用于胶体粒子全息图中特征快速精准定位的机器学习技术

胶体粒子的全息图可利用洛伦兹-米氏光散射理论进行分析，以纳米级精度测量单个粒子的三维位置，同时估算其尺寸与折射率。提取这一丰富信息始于对单个全息图中感兴趣特征的检测与定位。传统上采用启发式算法处理这一图像分析问题，而机器学习技术能够更快且更通用地解决该问题。我们证明，两种流行的机器学习算法——级联分类器与深度卷积神经网络（CNN）——解决特征定位问题的速度比当前最先进的技术快数个数量级。我们的CNN实现能足够精确地定位全息特征，从而为基于洛伦兹-米氏光散射理论的更详细分析提供引导。基于小波的Haar级联精度较低，但计算效率极高，为强调速度与低成本的应用创造了新机遇。我们展示了其作为全息光镊实时靶向系统的用途。