在光学显微镜中的精确自动对焦,使用由深度强化学习控制的液态镜头
Jing Zhang1, Yong-Feng Fu2, Hao Shen1
1School of Mechanical and Electrical Engineering, Soochow University, No.8 Jixue Road, Suzhou City, Jiangsu, 215000, China.
Microsystems & nanoengineering
|December 24, 2024
概括
本研究介绍了一种使用基于深度强化学习的自动对焦 (DRLAF) 进行更快,更精确的显微镜成像的自适应液晶镜显微镜系统. 新的DRLAF方法显著提高了对各种样本的自动对焦速度和概括能力.
科学领域:
- 显微镜和成像技术技术.
- 科学仪器仪表中的人工智能
- 光学工程是指光学工程.
背景情况:
- 显微镜成像在科学和工程方面至关重要,但目前的系统在小型化和自动对焦速度方面面临限制.
- 传统的自动对焦方法在硬件限制和软件处理速度缓慢的情况下扎,阻碍了快速,精确的成像.
- 需要先进的自动对焦技术来提高显微系统的效率和适用性.
研究的目的:
- 开发和评估一个与基于深度强化学习的自动对焦 (DRLAF) 集成的自适应液晶镜显微镜系统.
- 通过在图像数据上直接训练深度强化学习代理来实现端到端的自动对焦.
- 与现有方法相比,提高自动对焦速度,稳定性和概括能力.
主要方法:
- 在强化学习框架中,采用定制液态透镜作为"代理",将图像作为"状态",电压调整作为"动作".
- 开发一个有针对性的奖励功能,以优化自动对焦性能,超越简单的度评估.
- 使用并行"状态"数据集列表,随机抽样,以提高模型适应性和对未知样本的概括性.
主要成果:
- 基于深度强化学习的自动对焦 (DRLAF) 系统实现了平均自动对焦速度为3.15个时间步骤.
- 与传统搜索算法相比,速度显著增加了79%.
- 与其他深度学习方法相比,它获得了97.2%的高成功率和优越的概括能力.
结论:
- 拟议的带有DRLAF的液晶透镜显微镜系统为快速,精确的自动对焦提供了强大而高效的解决方案.
- DRLAF显著提高了自动对焦速度和精度,解决了传统显微镜成像系统的关键局限性.
- 增强的概括能力使该系统能够高度适应分析广泛的未知样本.
