用于碳纳米管生长实时运动学分析与形状估计的自动特征跟踪
计算机视觉与模式识别
2025-08-27 v1
摘要
碳纳米管（CNT）是纳米技术中的关键构件，然而其动态生长的表征受到使用扫描电子显微镜（SEM）成像进行纳米尺度运动测量的实验挑战的限制。现有的非原位方法仅提供静态分析，而原位技术通常需要手动初始化且缺乏连续的单颗粒轨迹分解。我们提出了视觉特征跟踪（VFTrack），这是一个原位实时粒子跟踪框架，可在 SEM 图像序列中自动检测和跟踪单个 CNT 粒子。VFTrack 在粒子跟踪框架内集成了手工设计或深度特征检测器与匹配器，以实现 CNT 微柱生长的运动学分析。一项使用 13,540 条手动标注轨迹的系统研究确定了 ALIKED 检测器与 LightGlue 匹配器为最佳组合（F1-score 为 0.78，-score 为 0.89）。VFTrack 将运动向量分解为轴向生长、横向漂移和振荡，有助于计算异质区域生长速率并重建不断演变的 CNT 柱形态。这项工作推动了自动化纳米材料表征的进步，弥合了基于物理的模型与实验观察之间的差距，实现了 CNT 合成的实时优化。
引用
@article{arxiv.2508.19232,
title = {Automated Feature Tracking for Real-Time Kinematic Analysis and Shape Estimation of Carbon Nanotube Growth},
author = {Kaveh Safavigerdini and Ramakrishna Surya and Jaired Collins and Prasad Calyam and Filiz Bunyak and Matthew R. Maschmann and Kannappan Palaniappan},
journal= {arXiv preprint arXiv:2508.19232},
year = {2025}
}
备注
Accepted at IEEE/CVF ICCV 2025, CV4MS Workshop (Computer Vision for Materials Science), Code available at: https://github.com/kavehsfv/VFTrack