Monitorizarea spațiului cosmic devine din ce în ce mai importantă în contextul creșterii numărului de sateliți și al riscurilor asociate cu resturile spațiale. Este propusă o abordare bazată pe inteligență artificială pentru detectarea și analiza obiectelor spațiale utilizând instrumente optice.
Scopul principal al acestui demers este dezvoltarea unor metode eficiente pentru:
- detectarea precisă a obiectelor spațiale în timp real
- utilizarea datelor provenite de la instrumente optice
- îmbunătățirea acurateței observațiilor în condiții dificile
Sistemul este conceput pentru a funcționa în aplicații reale, cu cerințe de procesare rapidă și robustețe ridicată.
Metodologia propusă combină două direcții complementare:
Modele de învățare automată
- utilizarea modelelor de tip YOLO pentru detectarea obiectelor
- identificarea traiectoriilor sateliților sub formă de „streaks” (urme luminoase)
- procesarea directă a ieșirilor brute ale detectorului pentru a identifica semnale slabe
Modele geometrice clasice
- validarea și rafinarea detecțiilor obținute prin ML
- îmbunătățirea preciziei localizării
- reducerea erorilor generate de zgomot sau artefacte
Această combinație permite obținerea unui echilibru între robustețea datelor și acuratețea rezultatelor.
Provocări
Detectarea obiectelor spațiale din imagini optice implică o serie de dificultăți:
- raport semnal-zgomot scăzut (low SNR)
- interferențe cauzate de nori și condiții atmosferice
- vizibilitate redusă a obiectelor (ex: sateliți slabi sau îndepărtați)
Aceste aspecte fac necesară utilizarea unor metode avansate de procesare și filtrare a datelor.
Rezultate și contribuții
Cercetările realizate demonstrează eficiența abordării propuse în detectarea urmelor slabe ale sateliților, chiar și în condiții dificile.
Contribuțiile includ:
- metode de detecție bazate pe ieșiri brute ale modelelor YOLO
- integrarea detecției într-un sistem capabil de funcționare în timp real
- analiză detaliată a observațiilor optice asupra sateliților din orbita joasă (LEO)