黑子、耀斑等太阳活动现象与太阳磁场的演化密切相关，对其开展观测研究是认识太阳活动及其物理过程的重要基础。然而太阳观测数据容易受到仪器成像异常的影响，会降低观测结果的可靠性。
       以太阳光学望远镜（SOT）为例，其窄带滤光仪内部的气泡会随滤光片调谐发生移动和形变，在多普勒图和磁图中形成局部伪影与失真，影响太阳活动特征识别及磁场参数反演，因此开展太阳磁场图像中气泡类异常的高精度检测具有重要意义。太阳磁场图像中的气泡类异常会干扰太阳活动特征识别与磁场参数反演。此类目标具有样本稀缺、尺寸跨度大、背景复杂等特点，尤其是小尺寸气泡容易漏检，现有检测方法难以满足高精度检测需求。
       针对上述问题，提出一种基于SAHI-YOLOv8的太阳磁场图像气泡类异常检测方法。通过构建气泡点扩散函数（PSF）模型并与真实太阳图像加权融合，生成训练数据集。结合SAHI切片辅助推理与微调策略，优化模型对不同尺度气泡的特征提取与检测能力，实现局部观测图像和全日面图像中的气泡自动识别、定位与尺寸测量。
       在包含473个气泡样本的仿真全日面图像测试集上，对正常气泡及四种极端类型气泡开展检测实验，结果表明模型对正常气泡及黑子重叠场景具有良好的检测能力，并通过对比实验验证了其跨尺度目标识别性能。在真实Hinode/SOT观测图像测试中，模型达到97.14%的精确率、100.00%的召回率和98.55%的F1-score，能够有效识别复杂背景下不同尺度的气泡类异常，为太阳磁场观测数据中的气泡异常检测提供了技术支持。
 

太阳磁场图像；气泡；异常检测；YOLOv8；切片辅助超推理（SAHI）；小目标检测；点扩散函数（PSF）