Science >> Wetenschap >  >> Astronomie

Onderzoek naar potentiële voordelen van op AI gebaseerde systemen voor het opsporen van moeilijk te detecteren ruimteschroot

Vereenvoudigd blokdiagram van een generiek puls-doppler-radarsysteem en de daaruit voortvloeiende digitale verwerking, met de introductie van een op YOLO gebaseerde detector voor bewegende doelen na het aangepaste filter. Credit:IET-radar, sonar en navigatie (2024). DOI:10.1049/rsn2.12547

Een toenemend aantal ruimtevoorwerpen, puin en satellieten in een lage baan om de aarde vormt een aanzienlijke dreiging van botsingen tijdens ruimteoperaties. De situatie wordt momenteel in de gaten gehouden door radar- en radiotelescopen die ruimtevoorwerpen volgen, maar veel ruimteschroot bestaat uit zeer kleine metalen voorwerpen die moeilijk te detecteren zijn.

In een onderzoek gepubliceerd in IET Radar, Sonar &Navigation , demonstreren onderzoekers de voordelen van het gebruik van deep learning (een vorm van kunstmatige intelligentie) voor de detectie van kleine ruimteobjecten door middel van radar.

Het team modelleerde een prominent radarsysteem in Europa (Tracking and Imaging Radar genaamd) in trackingmodus om trainings- en testgegevens te produceren. Vervolgens vergeleek de groep klassieke detectiesystemen met een op You-Only-Look-Once (YOLO) gebaseerde detector. (YOLO is een populair algoritme voor objectdetectie dat veel wordt gebruikt in computer vision-toepassingen.)

Een evaluatie in een gesimuleerde omgeving heeft aangetoond dat op YOLO gebaseerde detectie beter presteert dan conventionele benaderingen, waardoor een hoog detectiepercentage wordt gegarandeerd en het aantal valse alarmen laag blijft.

"Naast het verbeteren van de mogelijkheden voor ruimtetoezicht, hebben op kunstmatige intelligentie gebaseerde systemen zoals YOLO het potentieel om een ​​revolutie teweeg te brengen in het beheer van ruimtepuin", zegt co-corresponderend auteur Federica Massimi, Ph.D., van de Roma Tre Universiteit in Italië.

"Door snel moeilijk te detecteren objecten te identificeren en te volgen, maken deze systemen proactieve besluitvorming en interventiestrategieën mogelijk om botsingen en risico's te beperken en de integriteit van kritieke ruimtebronnen te behouden."

Meer informatie: Federica Massimi et al., Op diep leren gebaseerde detectie van ruimteschroot voor situationeel bewustzijn in de ruimte:een haalbaarheidsstudie toegepast op de radarverwerking, IET Radar, Sonar &Navigatie (2024). DOI:10.1049/rsn2.12547

Aangeboden door Wiley