利索能及
我要发布
收藏
专利号: 201911270334X
申请人: 河北工程大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-06-16
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种减少干扰影响的反射式数字全息显微镜,包括底座(1),其特征在于:所述底座(1)背面边部焊接有放置架(2),所述放置架(2)正面顶部固定安装有数字全息显微镜基体(3),所述底座(1)顶端中部固定安装有支撑台(4),所述支撑台(4)顶端中部固定安装有放置板(5),所述放置板(5)外表面四角处均焊接有防护机构(6),所述防护机构(6)包括固定块(601)、立柱(602)、收卷辊(603)、铝布(604)、连接条(605)、凹槽(606)、限位柱(607)、移动杆(608)、限位块(609)和螺栓(610);

所述放置板(5)外表面四角处均焊接有固定块(601),一个所述固定块(601)顶端中部焊接有立柱(602),所述立柱(602)外表面套接有收卷辊(603),所述收卷辊(603)外表面缠绕有铝布(604),所述铝布(604)一端边部卡接有连接条(605),所述收卷辊(603)外表面边部开设有凹槽(606),另外三个所述固定块(601)内壁中部滑动连接有限位柱(607),所述限位柱(607)底端中部连接有移动杆(608),所述移动杆(608)底端中部连接有螺栓(610),所述螺栓(610)外表面中部套接有限位块(609)。

2.根据权利要求1所述的一种减少干扰影响的反射式数字全息显微镜,其特征在于:所述限位块(609)和支撑台(4)之间通过焊接连接,所述限位块(609)和螺栓(610)之间通过螺纹连接。

3.根据权利要求1所述的一种减少干扰影响的反射式数字全息显微镜,其特征在于:所述连接条(605)的外径等于凹槽(606)的内径,所述连接条(605)位于凹槽(606)内部。

4.根据权利要求1所述的一种减少干扰影响的反射式数字全息显微镜,其特征在于:三个所述固定块(601)内部中部均开设有圆孔,所述限位柱(607)位于圆孔内部。

5.根据权利要求1所述的一种减少干扰影响的反射式数字全息显微镜,其特征在于:所述放置板(5)顶端中部焊接有凹型块(7),所述凹型块(7)内壁中部设置有检测块(8),所述检测块(8)一端固定连接有连接接头(9),所述连接接头(9)一端连接有连接器(10),所述连接器(10)一端连接有电线(11),所述电线(11)外表面涂覆有屏蔽导电漆膜(12),所述电线(11)一端位于连接器(10)外表面边部位置处套接有圆环(13),所述圆环(13)一端开设有圆槽(14),所述圆槽(14)内壁边部粘接有橡胶绝缘环(15)。

6.根据权利要求5所述的一种减少干扰影响的反射式数字全息显微镜,其特征在于:所述橡胶绝缘环(15)的形状为锥形,所述橡胶绝缘环(15)底端直径大于顶端直径。

7.根据权利要求4所述的一种减少干扰影响的反射式数字全息显微镜,其特征在于:所述连接接头(9)和连接器(10)之间通过卡接连接,所述电线(11)和检测块(8)之间通过连接接头(9)和连接器(10)连接。

8.根据权利要求1-7任意一项所述的一种减少干扰影响的反射式数字全息显微镜处理系统,其特征在于:所述处理系统包括接收模块、处理模块和显存模块,所述接收模块包括光电探测器和滤波子模块,所述显示模块包括图像采集和图像处理,所述显存模块包括显示屏和储存器,所述滤波子模块包括自适应滤波器和Unger滤波器,所述图像采集包括图像采集卡,所述图像处理包括图像压缩、图像增强和图像变换,所述储存器包括深度神经网诺,所述图像增强包括去除噪音和提高图像清晰度,所述处理系统包括的接收模块和处理模块均安装与数字全息显微镜基体中的主板中,所述处理系统包括的显存模块安装与显示终端中。

9.根据权利要求8所述的一种减少干扰影响的反射式数字全息显微镜处理系统,其特征在于:所述光电探测器的输出端和滤波子模块的输入端电性连接,所述滤波子模块的输出端和图像采集的输入端电性连接,所述图像采集的输出端和图像处理的输入端电性连接,所述图像处理的输出端和显示屏的输入端电性连接,所述显示屏的输出端和储存器的输入端电性连接。

10.根据权利要求8所述的一种减少干扰影响的反射式数字全息显微镜处理系统,其特征在于:所述接收模块包括光电探测器和滤波子模块;

所述光电探测器能把数字全息显微镜拍摄时光信号转换为电信号,并且传输出去;

所述滤波子模块包括自适应滤波器和Unger滤波器,所述自适应滤波器用于降低滤波的峰值,达到了滤波的波长保持在稳定的频率;

所述Unger滤波器去除噪声点,提高信号传输过程中的稳定性;

所述显示模块包括图像采集和图像处理,所述图像采集包括图像采集卡能够将光电探测器接收和转换的电信号进行获取,将图像信号采集到电脑中,以数据文件的形式保存在硬盘上;

所述图像处理包括图像加强、图像压缩和图像变换,所述图像加强包括去除噪音和提高图像清晰度,所述去除噪音利用偏微分方程算法去除图像中噪声的且不会造成图像边缘破损;

所述提高图像清晰度通过增强相邻像素之间的对比度来聚焦模糊的图像,提高画面精细度;

所述图像压缩利用行程长度编码对接收的图像进行压缩,减少表示数字图像时需要的数据量,运用于数据格式的存储和数据的传输;

所述图像变换利用离散卡夫纳算法,它是以图像的统计特性为基础的变换对图像进行处理和分析;

所述显存模块包括显示屏和储存器,所述显示屏能够对接收的图像进行显示,供人员观看;

所述储存器包括深度神经网络,所述储存器能够对观看的图像进行储存,并且三十天自动清理一次储存的图像;

所述深度神经网络加入了多层隐藏层,增强模型的表达能力,输出层神经元可以不止一个,可以有多个输出,能够对储存器内部的内容进行分类。