1.基于深度学习的显微视觉伺服控制方法，其特征在于：包括以下步骤：S1、通过摄像显微镜放大载玻片上目标细胞，并采集目标细胞的实时视频信息；

S2、将采集的动态信息实时导入到计算机内；

S3、在计算机内对目标细胞进行模拟操控，并记录模拟操控轨迹的动态数据；

S4、数据转换，将模拟得到的动态数据进行等比例换算成伺服控制机器人和细胞实际尺寸的数据；

S5、将转换后的数据实时导入到伺服控制中心，伺服控制中心根据转换后的数据控制伺服控制机器人对细胞进行显微操作；

所述模拟操控时的虚拟操作工具的形状、尺寸、空间的相对位置以及比例均由伺服控制机器人上的机械臂相对于纳米级标记点的位置按照等比例扩大得到，所述模拟操控包括模拟细胞在被操作时的反应和模拟伺服控制机器人上机械臂的显微操作轨迹，同时模拟操作轨迹以及细胞反应。

2.根据权利要求1所述的基于深度学习的显微视觉伺服控制方法，其特征在于：所述计算机内通过逻辑语言编程有模拟操控软件，所述模拟操控软件的模拟界面可以在二维和三维上随机转换。

3.根据权利要求1所述的基于深度学习的显微视觉伺服控制方法，其特征在于：所述摄像显微镜在使用时，呈倒置放置。

4.根据权利要求1所述的基于深度学习的显微视觉伺服控制方法，其特征在于：在进行S3前，首先将所述摄像显微镜采集到的目标细胞的实时视频信息进行上下、左右颠倒。

5.根据权利要求1所述的基于深度学习的显微视觉伺服控制方法，其特征在于：所述摄像显微镜与计算机通过无线信号连接，所述计算机与伺服控制中心通过无线信号连接。

6.根据权利要求1所述的基于深度学习的显微视觉伺服控制方法，其特征在于：所述纳米级标记点设置在载玻片上方的中心位置，带有所述目标细胞的培养液滴在纳米级标记点正上方。

7.根据权利要求6所述的基于深度学习的显微视觉伺服控制方法，其特征在于：所述纳米级标记点作为基准点，且S3中的模拟操控以及S5中的显微操作均在基准点的对照下完成。

8.根据权利要求1所述的基于深度学习的显微视觉伺服控制方法，其特征在于：所述纳米级标记点为荧光材质。