深度光度学习（DPL）系统、装置和方法与流程

技术特征：
1.一种成像系统，包括：成像装置，所述成像装置包括：相对于被配置为支撑样本的台定位在多个位置和多个角度处的多个光源，其中所述成像装置被配置为捕获所述样本的表面的多个图像；以及计算系统，所述计算系统与所述成像装置通信，所述计算系统被配置为通过以下方式生成所述样本的表面的3d重建：从所述成像装置接收所述样本的表面的多个图像；通过所述成像装置经由深度学习模型，生成基于所述多个图像的所述样本的表面的高度图；以及基于由所述深度学习模型生成的高度图，输出所述样本的表面的3d重建。2.根据权利要求1所述的成像系统，其中，所述深度学习模型包括卷积神经网络。3.根据权利要求2所述的成像系统，其中，所述卷积神经网络被配置为接收所述多个图像作为输入并输出单个图像。4.根据权利要求1所述的成像系统，其中，所述计算系统还被配置为通过以下方式训练所述深度学习模型：生成多个训练数据集，其中所述多个训练数据集包括多个合成高度图；以及使用所述多个训练数据集训练所述深度学习模型。5.根据权利要求4所述的成像系统，其中，所述多个训练数据集包括：没有噪声且没有倾斜的第一训练数据集；包括固定量的噪声且没有倾斜的第二训练数据集；以及包括倾斜且没有噪声的第三训练数据集。6.根据权利要求1所述的成像系统，其中，所述计算系统还被配置为通过以下方式测试所述深度学习模型：生成示例样本的多个微观图像；以及使用所述多个微观图像测试所述深度学习模型的准确性。7.根据权利要求6所述的成像系统，其中，所述多个微观图像包括以固定相机角度和不同照明方向拍摄的图像。8.一种生成样本的表面的3d重建的方法，包括：通过计算系统，从成像装置接收位于所述成像装置的台上的样本的表面的多个图像；通过所述计算系统经由深度学习模型，生成基于所述多个图像的所述样本的表面的高度图；以及通过所述计算系统，基于由所述深度学习模型生成的高度图输出所述样本的表面的3d重建。9.根据权利要求8所述的方法，其中，所述深度学习模型包括卷积神经网络。10.根据权利要求9所述的方法，其中，所述卷积神经网络被配置为接收所述多个图像作为输入并输出单个图像。11.根据权利要求8所述的方法，还包括：通过所述计算系统，生成多个训练数据集，其中所述多个训练数据集包括多个合成高度图；以及通过所述计算系统，使用所述多个训练数据集训练所述深度学习模型。
12.根据权利要求11所述的方法，其中，所述多个训练数据集包括：没有噪声且没有倾斜的第一训练数据集；包括固定量的噪声且没有倾斜的第二训练数据集；以及包括倾斜且没有噪声的第三训练数据集。13.根据权利要求8所述的方法，还包括：通过所述计算系统，生成示例样本的多个微观图像；以及通过所述计算系统，使用所述多个微观图像测试所述深度学习模型的准确性。14.根据权利要求13所述的方法，其中，所述多个微观图像包括以固定相机角度和不同照明方向拍摄的图像。15.一种非暂时性计算机可读介质，包括一个或更多个指令序列，当由一个或更多个处理器执行时，所述一个或更多个指令序列使得计算系统执行操作，所述操作包括：通过所述计算系统，从成像装置接收位于所述成像装置的台上的样本的表面的多个图像；通过所述计算系统经由深度学习模型，生成基于所述多个图像的所述样本的表面的高度图；以及通过所述计算系统，基于由所述深度学习模型生成的高度图输出所述样本的表面的3d重建。16.根据权利要求15所述的非暂时性计算机可读介质，其中，所述深度学习模型包括卷积神经网络。17.根据权利要求15所述的非暂时性计算机可读介质，还包括：通过所述计算系统，生成多个训练数据集，其中所述多个训练数据集包括多个合成高度图；以及通过所述计算系统，使用所述多个训练数据集训练所述深度学习模型。18.根据权利要求17所述的非暂时性计算机可读介质，其中，所述多个训练数据集包括：没有噪声且没有倾斜的第一训练数据集；包括固定量的噪声且没有倾斜的第二训练数据集；以及包括倾斜且没有噪声的第三训练数据集。19.根据权利要求15所述的非暂时性计算机可读介质，还包括：通过所述计算系统，生成示例样本的多个微观图像；以及通过所述计算系统，使用所述多个微观图像测试所述深度学习模型的准确性。20.根据权利要求19所述的非暂时性计算机可读介质，其中，所述多个微观图像包括以固定相机角度和不同照明方向拍摄的图像。

技术总结
本文公开了一种成像系统。成像系统包括成像装置和计算系统。成像装置包括相对于被配置为支撑样本的台定位在多个位置和多个角度处的多个光源。成像装置被配置为捕获样本的表面的多个图像。计算系统与成像装置通信。计算系统被配置为通过以下方式生成样本的表面的3D重建：从成像装置接收样本的表面的多个图像，通过成像装置经由深度学习模型生成基于多个图像的样本的表面的高度图，以及基于由深度学习模型生成的高度图输出样本的表面的3D重建。习模型生成的高度图输出样本的表面的3D重建。习模型生成的高度图输出样本的表面的3D重建。


技术研发人员：马修
受保护的技术使用者：纳米电子成像有限公司
技术研发日：2021.02.03
技术公布日：2022/9/13