研究发现基于人工智能的系统在发现难以检测的空间碎片方面的潜在好处

激光网3月6日消息，近地轨道上越来越多的空间物体、碎片和卫星在太空作业期间构成了碰撞的重大威胁。目前，通过跟踪空间物体的雷达和射电望远镜监测这一情况，但许多空间碎片由难以探测的非常小的金属物体组成。

在发布在IET Radar， Sonar & Navigation上的一项研究中，研究人员展示了使用深度学习通过雷达探测小型空间物体的好处。

该团队在跟踪模式下对欧洲一个著名的雷达系统进行了建模，以产生训练和测试数据。然后，该小组将经典检测系统与基于You-Only-Look-Once的检测器进行了比较。YOLO是一种流行的对象检测算法，已广泛应用于计算机视觉应用。

在模拟环境中进行的评估表明，基于YOLO的检测优于传统方法，保证了高检测率，同时保持了较低的误报率。

“除了提高空间监视能力外，像YOLO这样的基于人工智能的系统还有可能彻底改变空间碎片管理，”意大利罗马第三大学的共同通讯作者Federica Massimi博士说。

“通过快速识别和跟踪难以检测的物体，这些系统能够实现主动决策和干预策略，以减轻碰撞和风险，并保护关键空间资源的完整性。