基于LeNet-5卷积神经网络的太阳黑子检测方法

CORC > 国家天文台 > 中国科学院国家天文台

	基于LeNet-5卷积神经网络的太阳黑子检测方法
	付小娜 1; 廖成武 1; 白先勇 2; 梁波 1; 冯松 1; 杨洪娟 1; 杨云飞 1
刊名	天文研究与技术
	2018
卷号	015 期号:003 页码:340
ISSN号	1672-7673
英文摘要	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。
语种	英语
内容类型	期刊论文
源URL	[http://ir.bao.ac.cn/handle/114a11/39981]
专题	中国科学院国家天文台
作者单位	1.昆明理工大学 2.中国科学院国家天文台
推荐引用方式 GB/T 7714	付小娜,廖成武,白先勇,等. 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,2018,015(003):340.
APA	付小娜.,廖成武.,白先勇.,梁波.,冯松.,...&杨云飞.(2018).基于LeNet-5卷积神经网络的太阳黑子检测方法.天文研究与技术,015(003),340.
MLA	付小娜,et al."基于LeNet-5卷积神经网络的太阳黑子检测方法".天文研究与技术 015.003(2018):340.