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.