一种层次化的太阳黑子快速自动识别方法

作者：赵梓良; 刘家真; 胡真; 贾彦灏; 王越; 李青苇; 赵泽洋; 刘洋毅^*

来源：光电工程, 2020, 47(07): 39-49.

• 太阳黑子
• 目标识别
• YOLO
• 卷积神经网络
• k均值算法
• AGAST

太阳黑子的观测与识别是太阳物理学的重要任务。通过对太阳黑子的观测与分析,太阳物理学者可以更准确地分析以及预测太阳活动。随着观测仪器的不断进步,太阳全日面图像数据量也在快速增长。为了快速、准确地进行太阳黑子的自动识别和标注,本文提出了一种两层的太阳黑子识别模型。第一层模型采用深度学习模型YOLO,并使用基于交并比的k均值算法优化YOLO的参数,最终的YOLO模型能够识别绝大多数较大黑子和黑子群,仅有极少数孤立的本影较小的黑子未能识别。为进一步提高这类小黑子的识别率,第二层模型采用AGAST特征检测算法专门识别遗漏的小黑子。在SDO/HMI太阳黑子数据集上的实验结果表明,应用本文的层次化模型,各种形态的太阳黑子均能被有效识别,且识别速率高,从而能够实现实时太阳黑子检测任务。

• 单位
  四川警察学院; 中国科学院光电技术研究所; 山东大学(威海)