CME检测分割模型

优于CACTus与SEEDS

面向SPE预警的日冕物质抛射自动检测与分割深度学习模型。

Yunshi, Zeng · Ao, Xianzhi · 罗冰显 · Jingjing, Wang · Siwei, Liu · Zhu, Cao · Ming, Li · Xin, Wang

Astrophysical Journal, Supplement Series 2026

参数信息

训练图像数量

53082

技术优势

输入更简单

直接使用单张伪彩色图像，无需运行差分预处理，降低使用门槛和计算成本。

动态分类准

将演化的CME在不同时刻视为不同类别，提升分类准确率。

训练规模大

使用53,082张跨多个太阳周期的LASCO C3图像训练，覆盖广泛。

应用场景

• 空间天气预警：近实时自动检测CME，提升太阳质子事件预警时效。
• 太阳活动监测：自动分割与参数计算，替代人工编目工作。
• 日冕仪数据处理：直接处理伪彩色图，免去运行差分步骤。
• 深度学习应用：为日冕观测引入YOLO检测分割新方案。
• 太阳高能粒子预测：聚焦引发SPE的CME分类，辅助高能粒子预报。