基于深度学习的太阳黑子Wilson山磁类型识别方法

作者：李书馨; 赵学斌; 陈君; 李伟夫; 陈洪; 陈艳红; 崔延美; 袁天娇

来源：空间科学学报, 2022, 42(03): 333-339.

• 太阳黑子
• Xception网络
• 深度学习
• Wilson山磁分类

太阳黑子是太阳光球层中带有较强磁场的区域，通常是太阳爆发活动的源区。Wilson山磁分类是当前最为主流的太阳黑子分类方法之一，对研究太阳爆发有重要意义。利用2010-2017年间SDO/HMI成像仪观测到的720s＿SHARP磁图和白光图数据，研究使用深度学习对太阳黑子群Wilson山磁分类的方法。实验结果表明，Xception网络在识别太阳黑子Wilson山磁类型上能取得最优的效果，其中对α类型黑子的F1得分为96.50%,β类为93.20%，其他类型的黑子为84.65%。

• 单位
  中国科学院; 华中农业大学; 中国科学院国家空间科学中心; 中国科学院大学