Técnicas de aprendizado de máquina e processamento de imagens têm sido aplicadas com sucesso em muitos campos de pesquisa. Astronomia e Astrofísica são algumas dessas áreas. Neste trabalho, aplicamos técnicas de aprendizado de máquina em uma nova abordagem para classificar e caracterizar manchas solares que aparecem na fotosfera solar que expressam campos magnéticos intensos, e esses campos magnéticos apresentam efeitos significativos na Terra. Em nossos experimentos, consideramos imagens de Heliosismism e Magnetic Imager (HMI) no formato IntensitygramFlat. Aplicamos técnicas de pré-processamento para reconhecer e contar os grupos de manchas solares para classificação adicional. Além disso, investigamos o desempenho da CNN AlexNet usando os dados como entrada em comparação com a Rede de Função de Base Radial (RBF) usando diferentes níveis e combinando ambas as abordagens de redes. Os resultados mostram que quando a CNN usa o RBF para identificar e classificar as manchas solares do processamento de imagens, seu desempenho é maior do que quando apenas a CNN é usada.