近日，中国科学院国家空间科学中心研究团队提出一种基于深度学习的太空台风智能识别与高精度定位新方法，有效突破传统人工判读效率低、主观性强的瓶颈。针对太空台风伴随的巨型极光气旋状结构及等离子体涡旋等特征，团队利用2005至2021年DMSP卫星30万幅远紫外极光图像构建高质量数据集。通过纳入形状易混淆的负样本增强模型鲁棒性，研究组系统对比六种主流深度学习架构，并采用迁移学习、超参数优化与动态学习率调度策略充分挖掘模型潜力。在定位环节，团队基于YOLOv8框架设计目标检测方案，最终实现识别准确率0.92、查准率0.99与召回率0.92的优异指标。在此基础上，团队成功开发具备可视化交互功能的太空台风自动探测系统，支持多源数据输入、实时检测与结果导出。该成果大幅提升了极区空间现象的自动化监测能力，将为后续空间天气建模与风险评估奠定坚实基础。相关论文已发表于国际期刊Space Weather。本研究获国家自然科学基金及子午工程等项目支持。