赵梓良，刘家真，胡 真，贾彦灏，王 越，李青苇，赵泽洋，刘洋毅

一种层次化的太阳黑子快速自动识别方法

赵梓良1，刘家真1，胡 真1，贾彦灏1，王 越1，李青苇1，赵泽洋1，刘洋毅2,3,4*

1山东大学(威海)机电与信息工程学院，山东 威海 264209；2中国科学院光电技术研究所，四川 成都 610209；3四川警察学院，四川 泸州 646000；4中国科学院自适应光学重点实验室，四川 成都 610209

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。

太阳黑子；目标识别；YOLO；卷积神经网络；k均值算法；AGAST

1 引 言

太阳黑子是产生于太阳表面的，容易被观测的太阳活动现象，其所在的太阳区域有强磁场的聚集。对太阳黑子的观测和分析对于人类理解和研究太阳活动具有重大意义，如帮助天文学者研究耀斑的爆发与黑子群的相关性[1]。……