扫描隧道显微镜（STM）是制备传统合成方法难以获得的低维碳基材料的关键手段，其可编程自动化操控为表面合成过程自动化提供了可能。然而，实现自动化面临着挑战。现有机器学习框架如两阶段Faster R-CNN或单阶段YOLO模型，在体系组分简单、具有超结构等特定场景中表现良好，却难以适用于复杂STM图像识别。近期，中国科学院物理研究所/北京凝聚态物理国家研究中心和苏州大学合作，开发并设计了基于识别框归一化的两阶段分子机器视觉识别框架ReSTOLO。该框架在数据有限、缺乏超结构信息的条件下，实现了6类相似分子体系STM图像的精确定位与分类，其单类平均精度和召回率均超过85%，在另外两个分子体系STM图像识别中的表现也验证了其有效性与泛化能力。ReSTOLO将检测分解为定位和分类两个独立阶段，使每个模型能够专注于其特定任务，从而最大限度地发挥YOLO在定位与ResNet-101在分类方面的优势。这一设计避免了YOLO在执行联合检测和分类时存在的不精确性和冗余计算问题，并消除了输入图像尺寸差异对ResNet-101分类性能带来的干扰。研究团队在YOLO完成初步定位后，引入了检测框归一化处理：基于原始图像和YOLO输出的检测框信息，对框体尺寸进行归一化和调整，保证检测框大小统一，以增强后续分类阶段的准确性和一致性。这一策略依赖如下事实依据：多数分子尺寸相近、STM图像整体景深几乎一致，以及实验采集STM图像时的分辨率/放大倍数是已知参数。同时，团队采用融合物理先验和实验信息的数据增强方法，考虑体系的对称性以及实验条件变化。该方法可扩充训练数据、缓解小样本问题，并能够避免无效冗余信息引入，提升了模型的识别性能与鲁棒性。ReSTOLO揭示了现有机器视觉分子识别系统在复杂任务中表现不佳的原因，为设计契合表面科学研究特点的专用机器视觉系统提供了参考。同时，ReSTOLO将直接推动分子的自动化检测、现象观察、精准自动合成和性质分析等研究进程。相关研究成果发表在《美国化学会志》（JACS）上。研究工作得到国家自然科学基金委员会和中国科学院等的支持。论文链接研究体系、ReSTOLO的两阶段分子图像识别过程及优异的识别性能