基于残差网络的拉曼光谱仪自适应聚焦方法和装置，其根据一张图像就能识别出最佳聚焦位置，无需加入额外的硬件。

2、一种基于残差网络的拉曼光谱仪自适应聚焦装置，包括图像获取模块、残差网络和焦距调节模块；

3、所述图像获取模块，用于通过拉曼光谱仪获取明场图；

4、所述残差网络，用于对所述明场图进行特征提取，识别出所述明场图的聚焦位置；所述聚焦位置是相对于最佳聚焦位置的差值；

5、所述焦距调节模块，用于根据所述明场图的聚焦位置调节拉曼光谱仪的焦距；

6、其中，所述残差网络的参数通过一训练模块进行训练；

7、所述训练模块，用于优化所述残差网络的可训练参数，包括以下单元：

8、训练图像获取单元，用于获取训练图像；所述训练图像至少包括一组按预设采集间距采集的明场图；所述采集间距为相邻明场图聚焦位置的差值；

9、子区域图像获取单元，用于对训练图像中的每一明场图进行裁剪，得到若干训练子区域图像；

10、标记单元，用于标记每一训练子区域图像对应的聚焦位置标签；

11、训练数据输入单元，用于将训练子区域图像输入至残差网络；所述残差网络对每一训练子区域图像进行特征提取，识别出训练子区域图像对应的聚焦位置；

12、参数优化单元，用于对比残差网络识别出的聚焦位置和聚焦位置标签的差异，计算损失函数；然后将损失函数值反向传播，优化所述残差网络的参数；重复更新所述残差网络的参数，直到损失函数收敛。

13、这种基于残差网络的拉曼光谱仪自适应聚焦装置，根据一张图像就能识别出最佳聚焦位置，无需加入额外的硬件，能够以较低的成本实现较好的聚焦位置识别效果。

14、进一步地，所述基于残差网络的拉曼光谱仪自适应聚焦装置还包括裁剪模块，用于对所述明场图进行裁剪，得到若干子区域图像；

15、所述残差网络，在裁剪模块得到了子区域图像后，对每一子区域图像进行特征提取，识别出每一子区域图像的聚焦位置；

16、所述焦距调节模块，根据所述子区域图像的聚焦位置调节拉曼光谱仪的焦距。

17、进一步地，所述标记单元还包括：

18、最佳聚焦位置获取单元，用于对同一组训练子区域图像进行参数计算，绘制参数变化曲线，并根据参数极值点的位置得到最佳聚焦位置；

19、最佳聚焦位置图像组标记单元，用于取出最佳聚焦位置对应的训练子区域图像，以及前后相邻的n张训练子区域图像，一共2n+1张训练子区域图像，组成最佳聚焦位置图像组，标记最佳聚焦位置图像组中的训练子区域图像对应的聚焦位置标签为0；

20、离焦图像组标记单元，用于以2n+1张为一组的间隔，向最佳聚焦位置图像组的前向取m组训练子区域图像，得到m组负离焦图像组；向最佳聚焦位置图像组的后向取m组训练子区域图像，得到m组正离焦图像组；并分别标记m组负离焦图像组和m组正离焦图像组对应的聚焦位置标签；其中，第i组负离焦图像组的聚焦位置标签标记为-ix*(2n+1)，第i组正离焦图像组的聚焦位置标签标记为ix*(2n+1)，x为采集间距。

21、进一步地，当所述参数数量只有一个时，所述最佳聚焦位置获取单元将该参数极值点对应的训练子区域图像的位置标记为最佳聚焦位置；当所述参数数量有多个时，所述最佳聚焦位置获取单元对多个参数极值点对应的训练子区域图像的位置取平均，得到最佳聚焦位置。

22、进一步地，所述参数数量有两个，分别为拉曼光谱信号的梯度和拉曼光谱信号的离散余弦变换。

23、本发明还提供一种基于残差网络的拉曼光谱仪自适应聚焦方法，包括以下步骤：

24、sa1，通过拉曼光谱仪获取明场图；

25、sa2，通过残差网络，对所述明场图进行特征提取，识别出所述明场图的聚焦位置；所述聚焦位置是相对于最佳聚焦位置的差值；

26、sa3，根据所述明场图的聚焦位置调节拉曼光谱仪的焦距；

27、其中，所述残差网络的参数通过以下训练方法进行训练：

28、sb1，获取训练图像；所述训练图像至少包括一组按预设采集间距采集的明场图；所述采集间距为相邻明场图聚焦位置的差值；

29、sb2，对训练图像中的每一明场图进行裁剪，得到若干训练子区域图像；

30、sb3，标记每一训练子区域图像对应的聚焦位置标签；

31、sb4，将训练子区域图像输入至残差网络；所述残差网络对每一训练子区域图像进行特征提取，识别出训练子区域图像对应的聚焦位置；

32、sb5，对比残差网络识别出的聚焦位置和聚焦位置标签的差异，计算损失函数；然后将损失函数值反向传播，优化所述残差网络的参数；重复更新所述残差网络的参数，直到损失函数收敛。

33、进一步地，在步骤sa2之前还执行步骤：对所述明场图进行裁剪，得到若干子区域图像；

34、步骤sa2为：通过残差网络对每一子区域图像进行特征提取，识别出每一子区域图像的聚焦位置；

35、步骤sa3为：根据所述子区域图像的聚焦位置调节拉曼光谱仪的焦距。

36、进一步地，步骤sb3具体包括以下步骤：

37、sb31，对同一组训练子区域图像进行参数计算，绘制参数变化曲线，并根据参数极值点的位置得到最佳聚焦位置；

38、sb32，取出最佳聚焦位置对应的训练子区域图像，以及前后相邻的n张训练子区域图像，一共2n+1张训练子区域图像，组成最佳聚焦位置图像组，标记最佳聚焦位置图像组中的训练子区域图像对应的聚焦位置标签为0；

39、sb33，以2n+1张为一组的间隔，向最佳聚焦位置图像组的前向取m组训练子区域图像，得到m组负离焦图像组；向最佳聚焦位置图像组的后向取m组训练子区域图像，得到m组正离焦图像组；并分别标记m组负离焦图像组和m组正离焦图像组对应的聚焦位置标签；其中，第i组负离焦图像组的聚焦位置标签标记为-ix*(2n+1)，第i组正离焦图像组的聚焦位置标签标记为ix*(2n+1)，x为采集间距。

40、进一步地，当所述参数数量只有一个时，将该参数极值点对应的训练子区域图像的位置标记为最佳聚焦位置；当所述参数数量有多个时，对多个参数极值点对应的训练子区域图像的位置取平均，得到最佳聚焦位置。

41、进一步地，所述参数数量有两个，分别为拉曼光谱信号的梯度和拉曼光谱信号的离散余弦变换。

42、为了更好地理解和实施，下面结合附图详细说明本发明。