arXiv 于 2026 年 5 月 22 日发布了一篇题为《DefocusTrackerAI——一种用于自动检测离焦粒子图像的通用框架》的论文，编号 arXiv:2606.00076 [cs.CV]，由 Gonçalo Coutinho 等四位作者完成，投稿人为 Massimiliano Rossi。该论文共 24 页、含 10 幅图，属于计算机视觉与模式识别领域，是开源项目 DefocusTracker 的后续工作。
论文提出的 DefocusTrackerAI 是一个通用深度学习框架，目标是在不牺牲不确定度和召回率的前提下，对任意光学配置下拍摄的离焦粒子图像进行自动检测与位置估计。所谓离焦粒子图像，是指粒子偏离焦平面时在相机上形成的环状或特征性光斑，这类图像是三维离焦粒子跟踪（DPT）技术的基础数据。
在模型选型阶段，研究团队直接对比了两种知名目标检测网络：Faster R-CNN 与 YOLOv9。二者均在一个多样且特征丰富的合成图像数据集上训练，该数据集包含不同直径的像散型（astigmatic）与非像散型离焦粒子图像。作者据此选出最终采用的深度神经网络架构。
基于合成数据的评估得出两点主要结论。第一，YOLOv9 优于 Faster R-CNN，在召回率更高、不确定度更低方面表现突出，尤其是在粒子图像密度较高的场景下优势更明显。第二，YOLOv9 提供了更高的空间分辨率，在粒子图像密度 N_s 不超过 0.5 时，不确定度介于 0.1 至 0.4 像素之间，超过了现有最先进算法。
研究还验证了模型的泛化能力：这些模型能够在多种光学装置和不同照明条件下检测像散型与非像散型离焦粒子图像。此外，作者将模型成功应用于真实的 DPT 实验数据，包括荧光成像与阴影图（shadowgraph）数据，表明其用途可超出传统 DPT 场景，例如用于喷雾和液滴的跟踪。
为方便社区使用，作者发布了一个基于 YOLOv9 的预训练即用版本，托管在 GitLab 上（仓库路径为 goncalo.coutinho/defocustrackerAI-main，固定提交 7e0f11f649ebad50e20dca5b9545f26ca303ebe0），可用于对任意类型的离焦粒子图像进行高精度自动检测。作者指出，若配合合适的深度位置标定方法，该框架可作为三维离焦粒子跟踪的有效第一步。
论文同时给出了 DOI（10.48550/arXiv.2606.00076），并提供 PDF、实验性 HTML 以及 TeX 源码等多种获取方式。需要注意的是，当前摘要中的性能结论主要基于合成数据评估，真实实验部分展示了可行性，但未给出与合成数据同等细粒度的量化指标；此外，从二维检测到三维定位仍依赖外部标定流程，这构成了实际部署时的关键前置条件。