基于图像识别的密立根油滴实验改进方案设计与实现.docxVIP

基于图像识别的密立根油滴实验改进方案设计与实现 摘要：利用基于Python语言的Crocker-Grier、Trackpy算法建立密立根油滴实验过程中的显微镜或输出数据收集输出视频图像识别模型，再将初步识别的粒子数据利用人工智能机器学习算法进行相关筛选，筛选出有效粒子，进行油滴的行为预测与边缘修正，输出其粒子运动数据，进一步直接计算出元电荷的数据，与几十余个利用大学物理实验室现存机器的手动计算数据相对比。结果表明：使用全自动化的处理方式，与实验室手动处理数据相比能够将误差减小10至100倍不等，与测定正值的误差小于10倍。 1 概述为测定基本电荷的带电量，密立根于1906年起用11年时间，利用密立根油滴实验，经过上千个油滴的数据而最终得出结论，密立根也因此荣获1923年诺贝尔物理奖。在物理实验经过不断改革之后，密立根油滴实验已经发展了数百年时间，密立根油滴实验也在近代物理实验中有着非常重要的地位，但目前实验大多仍依靠手动控制仪器的开始与暂停，导致实验得出的测量值与真实值差距过大，误差常在100倍以上。本研究主要通过基于python语言的图像识别、基于机器学习长短期记忆（PTSM）的粒子筛选对实验过程进行全自动化处理，针对无视频的实验数据，采用C进行半自动化数据处理，最终得出结果。经多次验证，在实验正确，仪器误差很小至忽略的情况下，可将误差减小至与真值10倍。依据的公式