論文の概要: An Image Processing approach to identify solar plages observed at 393.37
nm by the Kodaikanal Solar Observatory
- arxiv url: http://arxiv.org/abs/2209.10631v4
- Date: Fri, 30 Jun 2023 14:28:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-03 15:49:37.803425
- Title: An Image Processing approach to identify solar plages observed at 393.37
nm by the Kodaikanal Solar Observatory
- Title（参考訳）: コダイカナル太陽観測所で観測された393.37nmの太陽プラッジの画像処理による検出
- Authors: Sarvesh Gharat, Bhaskar Bose, Abhimanyu Borthakur and Rakesh Mazumder
- Abstract要約: 本研究では,高台カナル太陽観測所から得られたCa K波長太陽データ中の太陽プラッジを自動同定するアルゴリズムを提案する。
このアルゴリズムは、画像中のすべての視覚的識別可能なプラージュにアノテートし、対応する計算されたプラージュ指数を出力する。
提案アルゴリズムは太陽プラッジの同定に有効で信頼性の高い手法であり,太陽活動の研究に役立てることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Solar plages, which are bright regions on the Sun's surface, are an important
indicator of solar activity. In this study, we propose an automated algorithm
for identifying solar plages in Ca K wavelength solar data obtained from the
Kodaikanal Solar Observatory. The algorithm successfully annotates all visually
identifiable plages in an image and outputs the corresponding calculated plage
index. We perform a time series analysis of the plage index (rolling mean)
across multiple solar cycles to test the algorithm's reliability and
robustness. The results show a strong correlation between the calculated plage
index and those reported in a previous study. The correlation coefficients
obtained for all the solar cycles are higher than 0.90, indicating the
reliability of the model. We also suggest that adjusting the hyperparameters
appropriately for a specific image using our web-based app can increase the
model's efficiency. The algorithm has been deployed on the Streamlit Community
Cloud platform, where users can upload images and customize the hyperparameters
for desired results. The input data used in this study is freely available from
the KSO data archive, and the code and the generated data are publicly
available on our GitHub repository. Our proposed algorithm provides an
efficient and reliable method for identifying solar plages, which can aid the
study of solar activity and its impact on the Earth's climate, technology, and
space weather.
- Abstract（参考訳）: 太陽プラヘは、太陽の表面の明るい領域であり、太陽活動の重要な指標である。
本研究では,高台県立太陽観測所から得られたCa K波長太陽データ中の太陽プラッジを自動同定するアルゴリズムを提案する。
このアルゴリズムは、画像中の視覚的識別可能なすべてのプラージュをアノテートし、対応する計算されたプラージュインデックスを出力する。
アルゴリズムの信頼性とロバスト性をテストするため,複数の太陽周期にわたるplage指数(ローリング平均)の時系列解析を行った。
その結果,計算されたplage指数と先行研究で報告された値との間に強い相関が認められた。
すべての太陽周期で得られた相関係数は0.90以上であり、モデルの信頼性を示している。
また、webベースのアプリケーションを用いて、特定の画像に対して適切にハイパーパラメータを調整することで、モデルの効率を向上できると提案する。
アルゴリズムはstreamlit community cloudプラットフォームにデプロイされ、ユーザーは画像のアップロードと、望ましい結果のためにハイパーパラメータをカスタマイズできる。
この研究で使用される入力データは、KSOデータアーカイブから自由に入手でき、コードと生成されたデータはGitHubリポジトリで公開されています。
提案アルゴリズムは、太陽活動とその地球の気候、技術、宇宙天気への影響を研究するのに有効である。
関連論文リスト
- Image-Guided Outdoor LiDAR Perception Quality Assessment for Autonomous Driving [107.68311433435422]
本研究では,屋外自動運転環境を対象とした画像誘導点雲質評価アルゴリズムを提案する。
IGO-PQA生成アルゴリズムは、単一フレームのLiDARベースのポイントクラウドに対して、全体的な品質スコアを生成する。
第2のコンポーネントは、非参照アウトドアポイントクラウド品質評価のためのトランスフォーマーベースのIGO-PQA回帰アルゴリズムである。
論文 参考訳（メタデータ） (2024-06-25T04:16:14Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳（メタデータ） (2023-04-14T14:40:32Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-01-30T14:35:47Z) - Computational Solar Energy -- Ensemble Learning Methods for Prediction
of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。
本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。
その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
論文 参考訳（メタデータ） (2023-01-21T19:16:03Z) - Incorporating Polar Field Data for Improved Solar Flare Prediction [8.035275738176107]
機械学習モデルを用いて太陽フレア予測性能を向上させるため、太陽の北と南の極域強度に関連するデータを活用することを検討する。
実験の結果,太陽フレア予測における極域データの有用性が示唆され,ハイドケスキルスコア(HSS2)は最大10.1%向上した。
論文 参考訳（メタデータ） (2022-12-04T03:06:11Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - HyperionSolarNet: Solar Panel Detection from Aerial Images [0.7157957528875099]
深層学習法を用いて,空中画像を用いたソーラーパネル位置とその表面積の自動検出を行う。
我々の研究は、ソーラーパネルの検出に効率的でスケーラブルな方法を提供し、分類に0.96の精度とセグメンテーション性能に0.82のIoUスコアを達成している。
論文 参考訳（メタデータ） (2022-01-06T15:43:13Z) - Real-time Ionospheric Imaging of S4 Scintillation from Limited Data with
Parallel Kalman Filters and Smoothness [91.3755431537592]
南アメリカ上空350kmでS4振幅シンチレーションの2次元電離層像を時間分解能1分で作成する。
その結果, 地上受信機のネットワークが比較的良好なエリアでは, 生成画像が信頼性の高いリアルタイム結果を提供できることがわかった。
論文 参考訳（メタデータ） (2021-05-11T23:09:14Z) - A Temporally Consistent Image-based Sun Tracking Algorithm for Solar
Energy Forecasting Applications [0.0]
本研究では、過去の観測から日射の軌跡を補間し、画像中の太陽を位置決めする、画像に基づく太陽追跡アルゴリズムを提案する。
実験の結果, 提案手法は, 画像サイズの1%以下の平均絶対誤差で, 円滑な太陽軌道を提供することがわかった。
論文 参考訳（メタデータ） (2020-12-02T09:59:45Z) - Short term solar energy prediction by machine learning algorithms [0.47791962198275073]
機械学習技術の強みを利用した日次太陽エネルギー予測について報告する。
線形, 尾根, ラッソ, 決定木, ランダム森林, 人工ニューラルネットワークなどのベースライン回帰器の予測モデルを実装した。
改良された精度は,2つのグリッドサイズでランダム森林と尾根回帰器によって達成されている。
論文 参考訳（メタデータ） (2020-10-25T17:56:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。