使用CLIP、EfficientNet和CatBoost模型集成的西伯利亚射电日像仪图像分类
太阳与恒星天体物理
2025-10-23 v1 天体物理仪器与方法
摘要
西伯利亚射电日像仪（SRH）是位于俄罗斯伊尔库茨克的地基射电干涉仪，专为微波波段的高分辨率太阳观测而设计。它可以观测动态太阳事件，空间分辨率为7-30角秒，时间分辨率高达0.1秒。从西伯利亚射电日像仪（SRH）生成太阳射电图像是一个多步骤的校准过程，用于校正仪器和大气畸变，该过程利用基于冗余的校准方法，同时使用相邻和非相邻天线对来解决可见度数据中的相位和幅度误差。然后应用CLEAN算法对点扩散函数进行去卷积，减少旁瓣，并增强太阳特征的可见性，从而产生更高质量和更可靠的图像。虽然校准过程通常能提高图像质量，但有时也可能产生噪声较大或空间偏移的图像，不适合科学使用。我们开发了一种用于自动图像质量分类的深度学习方法。训练数据集使用零样本CLIP模型准备，并进一步手动验证。我们评估了四种不同的模型：微调的EfficientNet、使用CLIP和EfficientNet嵌入的两种CatBoost变体，以及一个结合了所有三个单独模型预测的集成模型。集成模型取得了最佳性能。SRH每日图像分类服务已创建，可通过https://forecasting.iszf.irk.ru/srh在线访问，并提供了包含IDL和Python示例的API。将集成模型集成到SRH图像生成和校准工作流程中，可以提高图像可靠性，减少SRH数据目录中的低质量条目，从而提升太阳研究成果。
引用
@article{arxiv.2507.04211,
title = {Siberian radioheliograph image classification using ensemble of CLIP, EfficientNet and CatBoost models},
author = {Yaroslav Egorov},
journal= {arXiv preprint arXiv:2507.04211},
year = {2025}
}