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。