基于LeNet-5卷积神经网络的太阳黑子检测方法

作者：付小娜; 廖成武; 白先勇; 梁波; 冯松; 杨洪娟; 杨云飞

来源：天文研究与技术, 2018, 15(03): 340-346.

DOI：10.14005/j.cnki.issn1672-7673.20180427.003

• 太阳黑子
• 深度学习
• 卷积神经网络

太阳黑子与耀斑的爆发存在紧密联系,因此及时准确地检测全日面图像中的太阳黑子可以为耀斑的预报提供依据。基于深度学习框架的LeNet-5卷积神经网络实现了一种太阳黑子自动检测方法,主要步骤包括:制作太阳黑子样本库、训练全卷积神经网络模型Sunspotsnet、检测和标记全日面像中的太阳黑子。实验结果表明,该方法可以识别SDO/HMI的全日面连续谱图像上各种类型的黑子,尤其是较弱的磁孔(0.88倍平均光球强度),采用基于深度学习的方法检测太阳黑子是可行的,训练的Sunspotsnet网络模型可以快速有效地应用在太阳黑子的检测上。

• 单位
  中国科学院; 昆明理工大学