滤光器型磁像仪在固定波长点观测时，受到温度变化、机械误差等因素影响，观测波长点发生偏移。传统的波长点定标方法通过拟合谱线轮廓来对观测点进行定标，耗时多且无法实时校正观测波长点。为此提出一种基于神经网络的观测波长点的高效定标方法。该方法首先通过分析不同波长点处的图像特征差异，设计一套有效的数据预处理方案；然后通过机器学习下的神经网络建立起实时观测图像与对应观测波长点的非线性关系。方法验证和实际测试的结果表明该方法比现有的方法快100多倍，同时可监测仪器运行状态。最后，针对磁像仪系统频繁维修后需重新训练网络的问题，给出克服系统变化的方案。该方法可实现滤光器位置实时定标，有效减少定标过程中电机频繁旋转带来的滤光器工作寿命缩短现象，提高地面和空间太阳磁场观测的效率和稳定性。