FenixEdu™

Dissertação

{pt_PT=Deep Learning Algorithms for Sunspot Detection} {} EVALUATED

Detalhes: {pt=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. , en=The solar influence on the space weather and terrestrial environment is intelligible. Strong geomagnetic storm activity can significantly affect astronauts in orbit, communications and GPS systems and disrupt Earth’s power distribution networks, making continuous monitoring and forecasting of solar activity vital. Sunspots are magnetic disturbances in the photosphere characterized by their dark appearance in the solar disk, being directly related to phenomena that contribute to these intense storms, namely solar flares and coronal mass ejections. This thesis lies at the intersection between solar surveillance and computer vision by applying state-of-the-art deep learning algorithms in the automatic detection of sunspots and sunspot groups. Three algorithms were implemented based on two approaches, semantic segmentation and instance segmentation, among them U-Net, U-Net 3+ and Mask R-CNN. The semantic approach presented superior results to two state-of-the-art sunspot detection algorithms with 74.2% IoU, leaving solid promises of outperforming the best algorithm compared with, increasing the network capacity. An improved Mask R-CNN achieved 51.7 AP of bounding box and 78.6% in predicting the number of sunspot groups between 2010 and 2014 in the test set. Both results are promising, paving the path for further research and development, aiming at the execution of an autonomous and efficient algorithm for the purpose.}
Keywords: {pt=Sol, aprendizagem profunda, redes neurais, detecção, segmentação, manchas solares, en=Sun, deep learning, neural networks, detection, segmentation, sunspots}

Discussão: dezembro 10, 2021, 8:10