FenixEdu™

Dissertação

Deep Learning Algorithms for Sunspot Detection EVALUATED

Detalhes: A influência solar no clima espacial e ambiente terrestre é inteligível. Forte atividade de tempestades geomagnéticas podem afetar significativamente astronautas em órbita, os sistemas de comunicação e de GPS, e ainda causar disrupção nas redes de distribuição de energia na Terra; tornando vital a contínua monitorização e previsão de atividade solar. Manchas solares são perturbações magnéticas na fotosfera caracterizadas pela sua aparência escura no disco solar, estando diretamente relacionadas com os fenómenos que contribuem para estas fortes tempestades, nomeadamente erupções solares e ejeções de massa coronal. Esta tese encontra-se na intersecção entre a vigilância solar e visão computacional, pela aplicação de algoritmos de estado da arte de aprendizagem profunda na deteção automática de manchas e grupos de manchas solares. Com base em duas abordagens, segmentação semântica e segmentação instancial, três algoritmos foram implementados, entre eles a U-Net, U-Net 3+ e a Mask R-CNN. A abordagem semântica apresentou resultados superiores a dois algoritmos de estado da arte de deteção de manchas solares com 74.2% IoU, deixando sólidas promessas de superar o melhor algoritmo comparado, com um futuro aumento de capacidade da rede. A abordagem instancial, ainda um desafio no campo de visão computacional, alcançou 51.7 AP de caixa delimitadora e precisão de 78.6% na previsão do número de grupos de manchas solares entre 2010 e 2014 no conjunto de teste. Ambos resultados são promissores, abrindo caminho para mais investigação e desenvolvimento apontando para a efetivação de um algoritmo autónomo e eficaz para o efeito.
Keywords: Sol, aprendizagem profunda, redes neurais, detecção, segmentação, manchas solares

Discussão: dezembro 10, 2021, 8:10