由于具有荧光强度高且稳定性好、其中的电子自旋相干时间较长、能够被光学激发和微波操控等优良特性,金刚石氮-空位色心(Nitrogen-Vacancy color center,NV色心)被广泛应用于量子技术领域。在基于金刚石NV色心的量子调控平台上,快速、准确地识别和定位色心的位置对以后的实验有着关键影响。在目前的实验平台中,主要依赖实验人员以往的经验来判断金刚石NV色心的位置,继而借助光探测磁共振(Optical Detection Magnetic Resonance,ODMR)方法来确认是否为NV色心,但是由于不可避免的存在噪音,人工识别金刚石NV色心存在误识别、无法识别出所有可用NV色心等问题。为了更准确的检测金刚石NV色心,本文把NV色心的识别当作目标检测问题来处理。本文对目前已有的各类检测方法进行调研,通过调研发现,基于卷积神经网络(Convolutional Neural Network,CNN)的目标检测方法在检测效果、速度上更具优势。因此,本设计针对金刚石NV色心的识别问题提出了基于卷积神经网络的自动识别系统。在系统设计过程中,本文着重解决了金刚石荧光计数易受噪音干扰、NV色心目标尺度较小、待检测NV色心数量多等问题。和人工识别相比,该框架不仅降低了NV色心目标的误识别率,而且极大提高了目标的检出率,为后续的实验提供多个定位准确的NV色心目标。