一种基于深度学习的天文光谱仪像质补偿方法及系统

摘要

本发明公开一种基于深度学习的天文光谱仪像质补偿方法及系统。该方法包括如下步骤：S1：采集天文光谱仪定标光谱图和相应时刻的温度数据；S2：确定每张光谱图的光谱漂移量；S3：将温度数据以及光谱漂移量数据输入计算机进行深度学习，以温度和天文光谱仪的仪器运行时间为输入、光谱漂移量为输出，得到温度‑光谱漂移量神经网络；S4：天文光谱仪运行时，预测当前空间方向漂移量、色散方向漂移量大小；S5：根据所预测的漂移量大小，进行反向等量调节。本发明通过读取历史定标数据、温度数据进行深度学习，实时预测光谱图漂移量大小。此方法补偿精度高，可以有效提高望远镜巡天的数据测量精度和望远镜运行效率。