양성자 조사 하에서 동적 성도 중심 위치의 정밀한 측정을 위해 딥러닝 기반의 성점 중심 위치 알고리즘을 제안하였다. 성점 흔적 중심의 키포인트 모델을 구축하고 이를 기반으로 성점 중심 키포인트 검출 네트워크를 구성하였다. 동적 성도의 에너지 저하 행태 및 양성자 조사 영향을 고려하여 양성자 누적 및 순간 실험을 결합해 성도 데이터셋을 구축하였다. 이 데이터셋과 실제 조사된 동적 성도를 사용해 키포인트 검출 네트워크를 학습 및 검증하였으며, 네트워크의 위치 정확도를 전통적인 복원 기반 위치 측정 방법과 비교하였다. 시뮬레이션 비조사 성도에서 합각속도가 0 (°)/초에서 7 (°)/초로 변화할 때, 중심 위치 정확도가 0.03에서 0.2 픽셀로 변화하여 복원 기반 방법 대비 약 한 자릿수 높은 정확도를 보였다; 실제 촬영된 조사된 동적 성도에서는 합각속도 2.5 (°)/초에서 10 (°)/초 구간에서 중심 위치 정확도가 0.4에서 1.8 픽셀로 변화하였다. 기존 방법으로 처리 불가능한 별반점과 순간 밝기 반점 구분 및 별반점 간 중첩과 같은 상황에서도 본 방법은 우수하게 처리할 수 있었다. 이 방법은 강한 방사선 노이즈 및 높은 동적 간섭 저항성을 가지며, 복잡한 조건에서 성감지기 적용에 새로운 아이디어와 해결책을 제공한다.

성감지기;동적;중심 위치;양성자;서브픽셀;신경망