基于深度学习技术的中纬度多离子体等离子体结构从全景光谱图像中的自动表征
空间物理
2026-03-17 v1
摘要
F区离子体等离子体结构是地球离子层中传播的高或低电子密度区域。这些等离子体结构可通过地面基于全景光谱的成像仪观察，这些成像仪能够捕捉源自离子体F区的微弱光谱辐射。本研究引入一种新颖的自动方法，用于确定中纬度地区从汉德（India）所获取的O(1D) 630.0 nm全景光谱图像中观察到的多离子体等离子体结构的传播参数（水平速度和方向）。我们使用称为YOLOv8（You Only Look Once）的深度学习基于分割的模型来局部化和BoT-SORT跟踪器来跟踪单个中纬度离子体等离子体结构。用于表征观察到的等离子体结构的三个不同的自动算法利用YOLO模型的分段输出。最后，引入一个额外的质量控制步骤，对三个自动算法的结果进行筛选，生成一个标志以保留最可靠的估计。本文提出的全自动管道的结果被系统性地与以往开发的半自动方法进行比较，以评估估计效果。本研究中开发的自动技术特别适用于具有大数据集的全景光谱成像系统，其中手动干预或半自动分析是不可行的。
引用
@article{arxiv.2603.15333,
title = {Automatic Characterization of Mid-latitude Multiple Ionospheric Plasma Structures from All-sky Airglow Images using Deep Learning Technique},
author = {Jeevan Upadhyaya and Satarupa Chakrabarti and Rahul Rathi and Virendra Yadav and Dipjyoti Patgiri and Gaurav Dixit and M. V. Sunil Krishna and Sumanta Sarkhel},
journal= {arXiv preprint arXiv:2603.15333},
year = {2026}
}