CN115078430B - 确定冷冻电镜载网支持膜质量的方法及装置 - Google Patents

Abstract

本公开涉及一种确定冷冻电镜载网支持膜质量的方法及装置，所述方法包括：获取载网在显微镜下拍摄的第一图像；根据第一图像，获取每个网孔的第二图像；通过图像识别模型对各第二图像进行处理，分别获得各第二图像的图像识别结果；根据各第二图像的图像识别结果，确定载网的质量情况。根据本公开的实施例的确定冷冻电镜载网支持膜质量的方法，可利用显微镜下拍摄的第一图像，获得多个网孔的识别结果，从而可根据多个网孔的识别结果来评判载网的质量情况，使得评判标准稳定且客观，减小质量状况的评价误差。

Description

确定冷冻电镜载网支持膜质量的方法及装置

技术领域

本公开涉及计算机技术领域，尤其涉及一种确定冷冻电镜载网支持膜质量的方法及装置。

背景技术

冷冻电子显微镜技术经历了长期的技术积淀和发展。近几年来，直接电子探测器硬件方面经过多次技术升级后，能够高速地采集到高量子检出效率(Detective QuantumEfficiency,DQE)的电镜照片，再加上电镜数据处理软件算法、功能、计算速度等方面接连取得的突破性进展，使得利用冷冻电镜单颗粒三维重构技术对蛋白进行三维重构的方法突破了以往分辨率的限制。在利用冷冻电镜单颗粒三维重构技术时，需要将处于生理条件下并且溶于水溶液中的样品在低温下进行快速冷冻，使得样品保存于非晶玻璃态的冰中。再利用透射电子显微镜进行观察并收集足够数量的照片。最后结合冷冻电镜单颗粒三维重构的相关算法以及图像处理技术、软件对所研究的蛋白质等生物大分子进行三维重构。近年来，直接电子探测相机的发明以及相关算法的优化基本上解决了制约单颗粒三维重构技术分辨率的主要问题，使得冷冻电镜单颗粒三维重构技术能够获得近原子分辨率的蛋白质三维结构。这一革命性的突破，也使得冷冻电镜技术在蛋白质结构解析领域获得了广泛的推广和蓬勃的发展。

经过近几年的应用和发展，冷冻电镜单颗粒三维重构技术在后期图像收集和处理方面已经较为成熟。然而，冷冻样品制备的技术发展，相对而言进展缓慢。目前，大量的冷冻样品，其样品制备的可重复性仍然不高，众多生物样品的制样条件仍需要根据其样品本身的特点去不断去摸索优化，才能最终获得高质量，可用于大量数据收集的冷冻样品。高质量的冷冻样品需要非晶玻璃态冰的厚度适宜、其中的生物大分子分布均匀并且处于非变性状态。随着后期图像处理技术的日益成熟，前期样品制备的问题也逐渐凸显。获得一个高质量的冷冻样品，往往成为获得蛋白质等生物大分子高分辨率三维结构的瓶颈之一。

应用于冷冻电镜样品制备的支撑载网上一般覆盖有一层多孔碳膜，在制备冷冻样品时常常会遇到下列问题：1)孔中的大部分样品倾向于存在于冰层中的两侧气液界面上，气液界面常常会诱使生物大分子产生变性进而影响其三维结构；2)制备样品时，生物样品容易黏附在孔的边缘等位置难以进入到孔的中央，而人们为了使生物样品进孔，需要成倍提高样品的浓度，这也容易导致样品在制样过程中发生聚集等现象，进而最终影响样品的解析分辨率；3)多孔碳膜表面性质不均匀、导电性不佳并且机械刚性不强，而导电性不佳会造成在利用电子显微镜拍照时生物大分子产生漂移，进而最终影响生物大分子的结构解析分辨率；4)在制备冷冻样品时，冰层厚度往往不易控制；5)部分生物大分子样品在利用普通多孔碳膜载网进行冷冻样品制备时，会出现较严重的优势取向问题，阻碍单颗粒三维重构，进而无法获得高分辨率三维结构，或获得的三维模型产生形变，甚至无法获得生物大分子的三维模型。

为了解决这些冷冻样品制备中的技术问题，通常可在多孔碳膜上铺制一层支持膜，如无定形超薄碳膜。然而，这层无定型超薄碳膜一般厚度至少为几纳米甚至十几纳米，进而导致引入了较大的背景噪音，对后期图像处理带来极大干扰。石墨烯及其衍生物作为一种单层或薄层的二维材料，具有厚度薄(单层仅为0.34纳米)，电子易穿透，背景噪音低等诸多优良性质，是一种理想的电镜载网支持膜材料。

利用石墨烯及其衍生物作为支持膜材料，制备石墨烯电镜载网时，由于生产工艺限制，且石墨烯及其衍生物的厚度非常薄等特性，在制备石墨烯载网时容易出现以下问题：1、在石墨烯载网上发现有石墨烯及其衍生物膜破损的小孔，或未覆盖的小孔；2、在石墨烯载网上发现石墨烯及其衍生物膜的覆盖层数不均一，存在单层和多层情况。即，石墨烯载网的质量互不相同，且难以评判。

发明内容

本公开提出了一种确定冷冻电镜载网支持膜质量的方法及装置。

根据本公开的一方面，提供了一种确定冷冻电镜载网支持膜质量的方法，包括：获取载网在显微镜下拍摄的第一图像，其中，所述第一图像中包括载网的多个网孔；根据所述第一图像，获取每个网孔的第二图像；通过图像识别模型对各所述第二图像进行处理，分别获得各所述第二图像的图像识别结果；根据各所述第二图像的图像识别结果，确定所述载网的质量情况。

在一种可能的实现方式中，根据所述第一图像，获取每个网孔的第二图像，包括：确定所述第一图像的中心位置；在所述中心位置的上方位置和下方位置，分别确定多个定位点；根据所述定位点，确定所述第一图像中载网的倾斜角度；根据所述倾斜角度，对所述第一图像中载网所在区域进行旋转，获得第三图像；根据所述第三图像，获得所述每个网孔的第二图像。

在一种可能的实现方式中，根据所述定位点，确定所述第一图像中载网的倾斜角度，包括：确定所述第一图像中所述载网所在区域的边缘；以所述定位点为起点，在预设方向上进行逐点检测，获取所述定位点在预设方向上的延伸线与所述边缘的交点；根据所述交点，确定所述倾斜角度。

在一种可能的实现方式中，根据所述第三图像，获得所述每个网孔的第二图像，包括：对所述第三图像以预设角度进行旋转，获得第四图像；按照水平方向和竖直方向对所述第四图像进行多次分割，获得所述每个网孔的第二图像。

在一种可能的实现方式中，根据各所述第二图像的图像识别结果，确定所述载网的质量情况，包括：根据所述图像识别结果，确定所述载网的污染指数和覆盖率指数；根据所述污染指数和所述覆盖率指数，确定所述载网的质量情况。

在一种可能的实现方式中，所述根据所述图像识别结果，确定所述载网的污染指数，包括：根据所述图像识别结果，确定受到污染的网孔在所述载网的所有网孔中的第一占比；根据所述第一占比，确定所述载网的污染指数。

在一种可能的实现方式中，根据所述图像识别结果，确定所述载网的覆盖率指数，包括：根据所述图像识别结果，确定预设类别的网孔在所述载网的所有网孔中的第二占比；根据所述第二占比，确定所述载网的覆盖率指数。

在一种可能的实现方式中，所述方法还包括：根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数；所述根据所述污染指数和覆盖率指数，确定所述载网的质量情况，包括：根据所述污染指数、所述覆盖率指数和所述载网的覆盖层数，确定所述载网的质量情况。

在一种可能的实现方式中，根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数，包括：根据所述衍射图像中最内层衍射斑点的数量和强度，确定所述载网的覆盖层数。

根据本公开的一方面，提供了一种确定冷冻电镜载网支持膜质量的装置，包括：第一图像获取模块，用于获取载网在显微镜下拍摄的第一图像，其中，所述第一图像中包括载网的多个网孔；第二图像获取模块，用于根据所述第一图像，获取每个网孔的第二图像；识别模块，用于通过图像识别模型对各所述第二图像进行处理，分别获得各所述第二图像的识别结果；质量评价模块，用于根据各所述第二图像的识别结果，确定所述载网的质量情况。

在一种可能的实现方式中，所述第二图像获取模块进一步用于：确定所述第一图像的中心位置；在所述中心位置的上方位置和下方位置，分别确定多个定位点；根据所述定位点，确定所述第一图像中载网的倾斜角度；根据所述倾斜角度，对所述第一图像中载网所在区域进行旋转，获得第三图像；根据所述第三图像，获得所述每个网孔的第二图像。

在一种可能的实现方式中，所述第二图像获取模块进一步用于：确定所述第一图像中所述载网所在区域的边缘；以所述定位点为起点，在预设方向上进行逐点检测，获取所述定位点在预设方向上的延伸线与所述边缘的交点；根据所述交点，确定所述倾斜角度。

在一种可能的实现方式中，所述第二图像获取模块进一步用于：对所述第三图像以预设角度进行旋转，获得第四图像；按照水平方向和竖直方向对所述第四图像进行多次分割，获得所述每个网孔的第二图像。

在一种可能的实现方式中，所述质量评价模块进一步用于：根据所述图像识别结果，确定所述载网的污染指数和覆盖率指数；根据所述污染指数和所述覆盖率指数，确定所述载网的质量情况。

在一种可能的实现方式中，所述质量评价模块进一步用于：根据所述图像识别结果，确定受到污染的网孔在所述载网的所有网孔中的第一占比；根据所述第一占比，确定所述载网的污染指数。

在一种可能的实现方式中，所述质量评价模块进一步用于：根据所述图像识别结果，确定预设类别的网孔在所述载网的所有网孔中的第二占比；根据所述第二占比，确定所述载网的覆盖率指数。

在一种可能的实现方式中，所述装置还包括，层数确定模块，用于根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数；所述质量评价模块进一步用于：根据所述污染指数、所述覆盖率指数和所述载网的覆盖层数，确定所述载网的质量情况。

在一种可能的实现方式中，所述层数确定模块进一步用于根据所述衍射图像中最内层衍射斑点的数量和强度，确定所述载网的覆盖层数。

根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

根据本公开的实施例的确定冷冻电镜载网支持膜质量的方法，可利用显微镜下拍摄的第一图像，获得多个网孔的识别结果，从而可根据多个网孔的识别结果来评判载网的质量情况，使得评判标准稳定且客观，减小质量状况的评价误差。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的确定冷冻电镜载网支持膜质量的方法的流程图；

图2示出根据本公开实施例的第一图像的示意图；

图3示出根据本公开实施例的第一图像的示意图；

图4示出根据本公开实施例的第三图像的示意图；

图5示出根据本公开实施例的第四图像的示意图；

图6示出根据本公开实施例的图像识别模型的示意图；

图7示出根据本公开实施例的网孔类别的示意图；

图8A、图8B、图8C和图8D示出根据本公开实施例的衍射图像的示意图；

图9示出根据本公开实施例的确定载网的质量情况的示意图；

图10示出根据本公开实施例的确定冷冻电镜载网支持膜质量的装置的框图；

图11示出根据本公开实施例的一种电子设备的框图；

图12示出根据本公开实施例的一种电子设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开实施例的确定冷冻电镜载网支持膜质量的方法的流程图，如图1所示，所述方法包括：

在步骤S11中，获取载网在显微镜下拍摄的第一图像，其中，所述第一图像中包括载网的多个网孔；

在步骤S12中，根据所述第一图像，获取每个网孔的第二图像；

在步骤S13中，通过图像识别模型对各所述第二图像进行处理，分别获得各所述第二图像的图像识别结果；

在步骤S14中，根据各所述第二图像的图像识别结果，确定所述载网的质量情况。

根据本公开的实施例的确定冷冻电镜载网支持膜质量的方法，可利用显微镜下拍摄的第一图像，获得多个网孔的识别结果，从而可根据多个网孔的识别结果来评判载网的质量情况，使得评判标准稳定且客观，减小质量状况的评价误差。

在一种可能的实现方式中，可通过显微镜(例如，电子显微镜)对载网(例如，石墨烯载网)进行拍照，获得的图像的格式可以是tiff格式或mrc格式的电镜图像。在通过显微镜对载网进行拍照时，可使载网处于显微镜视野的中心区域，并控制显微镜的放大倍数，调节载物台的高度灯光，以获得清晰的视野，从而可拍摄到载网的清晰的电镜图像。进一步地，还可选取视野中的位置，例如，选取出载网在视野中的区域，并获得该区域的电镜图像。

在一种可能的实现方式中，可在步骤S11中获取与该电镜图像对应的第一图像，例如，与图像识别模型匹配的格式的图像，例如，分辨率为2500×2500的PNG或JGEG格式图像，本公开对电镜图像和第一图像的格式及分辨率不做限制。

在一种可能的实现方式中，在步骤S12中，上述第一图像中可以是完整的载网，也可以是载网的一部分，载网可包括多个网孔，因此，第一图像中可包括多个网孔。在评判载网的质量时，可根据每个网孔的检测情况来评判，例如，确定每个网络是否受损，是否被污染等，从而可统计各种质量状况的网孔的数量或比例，进而确定载网的质量情况。因此，可基于第一图像获得每个网孔的第二图像，从而基于各网孔的第二图像来识别各网孔的质量状况，进而确定载网的质量情况。

在一种可能的实现方式中，可对第一图像进行分割，获得每个网孔的第二图像，例如，可人工进行分割，从而保证分割的准确性，即，确保每个第二图像中均只有一个网孔，且分割线不会穿过网孔，即，不会将网孔本身进行分割，保证每个第二图像中具有一个完整的网孔。

在一种可能的实现方式中，为了降低人工成本，提高分割效率，也可将第一图像进行自动分割，例如，通过如下步骤进行分割：确定所述第一图像的中心位置；在所述中心位置的上方位置(例如，竖直方向的正上方)和下方位置(例如，竖直方向的正下方)，分别确定多个定位点；根据所述定位点，确定所述第一图像中载网的倾斜角度；根据所述倾斜角度，对所述第一图像中载网所在区域进行旋转，获得第三图像；根据所述第三图像，获得所述每个网孔的第二图像。

在一种可能的实现方式中，在载网中，多个网孔可以是按照阵列的形式分布的，即，多个网孔按照水平方向或竖直方向对齐，如果第一图像的拍摄角度正对载网，即，第一图像中的多个网孔可以是按照竖直方向或水平方向对齐的，在这种情况下，可以直接进行水平和竖直方向的分割，例如，按照一定的距离(例如，网孔的间距)，在水平方向和竖直方向进行多次分割，即可获得每个网孔的第二图像。

在一种可能的实现方式中，第一图像的拍摄角度可能是倾斜的，例如，多个网孔在图像中并非是按照水平方向或竖直方向对齐的。在这种情况下，如果直接分割，则可能会使分割线穿过网孔，即，可能将网孔本身进行分割。在示例中，可首先确定倾斜的角度，再基于倾斜的角度进行分割。

图2示出根据本公开实施例的第一图像的示意图，如图2所示，第一图像中包括多个网孔，但第一图像的拍摄角度是倾斜的，多个网孔在图像中并非是按照水平方向或竖直方向对齐的。因此，可首先确定倾斜的角度，例如，一行网孔的连线与水平方向的夹角，即，第一图像中载网的倾斜角度。

在一种可能的实现方式中，倾斜的角度可以是以图像的中心为旋转中心，将图像旋转至多个网孔沿水平或竖直方向对齐的位置所旋转的角度。可首先确定第一图像的中心位置，该中心位置为图像的中心位置，例如，图像的分辨率为2500×2500，则图像的中心位置为坐标为(1250，1250)的像素点。

图3示出根据本公开实施例的第一图像的示意图，如图3所示，图3中的十字形的位点即为第一图像的中心位置。该中心位置可能不是载网所在区域的中心位置(例如，未正对载网拍摄)，也可能是载网所在区域的中心位置。本公开不做限制。

在一种可能的实现方式中，为了确定所述倾斜角度，可在中心点的上方位置和分别确定多个定位点，并可根据定位点确定载网的倾斜角度。根据所述定位点，确定所述第一图像中载网的倾斜角度，包括：确定所述第一图像中所述载网所在区域的边缘；以所述定位点为起点，在预设方向上进行逐点检测，获取所述定位点在预设方向上的延伸线与所述边缘的交点；根据所述交点，确定所述倾斜角度。

在一种可能的实现方式中，可通过色彩对比或基于神经网络的边缘检测等方法检测在网所载区域的边缘，本公开对检测边缘的具体方法不做限制。在获得载网所在区域的边缘后，可以定位点为起点，在预设方向上进行逐点检测，获取定位点在预设方向上的延伸线与边缘的交点。例如，以水平方向为例，可将定位点作为起点，沿水平方向进行逐点检测，直到检测到载网所在区域的边缘，此时，检测到的像素点即为定位点在水平方向上的延伸线与边缘的交点。通过上述方式，可检测到每个定位点(例如，中心位置的上方位置包括3个定位点，下方位置包括3个定位点，共6个定位点)在水平方向上的延伸线与边缘交点，如图3中的多个交点所示。当然，上述预设方向也可以是竖直方向，获取交点的方式与获取水平方向上的延伸线与边缘的交点的方式类似，在此不再赘述。

在一种可能的实现方式中，可根据多个交点互相之间的多条连线(例如将图3中的6个交点，分别与上边缘或者下边缘的交点连线)，可确定这些连线的倾斜角度，进一步地，可去除最大倾斜角度和最小倾斜角度后，利用其余的连线的倾斜角度确定载网的倾斜角度，例如，可将其余的连线的倾斜角度进行平均处理，获得载网的倾斜角度。当然，也可不去除最大倾斜角度和最小倾斜角度，直接将多条连线的倾斜角度进行平均处理，获得载网的倾斜角度，本公开对此不做限制。通过多个交点确定的多条连线的倾斜角度来确定载网的倾斜角度可减少计算误差，当然，也可仅选取两个交点，并利用其中的一条连线的倾斜角度来作为载网的倾斜角度，本公开对交点的数量不做限制。

在一种可能的实现方式中，当然，也可通过其他方式来确定倾斜角度，例如，可直接通过神经网络等方法确定在网所载区域的边缘，从而可根据边缘线的倾斜角度来确定载网的倾斜角度。本公开对确定载网的倾斜角度的具体方法不做限制。

在一种可能的实现方式中，在确定载网的倾斜角度后，可根据该倾斜角度来获得多条分割线，从而在倾斜角度的方向上对第一图像进行分割，获得每个网孔的第二图像。也可基于倾斜角度对第一图像中在网所载区域进行旋转，并对旋转后获得的图像进行分割，以减小分割误差，同时还可减少分割时误将分割线穿过网孔，即，将网孔本身误分割的可能性。

在一种可能的实现方式中，可根据载网的倾斜角度，对在网所载区域进行旋转，获得第三图像。

图4示出根据本公开实施例的第三图像的示意图，如图4所示，可将第一图像中载网所在的区域分割出来，并进行旋转，例如，旋转的角度等于所示载网的倾斜角度，即可获得第三图像。在第三图像中，多个网孔可以是按照竖直方向或水平方向对齐的(可能存在误差)。再此情况下，可按照水平方向和竖直方向的多条分割线对第三图像进行分割，从而可获得各网孔的第二图像。

在一种可能的实现方式中，在第三图像中，由于倾斜角度仍然可能存在误差，多个网孔在竖直方向或水平方向可能没有完全对齐，在此情况下，直接通过水平方向和竖直方向的分割线进行分割仍有可能造成分割误差，例如，分割线穿过网孔等。因此，可将第三图像再次进行旋转，进一步减小误差。

在一种可能的实现方式中，根据所述第三图像，获得所述每个网孔的第二图像，包括：对所述第三图像以预设角度进行旋转，获得第四图像；按照水平方向和竖直方向对所述第四图像进行多次分割，获得所述每个网孔的第二图像。

在一种可能的实现方式中，可将第三图像以预设角度进行旋转，例如，向左旋转45度，从而进一步减小水平方向或竖直方向的对齐误差。

图5示出根据本公开实施例的第四图像的示意图，在第四图像中，载网再次旋转后，在水平方向和竖直方向上的对齐误差进一步减小。在此情况下，按照水平方向和竖直方向进行分割，则误分割的概率更小，分割精度更高。可获得各网孔的第二图像。

在一种可能的实现方式中，在步骤S13中，可通过图像识别模型对各个第二图像进行处理，分别获得第二图像的识别结果。所述图像识别模型可以是深度学习神经网络模型，本公开对图像识别模型的具体形式不做限制。

图6示出根据本公开实施例的图像识别模型的示意图，如图6所示，所述图像识别模型可以是包括多个神经网络层级的深度学习神经网络模型，例如，可包括基础卷积层、基础池化层、小型卷积层、残差链接层、全连接层等，本公开对图像识别模型包括的神经网络层级的类型和数量不做限制。

在示例中，可将第二图像输入图像识别网络，首先可经过基础卷积层和基础池化层的处理，获得第二图像的特征信息，进而可将特征信息输入由11个小型卷积层和残差链接层组成的多个层级中进行处理，每个小型卷积层和残差链接层可组成一个处理模块，其中，残差链接层可获取所在处理模块的输入信息和输出信息之间的残差，减少特征损失，减少随着层级的加深而降低性能的情况，有利于处理和拟合复杂的数据。随后，可将多个处理模块处理后的获得的信息输入基础池化层和全连接层，即可输出第二图像的图像识别结果。

在一种可能的实现方式中，所述图像识别结果可包括第二图像中的网孔的分类结果。在示例中，可将网孔分为多个类别。

图7示出根据本公开实施例的网孔类别的示意图。如图7所示，所述网孔的类别可包括覆盖孔，覆盖孔的孔内区域均匀分布着微小灰色斑点，且没有过大的斑点或连续实线，整体呈浅灰色。所述网孔的类别可包括空孔，空孔的孔内区域含有少量或没有微小灰色斑点，整体呈灰白色或白色。所述网孔的类别可包括污染孔，污染孔的孔内区域含有过大的斑点或连续实线。所述网孔的类别可包括破损孔，破损孔的边缘是不完整的，该网孔可能已经破损。

在一种可能的实现方式中，所述图像识别模型可识别出每个第二图像中的网孔的类别，例如，各第二图像中的网孔属于以上四个类别中的哪一种。

在一种可能的实现方式中，所述图像识别模型在用于上述处理前，可对图像识别模型进行训练和测试。在示例中，可获取载网的电镜图像，并基于电镜图像获得每个网孔的样本图像。样本图像的获取过程与上述第二图像的获取过程类似，在此不再赘述。进一步地，可对每个样本图像进行标注，例如，可进行人工标注，以确保标注的准确性。标注可以是对于网孔的类型的准确的判断结果。例如，上述网孔可分为覆盖孔、空孔、污染孔和破损孔等类别，可对每个样本图像的类别进行标注。

在一种可能的实现方式中，可将样本图像输入图像识别模型进行处理，获得对每个样本图像中网孔的类别的预测结果。该预测结果可能含有误差，即，预测结果可能是不准确的。可基于预测结果与标注之间的误差来确定图像识别模型的损失函数，进而基于损失函数来反馈调节图像识别模型的参数，例如，可通过梯度下降法来调节图像识别模型的参数。在经过多次训练后，可在由多个样本图像组成的测试集中测试图像识别模型的训练效果，如果在测试集中的识别准确率较高，即，测试通过，则可继续在由多个样本组成的验证集中进行验证，如果在验证集中识别准确率仍然较高，即，验证通过，则可完成训练，获得训练后的图像识别模型。如果在测试集中的识别准确率较低，则需要继续对图像识别模型进行训练，直到在测试集中进行的测试的准确率符合要求。如果验证集中的验证结果不符合要求，则与测试集中不符合要求的情况类似，可继续对图像识别模型进行训练，直到图像识别模型在测试集和验证集中均可保持较高的准确率。在训练完成后，可将训练后的图像识别模型用于对第二图像的处理过程中。

在一种可能的实现方式中，在步骤S14中，可根据各第二图像的图像识别结果，即，各第二图像中网孔的类别，确定载网的质量情况。在示例中，可统计各种类别的网孔所占的比例，并可基于该比例来确定载网的质量情况。

在一种可能的实现方式中，步骤S14可包括：根据所述图像识别结果，确定所述载网的污染指数和覆盖率指数；根据所述污染指数和所述覆盖率指数，确定所述载网的质量情况。

在一种可能的实现方式中，可根据图像识别结果来确定各类别的网孔所占的比例，进而可基于该比例来确定污染指数、覆盖率指数等用于评判载网质量情况的参数。

在一种可能的实现方式中，所述根据所述图像识别结果，确定所述载网的污染指数，包括：根据所述图像识别结果，确定受到污染的网孔在所述载网的所有网孔中的第一占比；根据所述第一占比，确定所述载网的污染指数。

在示例中，可确定出各类别的网孔中，属于污染孔的网孔，例如，污染孔的孔内区域含有过大的斑点或连续实线，例如，灰度高于第二图像的灰度均值的斑点或连续实线，且半点或连续实线所占孔内区域的面积比大于或等于20％。

在示例中，可统计以上受到污染的网孔(即，污染孔)在所述载网的所有网孔中的第一占比，并根据第一占比来确定载网的污染指数。例如，可根据第一占比，将污染指数划分为几个等级，例如，在第一占比小于10％的情况下，确定所述载网较清洁，污染指数可设定为很低的值；在第一占比小于20％且大于或等于10％的情况下，确定所述载网被轻度污染，污染指数可设定为较低的值；在第一占比小于50％且大于或等于20％的情况下，确定所述载网被中度污染，污染指数可设定为中等的值；在第一占比大于或等于50％的情况下，确定所述载网被重度污染，污染指数可设定为较高的值。本公开对确定污染指数的具体方式不做限制。

在一种可能的实现方式中，根据所述图像识别结果，确定所述载网的覆盖率指数，包括：根据所述图像识别结果，确定预设类别的网孔在所述载网的所有网孔中的第二占比；根据所述第二占比，确定所述载网的覆盖率指数。

在示例中，可统计空孔和破损孔的总数，在载网的所有网孔中的第二占比，也可统计覆盖孔在所述载网的所有网孔中的第二占比。本公开对所述预设类别不做限制。

在一种可能的实现方式中，载网的覆盖层数也可对载网的质量情况产生影响。为便于简化质量评价体系，将覆盖层数划分为单层、双层、超薄层和薄层、厚层等情况。

在一种可能的实现方式中，所述方法还包括：根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数。

在示例中，以石墨烯载网为例，可使用选区电子束与电子衍射结合(selectedarea electron diffraction，SAED)的方式来确定石墨烯载网的覆盖层数。在示例中，根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数，包括：根据所述衍射图像中最内层衍射斑点的数量和强度，确定所述载网的覆盖层数。

图8A、图8B、图8C和图8D示出根据本公开实施例的衍射图像的示意图。

在示例中，在覆盖层数为单层的情况下，不论电子束以何种倾转角入射石墨烯载网，最内层衍射斑点(即，一阶衍射斑点)的数量均不会发生改变，例如，图8A和图8B最内层均为一套衍射斑点(例如，每套衍射斑点为6个1阶衍射斑点，其中，图8A为电子束以0°的倾转角入射时产生的衍射图像，图8B为电子束以20°的倾转角入射时产生的衍射图像)，且各衍射斑点的强度基本保持一致，例如，强度的最大差异小于或等于预设的强度阈值。本公开对电子束入射的倾转角不做限制。

在示例中，在覆盖层数为双层的情况下，由于存在层间干涉效应，在改变电子束入射的倾转角时，可使最内层衍射斑点的数量和强度发生变化。在示例中，图8C为使电子束以0°倾转角入射时产生的衍射图像、图8D为使电子束以20°倾转角入射时产生的衍射图像，在覆盖层数为双层的情况下，最内层衍射斑点(即，一阶衍射斑点)的数量最大值为2套衍射斑点(例如，12个1阶衍射斑点)，且衍射斑点的强度存在明显变化，例如，强度的最大差异大于预设的强度阈值。还可统计电子束以其他倾转角入射时，衍射图像中最内层衍射斑点的数量，本公开对电子束入射的倾转角不做限制。

在示例中，在覆盖层数更多时，以石墨烯晶体的堆垛方式为AA堆垛为例，由于存在层间干涉效应，改变电子束入射的倾转角可导致不同层的衍射斑点旋转分离，多套衍射斑点以一定的角度旋转叠加在一起，可能影响计数。因此，可统计电子束以不同倾转角入射时最内层衍射斑点数量的最大值，从而可确定石墨烯载网的覆盖层数。对于其它堆垛形式(例如，AB堆垛、ABC堆垛等)石墨烯载网，不同层的取向会有所不同，即，碳原子六元环的方向不同，形成旋转错位，多套衍射斑点以一定的角度旋转叠加在一起，在其他情况下，同样可统计电子束以不同倾转角入射时衍射斑点数量的最大值，可确定石墨烯载网的覆盖层数。

在示例中，在不同的倾转角下，最内层衍射斑点的数量最大值大于或等于3套衍射斑点(例如，18个1阶衍射斑点)，且小于5套衍射斑点(例如，30个1阶衍射斑点)，则石墨烯载网的覆盖层数大于或等于3层，且小于5层，可将石墨烯载网的覆盖层数确定为超薄层的载网。

在示例中，在不同的倾转角下，最内层衍射斑点的数量最大值大于或等于5套衍射斑点(例如，30个1阶衍射斑点)，且小于10套衍射斑点(例如，60个1阶衍射斑点)，则石墨烯载网的覆盖层数大于或等于5层，且小于10层，可将石墨烯载网的覆盖层数确定为薄层的载网。

在示例中，在不同的倾转角下，最内层衍射斑点的数量最大值大于10套衍射斑点(例如，60个1阶衍射斑点)，则石墨烯载网的覆盖层数大于10层，可将石墨烯载网的覆盖层数确定为厚层的载网。本公开对覆盖层数的具体分类标准不做限制。

在一种可能的实现方式中，以上获得了污染指数、覆盖率指数和覆盖层数等多种用于评判载网的质量情况的参数，可基于这些参数来确定载网的质量情况。所述根据所述污染指数和覆盖率指数，确定所述载网的质量情况，包括：根据所述污染指数、所述覆盖率指数和所述载网的覆盖层数，确定所述载网的质量情况。

图9示出根据本公开实施例的确定载网的质量情况的示意图，如图9所示，可首先根据污染指数来排除质量情况不佳的次品。在示例中，如果所述第一占比大于或等于20％，即，载网被重度污染或中度污染，则可认为污染指数不加，该载网为质量情况不良的次品。反之，则载网的污染程度较轻，可继续进行进一步地判别。本公开对根据污染指数来排除质量情况不佳的次品的排除标准不做限制，例如，可将第一占比大于或等于50％，即，载网被重度污染的情况，确定为质量情况不佳的情况。

在示例中，在污染指数符合要求的情况下，可进一步通过覆盖率指数来评判载网的质量情况，在示例中，如果覆盖孔在所述载网的所有网孔中的第二占比高于预设阈值，或者空孔和破损孔的总数在载网的所有网孔中的第二占比低于预设阈值，则可确定覆盖率指数符合质量要求，否则，则可确定该载网为质量情况不良的次品。所述预设阈值可根据选择的网孔的类别来确定，在此不做具体限制。

在示例中，在覆盖率指数符合质量要求的情况下，还可进一步确定载网的覆盖层数的情况，例如，在覆盖层数大于或等于10层的情况下，可将该载网划分为厚层的载网，在覆盖层数大于或等于5层，且小于10层的情况下，可将该载网划分为薄层的载网，在覆盖层数小于5层且大于或等于3层的情况下，可将该载网划分为超薄层的载网，在覆盖层数为2层的情况下，可将该载网划分为双层载网，在覆盖层数为1层的情况下，可将该载网划分为单层载网。本公开对划分标准不做具体限制。

根据本公开的实施例的确定冷冻电镜载网支持膜质量的方法，可利用显微镜下拍摄的第一图像，并可分割为各网孔的第二图像，进而通过图像识别模型进行处理，获得多个网孔的识别结果，提高识别的准确率。从而可根据多个网孔的识别结果来确定污染指数、覆盖率指数等指标，还可通过衍射图像确定覆盖层数，基于上述指标评判载网的质量情况，使得评判标准稳定且客观，减小质量状况的评价误差，提升了评价的稳定性。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

此外，本公开还提供了确定冷冻电镜载网支持膜质量的装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种确定冷冻电镜载网支持膜质量的方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图10示出根据本公开实施例的确定冷冻电镜载网支持膜质量的装置的框图，如图10所示，所述装置包括：第一图像获取模块11，用于获取载网在显微镜下拍摄的第一图像，其中，所述第一图像中包括载网的多个网孔；第二图像获取模块12，用于根据所述第一图像，获取每个网孔的第二图像；识别模块13，用于通过图像识别模型对各所述第二图像进行处理，分别获得各所述第二图像的图像识别结果；质量评价模块14，用于根据各所述第二图像的图像识别结果，确定所述载网的质量情况。

在一种可能的实现方式中，所述第二图像获取模块进一步用于：确定所述第一图像的中心位置；在所述中心位置的上方位置和下方位置，分别确定多个定位点；根据所述定位点，确定所述第一图像中载网的倾斜角度；根据所述倾斜角度，对所述第一图像中载网所在区域进行旋转，获得第三图像；根据所述第三图像，获得所述每个网孔的第二图像。

在一种可能的实现方式中，所述第二图像获取模块进一步用于：确定所述第一图像中所述载网所在区域的边缘；以所述定位点为起点，在预设方向上进行逐点检测，获取所述定位点在预设方向上的延伸线与所述边缘的交点；根据所述交点，确定所述倾斜角度。

在一种可能的实现方式中，所述第二图像获取模块进一步用于：对所述第三图像以预设角度进行旋转，获得第四图像；按照水平方向和竖直方向对所述第四图像进行多次分割，获得所述每个网孔的第二图像。

在一种可能的实现方式中，所述质量评价模块进一步用于：根据所述图像识别结果，确定所述载网的污染指数和覆盖率指数；根据所述污染指数和所述覆盖率指数，确定所述载网的质量情况。

在一种可能的实现方式中，所述质量评价模块进一步用于：根据所述图像识别结果，确定受到污染的网孔在所述载网的所有网孔中的第一占比；根据所述第一占比，确定所述载网的污染指数。

在一种可能的实现方式中，所述质量评价模块进一步用于：根据所述图像识别结果，确定预设类别的网孔在所述载网的所有网孔中的第二占比；根据所述第二占比，确定所述载网的覆盖率指数。

在一种可能的实现方式中，所述方法还包括：根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数；所述根据所述污染指数和覆盖率指数，确定所述载网的质量情况，包括：根据所述污染指数、所述覆盖率指数和所述载网的覆盖层数，确定所述载网的质量情况。

在一种可能的实现方式中，根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数，包括：根据所述衍射图像中最内层衍射斑点的数量和强度，确定所述载网的覆盖层数。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的确定冷冻电镜载网支持膜质量的方法的指令。

本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的确定冷冻电镜载网支持膜质量的方法的操作。

电子设备可以被提供为终端、服务器或其它形态的设备。

图11示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图11，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边缘，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图12示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图12，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows Server^TM，Mac OS X^TM，Unix^TM,Linux^TM，FreeBSD^TM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种确定冷冻电镜载网支持膜质量的方法，其特征在于，包括：

获取载网在显微镜下拍摄的第一图像，其中，所述第一图像中包括载网的多个网孔；

根据所述第一图像，获取每个网孔的第二图像；

通过图像识别模型对各所述第二图像进行处理，分别获得各所述第二图像的图像识别结果；

根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数；

根据各所述第二图像的图像识别结果，确定所述载网的质量情况；

所述根据各所述第二图像的图像识别结果，确定所述载网的质量情况，包括：

根据所述图像识别结果，确定所述载网的污染指数和覆盖率指数；

根据所述污染指数、所述覆盖率指数和所述载网的覆盖层数，确定所述载网的质量情况。

2.根据权利要求1所述的方法，其特征在于，根据所述第一图像，获取每个网孔的第二图像，包括：

确定所述第一图像的中心位置；

在所述中心位置的上方位置和下方位置，分别确定多个定位点；

根据所述定位点，确定所述第一图像中载网的倾斜角度；

根据所述倾斜角度，对所述第一图像中载网所在区域进行旋转，获得第三图像；

根据所述第三图像，获得所述每个网孔的第二图像。

3.根据权利要求2所述的方法，其特征在于，根据所述定位点，确定所述第一图像中载网的倾斜角度，包括：

确定所述第一图像中所述载网所在区域的边缘；

以所述定位点为起点，在预设方向上进行逐点检测，获取所述定位点在预设方向上的延伸线与所述边缘的交点；

根据所述交点，确定所述倾斜角度。

4.根据权利要求2所述的方法，其特征在于，根据所述第三图像，获得所述每个网孔的第二图像，包括：

对所述第三图像以预设角度进行旋转，获得第四图像；

按照水平方向和竖直方向对所述第四图像进行多次分割，获得所述每个网孔的第二图像。

5.根据权利要求1所述的方法，其特征在于，所述根据所述图像识别结果，确定所述载网的污染指数，包括：

根据所述图像识别结果，确定受到污染的网孔在所述载网的所有网孔中的第一占比；

根据所述第一占比，确定所述载网的污染指数。

6.根据权利要求1所述的方法，其特征在于，根据所述图像识别结果，确定所述载网的覆盖率指数，包括：

根据所述图像识别结果，确定预设类别的网孔在所述载网的所有网孔中的第二占比；

根据所述第二占比，确定所述载网的覆盖率指数。

7.根据权利要1所述的方法，其特征在于，根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数，包括：

根据所述衍射图像中最内层衍射斑点的数量和强度，确定所述载网的覆盖层数。

8.一种确定冷冻电镜载网支持膜质量的装置，其特征在于，包括：

第一图像获取模块，用于获取载网在显微镜下拍摄的第一图像，其中，所述第一图像中包括载网的多个网孔；

第二图像获取模块，用于根据所述第一图像，获取每个网孔的第二图像；

识别模块，用于通过图像识别模型对各所述第二图像进行处理，分别获得各所述第二图像的图像识别结果；

层数确定模块，用于根据在电子束以多个倾转角入射所述载网的情况下，获得的载网的衍射图像，确定所述载网的覆盖层数；

质量评价模块，用于根据各所述第二图像的图像识别结果，确定所述载网的污染指数和覆盖率指数；根据所述污染指数、所述覆盖率指数和所述载网的覆盖层数，确定所述载网的质量情况。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。

Images