向移动一个步长S1，并使用 LGV计算出对应的值U，i为第i个位置;跳转至步骤五七；
[0080] 步骤五七、如果出现匕第!!个位置的LGV值大于Lw第η-I个位置的LGV值，则重复步 骤五六，直到出现匕第!!个位置的LGV值小于Lh第η-I个位置的LGV值，控制显微镜载物平台 沿Z轴向默认方向的反向移动一个步长 81回到上一个位置U-i，此位置为焦点位置，聚焦结 束，并控制载物平台到达焦点;摄像头采集当前区域图像。
[0081 ]其它步骤及参数与【具体实施方式】一至五之一相同。
[0082]【具体实施方式】七:本实施方式与【具体实施方式】一至六之一不同的是:所述GZV(灰 度零值评价函数)是通过计算图像中未出现的灰度值的个数；
[0083]计算公式为：
[0084]
[0085] 其中，H(i)表示灰度值为i的像素点个数。
[0086] 其它步骤及参数与【具体实施方式】一至六之一相同。
【具体实施方式】 [0087] 八:本实施方式与一至七之一不同的是:所述变步爬 山法是一种结合两种聚焦函数即灰度零值评价函数(GZV)和低灰度值统计法(LGV)以及三 种步长的搜索策略；
[0088]变步长爬山法的步长一共有三种：
[0089] 第一种情况是当前位置处于焦点附近时，也就是当前位置图像计算的GZV值小于 6:时，聚焦函数采用低灰度值统计法，步长选用S3 ;
[0090] 第二种情况是当前位置远离焦点但是依然能够看到图像的区域，也就是当前位置 图像计算的GZV值小于G2大于&，聚焦函数采用灰度零值比较法，步长选用 S2;
[0091] 第三种情况是当前位置离焦点更远的地方，只能隐约看到图像的区域，也就是当 前位置图像计算的GZV值大于G2,聚焦函数采用灰度零值比较法，步长选用S1。
[0092]其它步骤及参数与【具体实施方式】一至七之一相同。
[0093]采用以下实施例验证本发明的有益效果：
[0094] 实施例一：
[0095]本实施例一种基于机器学习的显微镜细胞载玻片扫描自动聚焦方法具体是按照 以下步骤制备的：
[0096]为了更加清楚地说明本发明的实施例的目的、技术方案和优点更加清楚，下面结 合附图对本发明进行进一步说明。
[0097]本发明的一个实施例子为：
[0098]此发明应用到我们自行研发的"癌细胞自动检测仪"中，该系统有PC机、全自动显 微镜、全高清摄像机、以及细胞分析软件组成。
[0099]该系统中的自动全片扫描部分应用了我们上述发明"一种基于机器学习的显微镜 细胞载玻片扫描自动聚焦方法"，首先用户将细胞载玻片安放在载物台上之，并根据载玻片 的制片情况选择一种扫描路径，然后启动扫描，进入学习阶段，具体步骤如下：
[0100] si、显微镜的载物台将移动到预定位置，从预设位置开始上下搜索，找到一张清晰 的图像，继续将物镜上升到焦点之上，然后用最小的有效步长s，控制物镜向下移动一个步 长的距离，并采集每次移动后的图像，直到图像完全模糊即可停止移动，并回归预设位置。 [0101] S2、通过计算获得N幅图片中出现过最小的灰度值h，可以获得一个集合{hi，h2， h3…hn}，选取其中最大值hi作为LGV的阈值T。
[0102] S3、使用LGV计算每幅图片的值，可获得集合{VI，V2，V3· · ·Vn}，并找出最大值Vi。
[0103] S4、取从Vi到Vj(j>i且Vj〈Vi)之间的元素，判断每幅图片LGV的值是否单调。如果 不单调，利用栅栏法去掉一半，并将步长s增大2倍。重复S4直到单调为止，得到最后的s作为 微调聚焦的步长。
[0104] S5、通过控制平台移动，分别在载玻片中心点以及中心点周围四个随即位置利用 LGV聚焦采集五张清晰的图像。
[0105] S6、通过对采样图片使用GZV函数计算，可以获得一个集合{gl，g2，g3，g4，g5}，计 算其中的均值得到GX1 =G+20作为小步长的门限。G2=G+45作为大步长的门限。
[0106] S7、通过对之前获得的N副照片使用GZV计算得到如图1的聚焦曲线图，其中X2与X3 之间距离的一半为小步长si，X1与X4之间距离的一半为大步长S2。如图1可见，在聚焦过程 中，如果当前位置在X2与X3之间步长为s，在XI与X2或者X3与X4之间步长为sl，在XI左侧或 者X4右侧步长为s2。聚焦评价函数与步长和门限的关系如图2所示。
[0107] 其中步骤S2中的低灰度值统计法(LGV)，是通过计算该图像中灰度值小于T的像素 点的个数。
[0108] 计筧公式为：
[0109]
[0110] 其中，H(i)表示灰度值为i的像素点个数。
[0111] 其中步骤S6中的灰度零值法(GZV)，是通过计算该图像中未出现的灰度值的个数。
[0112] 计算公式为：
[0113]
[0114]
[0115] 其中，m、η是图像的长和宽，f (i，j)是对应坐标像素点的灰度值，T为阈值，x为灰度 值;fi(x)为分段函数。
[0116] 确定阈值、步长和门限后，进入扫描聚焦阶段。首先移动至所选扫描方式的预设位 置，开始聚焦，然后采样，再移动至下一个位置，直至全部扫描结束。
[0117]其中聚焦的具体步骤如下：
[0118] S1、采集当前位置Z1的图像计算出GZV的值gl，如果gl>G2,则步长为s2,跳转至S2; 如果G2〈gl〈Gl，则步长为si，跳转至S2;如果gl>Gl，则步长为s，跳转至S4。
[0119] S2、通过电机控制Z轴使物镜向上移动到Z2,采集图像并计算出GZV的值g2,如果g2 大于gl则改变默认方向为下，否则默认方向为上。
[0120] S3、向默认方向控制物镜移动一个步长，采集当前位置图像计算出GZV的值，根据 门限确定步长的大小。重复S3直到其GZV得到的值达到微调聚焦的门限。
[0121] S4、采集当前位置Z3的图像计算出LGV的值L3。
[0122] S5、通过电机控制Z轴使物镜以步长s向上移动到Z4,采集图像并计算出其LGV的值 L4,如果L4大于L3则不改变默认方向；否则改变默认方向并移动s步长回到原来位置Z3。
[0123] S6、通过电机控制Z轴使物镜以步长s向默认方向移动一个步长s，并使用LGV计算 出对应的值Ln。
[0124] S7、如果出现的值Ln大于Ln-1则重复S5,直到出现Ln小于Ln-1，控制Z轴是物镜向 默认方向的反向移动一个步长s回到位置Ln-Ι，此位置为焦点位置，聚焦结束。聚焦位置如 图3所示。
[0125] 聚焦过程如图4所示。
[0126] 本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域 技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于 本发明所附的权利要求的保护范围。
【主权项】
1. 一种基于机器学习的显微镜细胞载玻片扫描自动聚焦方法，其特征在于一种基于机 器学习的显微镜细胞载玻片扫描自动聚焦方法具体是按照W下步骤进行的： 步骤一、开始； 步骤二、根据载玻片情况选择螺旋扫描、蛇形扫描或随机蛇形扫描W及待扫描区域的 数量； 步骤=、在进行载玻片全片扫描前，通过控制载物平台按步骤二选择的扫描方式沿XY 轴移动，在载玻片上随机选择至少5个区域采样，每个区域通过聚焦得到一张最清晰照片， 然后根据5张最清晰照片计算出低灰度值统计法的阔值、变步爬山法的口限和控制载物平 台沿Z轴移动的=个步长大小，=个步长分别为:最小步长Sl，小步长S2，大步长S3 ;并控制载 物平台移动到载玻片中屯、点； 步骤四、按照步骤二选择扫描方式控制载物平台沿XY轴移动到下一个待采集图像区 域； 步骤五、通过控制载物平台沿Z轴移动，改变载玻片到物镜之间的距离并使用变步爬山 法，结合步骤=和步骤四，捜索步骤四中待采集图像的焦点位置，确定焦点位置，并控制载 物平台到达焦点;摄像头采集当前区域图像； 步骤六、判断采集当前区域图像数量是否满足步骤二中待扫描区域的数量，若满足，贝U 执行步骤屯，若没满足，则执行步骤四； 步骤屯、结束聚焦。2. 根据权利要求1所述一种基于机器学习的显微镜细胞载玻片扫描自动聚焦方法，其 特征在于