Упрощенная блок-схема типовой импульсно-доплеровской радиолокационной системы и последующая цифровая обработка с введением детектора движущихся целей на основе YOLO после согласованного фильтра. Авторы и права: ИЭПП «Радар, эхолот и навигация» (2024 г.). DOI: 10.1049/rsn2.12547.
Растущее количество космических объектов, мусора и спутников на низкой околоземной орбите создает значительную угрозу столкновений во время космических операций. В настоящее время ситуация отслеживается с помощью радаров и радиотелескопов, отслеживающих космические объекты, но большая часть космического мусора состоит из очень мелких металлических объектов, которые трудно обнаружить.
В исследовании, опубликованном в журнале IET Radar, Sonar & Navigation, исследователи демонстрируют преимущества использования глубокого обучения — формы искусственного интеллекта — для обнаружения небольших космических объектов с помощью радара.
Команда смоделировала известную радиолокационную систему в Европе (называемую радаром слежения и визуализации) в режиме слежения для получения данных для обучения и тестирования. Затем группа сравнила классические системы обнаружения с детектором на основе You-Only-Look-Once (YOLO). (YOLO — популярный алгоритм обнаружения объектов, широко используемый в приложениях компьютерного зрения.)
Оценка в смоделированной среде показала, что обнаружение на основе YOLO превосходит традиционные подходы, гарантируя высокий уровень обнаружения при сохранении низкого уровня ложных тревог.
«Помимо улучшения возможностей космического наблюдения, системы на основе искусственного интеллекта, такие как YOLO, могут совершить революцию в управлении космическим мусором», — сказала соавтор Федерика Массими, доктор философии из Университета Рома Тре в Италии.
«Быстро идентифицируя и отслеживая труднообнаружимые объекты, эти системы позволяют принимать упреждающие решения и стратегии вмешательства для смягчения столкновений и рисков и сохранения целостности критически важных космических ресурсов».
