氧化锌纳米棒阵列宏观体在能源、环保、传感等领域应用前景广阔。大量实验研究表明,氧化锌纳米棒的表面形貌与单体结构对其理化性质有着显著影响,然而,由于其复杂性,目前尚缺乏批量化、自动化测量氧化锌纳米棒宏观体基本结构特征的高效方法,这极大阻碍了利用理论方法量化地处理实际问题。当前,表征氧化锌纳米材料表面形貌和基本结构特征的主要方法是扫描电镜二次电子成像,国内外图像处理技术在纳米结构电子像的应用中主要针对的是相对简单的纳米结构单体,例如分散较好的纳米颗粒。对于氧化锌纳米棒宏观体而言,其电子显微像视野内通常包含大量单体的复杂重叠投影,特征数量多,形态复杂,难以通过传统图像处理技术有效解决其特征分割和批量测量问题。为此,本文提出基于深度学习技术自动识别氧化锌纳米棒的电子图像。氧化锌纳米棒的形状大多不是高度规则的,本文识别的对象为侧面为光滑曲面的类圆柱状氧化锌纳米棒。主要的创新性研究工作如下:1.类圆柱状氧化锌纳米材料电子像数据集的构建。数据的信度主要决定于扫描电镜（SEM）成像技术,因此,效度问题是氧化锌纳米线电子显微像数据集构建的主要瓶颈。具体包括三个要素:第一,数据集中样本量要足够大;第二,圆柱阵列宏观体的长度、间距、直径、取向等参数变化范围足够大;第三,目标特征以外的背景足够多样化,以应对其他类型纳米结构也经常出现的实际情况。数据集的效度决定了模型在实际部署中的泛化性能。为构建数据集自然需要大量的有效样品,传统的手工制备方法不但效率低,而且由于沉积效果对水化学沉积工艺参数极其敏感,由于参数复杂性和不可避免的人为误差影响,要正确调整参数获得多样化的有效沉积效果,需要耗费更多时间。因此,数据集效度的问题转化为实验通量和工艺参数控制有效性的问题。针对这一难点问题,本文基于氧化锌纳米结构批量化自动沉积实验装置（内部代号为KQS）制备一维氧化锌纳米材料。KQS系统包含32个腔体,每个腔体工艺参数独立可调,有效实验通量大大提高。本文对这些样品的扫描电子显微镜图像进行标注,获得包含177张图片的训练集和45张图片的测试集。2.自动化、批量化地识别类圆柱状一维氧化锌纳米棒与测量其长度信息。针对类圆柱状氧化锌纳米棒稠密阵列SEM图像特征高度重叠的难点问题,本文用引入兴趣区域（Region of Intrest,ROI）机制的卷积神经网络模型MASK R-CNN,实现了自动识别类圆柱状氧化锌纳米棒并测量其长度尺寸。由于氧化锌纳米棒电子图像中有大量纳米结构重叠的情况,模型的检测很容易造成漏检。为了减小漏检率,模型用软非极大值抑制算法（SOFT-NMS）代替非极大值抑制算法（NMS）来进行目标框筛选。为了减小回归损失和防止过拟合,模型调整了生成目标框的尺寸与长宽比,并在网络中加入了丢弃（dropout）正则化。为了使模型收敛更快性能更好,选用迁移学习的方法,用COCO（Microsoft Common Objects in Context）数据集对模型进行预训练,并用收敛后的权重进行参数初始化。模型在识别类圆柱状氧化锌纳米棒任务上达到0.831的平均准确率（Average Precis ion,AP）,达到了良好的检测效果。本文根据检测目标框所占的像素大小与扫描电子显微镜放大倍数,实现了自动测量出氧化锌纳米棒的长度尺寸。