基于LeNet-5卷积神经网络的太阳黑子检测方法 |
| |
引用本文: | 付小娜,廖成武,白先勇,梁波,冯松,杨洪娟,杨云飞.基于LeNet-5卷积神经网络的太阳黑子检测方法[J].天文研究与技术,2018(3). |
| |
作者姓名: | 付小娜 廖成武 白先勇 梁波 冯松 杨洪娟 杨云飞 |
| |
作者单位: | 昆明理工大学云南省计算机技术应用重点实验室;中国科学院太阳活动重点实验室 |
| |
摘 要: | 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。
|
本文献已被 CNKI 等数据库收录! |
|