陽子照射下の動的星図における重心位置を精度良く特定するために、深層学習に基づく星点の重心位置特定アルゴリズムを提案した。星点のドラッグマーク重心のキーポイントモデルを構築し、それに基づいて星点重心キーポイント検出ネットワークを構築した。動的星図のエネルギー劣化挙動と陽子照射の影響に基づき、陽子の蓄積および一時実験を組み合わせて星図データセットを作成した。このデータセットと実際の照射動的星図を用いてキーポイント検出ネットワークを訓練および検証し、ネットワークの位置精度を従来の復元に基づく位置特定方法と比較した。シミュレーション無照射星図上の比較検証では、合角速度が0（°）/秒から7（°）/秒までの範囲で重心位置精度は0.03から0.2ピクセルに変化し、復元ベースの位置特定法より約一桁精度が高かった。実際に撮影された照射動的星図の合角速度が2.5（°）/秒から10（°）/秒の範囲では、重心位置精度は0.4から1.8ピクセルに変化した。従来法で処理困難な星斑と一時的な輝斑の区別や星斑の重なりといったシーンでも、本手法は良好に対処できる。本手法は強い放射線ノイズおよび高動的干渉に対する耐性を有し、複雑な条件下での星センサーの応用に新たな着想と解決策を提供する。

星センサー;動的;重心位置;陽子;サブピクセル;ニューラルネットワーク