基于卷积神经网络的金刚石NV色心自动识别系统

论文摘要

由于具有荧光强度高且稳定性好、其中的电子自旋相干时间较长、能够被光学激发和微波操控等优良特性,金刚石氮-空位色心（Nitrogen-Vacancy color center,NV色心）被广泛应用于量子技术领域。在基于金刚石NV色心的量子调控平台上,快速、准确地识别和定位色心的位置对以后的实验有着关键影响。在目前的实验平台中,主要依赖实验人员以往的经验来判断金刚石NV色心的位置,继而借助光探测磁共振（Optical Detection Magnetic Resonance,ODMR）方法来确认是否为NV色心,但是由于不可避免的存在噪音,人工识别金刚石NV色心存在误识别、无法识别出所有可用NV色心等问题。为了更准确的检测金刚石NV色心,本文把NV色心的识别当作目标检测问题来处理。本文对目前已有的各类检测方法进行调研,通过调研发现,基于卷积神经网络（Convolutional Neural Network,CNN）的目标检测方法在检测效果、速度上更具优势。因此,本设计针对金刚石NV色心的识别问题提出了基于卷积神经网络的自动识别系统。在系统设计过程中,本文着重解决了金刚石荧光计数易受噪音干扰、NV色心目标尺度较小、待检测NV色心数量多等问题。和人工识别相比,该框架不仅降低了NV色心目标的误识别率,而且极大提高了目标的检出率,为后续的实验提供多个定位准确的NV色心目标。

论文目录

• 致谢
• 摘要
• abstract
• 第一章 绪论
•   1.1 基于金刚石NV色心的量子信息平台
•     1.1.1 金刚石NV色心的概念和性质
•     1.1.2 扫描共聚焦系统
•     1.1.3 光探测磁共振
•   1.2 量子信息与机器学习
•     1.2.1 量子机器学习
•     1.2.2 研究目标
•   1.3 机器学习
•     1.3.1 机器学习的发展
•     1.3.2 神经网络模型
•     1.3.3 目标检测方法
•     1.3.4 TensorFlow框架
•   1.4 论文内容安排
• 第二章 金刚石NV色心自动识别系统
•   2.1 荧光计数矩阵的特征提取
•     2.1.1 卷积核的选择
•     2.1.2 通道降维
•     2.1.3 整体网络结构设计
•   2.2 NV色心检测网络设计
•     2.2.1 多尺度检测
•     2.2.2 先验框的设计
•     2.2.3 NV色心的识别和定位
•   2.3 非极大值抑制与概率阈值筛选
•   2.4 NV色心识别过程实现
•     2.4.1 应用程序编程接口
•     2.4.2 远程实时识别
•   2.5 本章小结
• 第三章 系统参数优化
•   3.1 数据集
•   3.2 类别标签与位置标签
•   3.3 损失函数设计
•     3.3.1 分类损失
•     3.3.2 回归损失
•     3.3.3 多任务损失函数
•   3.4 优化思路
•   3.5 优化实现
•     3.5.1 参数更新
•     3.5.2 系统优化
•     3.5.3 损失函数的可视化
•   3.6 本章小结
• 第四章 性能度量与评估
•   4.1 目标检测的评价指标
•     4.1.1 准确率和召回率
•     4.1.2 F1 值和准-召曲线
•   4.2 检测结果
•     4.2.1 金刚石NV色心的检测结果
•     4.2.2 测试集后验框的分布
•   4.3 系统性能的评估与分析
•     4.3.1 概率阈值对金刚石NV色心误检、漏检的影响
•     4.3.2 不同交并比阈值下系统定位金刚石NV色心的能力评估
•     4.3.3 金刚石NV色心识别与定位性能的综合分析
•   4.4 本章小结
• 第五章 总结与展望
• 参考文献
• 攻读硕士学位期间的学术活动及成果情况

文章来源

类型: 硕士论文

作者: 郑子贤

导师: 徐南阳

关键词: 金刚石氮空位色心,光探测磁共振,卷积神经网络,多尺度检测,召回率,准确率

来源: 合肥工业大学

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,信息科技

专业: 物理学,化学,自动化技术

单位: 合肥工业大学

分类号: TP183;O413;O773

总页数: 77

文件大小: 3980K

下载量: 51