-
公开(公告)号：CN114689544A
公开(公告)日：2022-07-01
申请号：CN202210364280.9
申请日：2022-04-08
Applicant: 常州机电职业技术学院
IPC: G01N21/45
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于数字全息的白细胞结构和亚结构同时成像方法，包括S1、采集不同介质下的离轴干涉图，并提取物波复振幅，从物波复振幅中恢复白细胞耦合相位；S2、构建出白细胞耦合相位表达式；S3、成像出白细胞结构高度和亚结构高度。本发明只需要采集两个不同介质下的离轴干涉图，可快速恢复其耦合相位，实现白细胞结构、亚结构的同时成像；使用的物参共光路剪切数字全息，干涉稳定可靠，实验可重复进行。
-
公开(公告)号：CN114265297A
公开(公告)日：2022-04-01
申请号：CN202111616087.1
申请日：2021-12-27
Applicant: 常州机电职业技术学院
Abstract: 本发明属于数字全息技术领域，具体涉及一种基于二幅和拟合全息图的白细胞相位高效恢复方法，其包括：采集二幅随机相移全息图；根据二幅随机相移全息图获取背景光强；对二幅随机相移全息图进行相加或相减运算；根据二幅随机相移全息图估算相移；构建拟合全息图；获取相位和相移直至满足相移迭代收敛条件；以及获取白细胞高精度相位，能够高精快速恢复白细胞样品相位，实现细胞高效相位成像，应用面广，有较强实用价值。
-
公开(公告)号：CN112906302A
公开(公告)日：2021-06-04
申请号：CN202110232284.7
申请日：2021-03-01
Applicant: 常州机电职业技术学院
Abstract: 本发明公开了一种基于深度残差网络的注塑件表面微缺陷自动快速检测方法。步骤如下：S1利用注塑成型仿真软件和注塑成型工业产品两种途径分别收集注塑件表面微缺陷和无缺陷仿真、真实图形；S2对注塑件表面微缺陷和无缺陷仿真、真实图形进行归一化、降噪和裁剪处理；S3构建注塑件表面微缺陷混合数据集；S4设计基于深度学习的深度残差网络注塑件微缺陷识别框架；S5训练基于深度学习的深度残差网络微缺陷识别框架；S6获取基于深度学习的深度残差网络微缺陷识别框架模型；S7检测出微缺陷类别。本发明只需要输入一幅注塑件表面微缺陷图形，可快速识别出微缺陷类别。本发明微缺陷识别速度快，检出率高，具有广泛的实用价值与应用前景。
-
Patent Agency Ranking
公开(公告)号：CN114577124A
公开(公告)日：2022-06-03
申请号：CN202210229886.1
申请日：2022-03-09
Applicant: 常州机电职业技术学院
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种双波长同轴四步相移数字全息的对应相位还原方法，包括基于四幅具有正负2π特定相移的双波长同轴相移全息图，利用相移技术和减法运算，结合三角函数特性，可先提取出第二个波长的相位信息；然后对全息图进行傅里叶正变换、滤频、傅里叶逆变换，直接提取出直流项后，即可还原出第一个波长的相位信息；最后通过每个波长的包裹相位图相减，在一定尺度范围内，可求解出等效波长相位图，进而求解出相位物体的微观形貌或厚度。本发明能充分利用CCD的空间带宽，增加相位成像的稳定性和精确性；基于四幅双波长同轴相移全息图，能够提高相位还原处理效率。
-
公开(公告)号：CN114216880A
公开(公告)日：2022-03-22
申请号：CN202111613648.2
申请日：2021-12-27
Applicant: 常州机电职业技术学院
Abstract: 本发明属于数字全息技术领域，具体涉及一种剪切数字全息及其血细胞形貌和折射率同时测量方法，其中血细胞三维微观形貌和折射率同时测量方法包括：采集各波长离轴干涉图；根据采集到的各波长离轴干涉图获取物波复振幅；从物波复振幅中恢复血细胞相位；构建血细胞相位表达式；以及测量出血细胞三维微观形貌和折射率，无需逐层扫描血细胞、无需使用血细胞三维层析成像技术，计算数据量小、简单、便捷；无需更换血细胞介质，技术难度低、可操作性强，无需额外测量装置；只需要采集两个单波长下的离轴干涉图，可快速恢复其相位，实现血细胞三维微观形貌和折射率的同时测量。
-
公开(公告)号：CN112036415A
公开(公告)日：2020-12-04
申请号：CN202010811927.9
申请日：2020-08-13
Applicant: 常州机电职业技术学院
Abstract: 本发明是一种用于单帧随机相移干涉图的深度学习相位提取方法。本发明涉及数字全息术或干涉术技术领域，搭建同轴相移干涉系统；采集一系列样品随机相移干涉图；解调相位，获取样品真实相位解调图；裁剪后，构建由随机相移干涉图和真实相位解调图组成的样品数据集；设计基于深度学习的卷积神经网络相位提取框架；训练好的基于深度学习的卷积神经网络相位提取框架模型；恢复样品免解包相位信息。该方法优势在于，只需要输入单帧随机相移干涉图，可快速精确地输出对应的样品免解包相位。本发明相位提取速度快、精度高且无需相位解包裹，提高了相位成像效率，具有广泛的实用价值与应用前景。
-
公开(公告)号：CN114359901A
公开(公告)日：2022-04-15
申请号：CN202210002014.1
申请日：2022-01-04
Applicant: 常州机电职业技术学院
IPC: G06V20/69 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明涉及一种基于剪切数字全息和深度学习的血细胞自动分类方法，其包括：采集血细胞离轴干涉图；根据血细胞离轴干涉图提取物波复振幅；从物波复振幅中恢复血细胞相位；对血细胞相位图进行标注；建立血细胞相位图数据集；构建残差卷积神经网络框架；根据血细胞相位图数据集，训练残差卷积神经网络框架；获取血细胞自动分类模型；以及根据血细胞自动分类模型对血细胞自动分类，实现无标记定量相位成像下的血细胞自动分类；无需对血细胞染色，可快速恢复血细胞相位图，高效地实现了无标记定量相位成像下的血细胞自动分类，增加了可行性，降低了复杂度；无需人工操作和干预，可自动实现对血细胞的快速分类和计数。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
