太阳活动区是太阳爆发活动的重要源区。活动区的快速识别和特征参量提取有助于及时、准确地预报太阳活动。随着众多大型太阳观测设备的投入使用,太阳观测数据急剧增加,手动识别太阳活动区已经不能满足太阳活动预报的及时性需求。实现太阳活动区的自动快速识别已成为太阳活动预报的关键问题和技术基础。针对SDO/HMI高时空分辨率的活动区数据,本文:1.利用数学形态法,自动识别出黑子,并在识别基础上计算得到黑子群的面积和黑子数。将计算得到的黑子群面积和黑子数与NOAA/SWPC发布的活动区相应参量进行比较,发现本文计算结果与SWPC发布数据变化趋势基本一致、相关性较好,其中两者在黑子群面积上的相关系数为0.77,黑子数上的相关系数为0.79。2.在对活动区SHARP数据进行黑子识别的基础上,利用卷积神经网络方法中的Inception V3模型开展了黑子群McIntosh类型的自动识别研究。通过对McIntosh分类中Z、p、c三个分量分别进行分类训练,模型得到Z分量的识别准确率为75.4%;p分量识别的准确率为79.2%;c分量识别的准确率82.2%。