Создан нейросетевой алгоритм для поиска малых частиц космического мусора

Европейские астрономы и математики выяснили, что популярные алгоритмы машинного зрения можно адаптировать для анализа радарных снимков околоземного пространства и поиска на них даже самых незаметных и небольших фрагментов космического мусора. Выводы ученых были опубликованы в статье в научном журнале IET Radar, Sonar & Navigation.

"Методы машинного обучения в перспективе не только позволят нам вести более детальные наблюдения за космическим мусором, но и резко повысят эффективность борьбы с этой угрозой. Они помогут нам оперативно выявлять и отслеживать самые малозаметные объекты, что позволит заранее принимать решения, способствующие снижению риска для орбитальной группировки", - заявила научный сотрудник Университета Рома-Тре (Италия) Федерика Массими, чьи слова приводит пресс-служба журнала.
Исследователи пришли к такому выводу в рамках эксперимента, в ходе которого ученые попытались использовать уже существующие нейросети, применяемые в работе систем машинного зрения, для анализа данных, которые собирает европейский радар TIRA. Он представляет собой радиотарелку диаметром в 47 м, которая наблюдает за околоземным пространством и получает его изображения, которые затем используются для поиска космического мусора.
Ученые заинтересовались, можно ли заменить алгоритмы, созданные для анализа снимков с TIRA, при помощи нейросетей из семейства YOLO, которые часто используются для поисков движущихся объектов на снимках. Так, ученые обучили нейросети YOLOv5 и YOLOv8 на наборе из трех тысяч снимков околоземного пространства, после чего проверили их работу на шести сотнях сгенерированных радарных изображений, на которых присутствовало от одного до трех фрагментов "космического мусора".
Эти проверки показали, что обе нейросети успешно выявляли от 85% до 97% частиц космического мусора размерами, которые обладали длиной в сантиметр и выше, и при этом в их работе наблюдалось минимальное число ложных срабатываний. В этом отношении они существенно превзошли специализированные алгоритмы, созданные для анализа данных с TIRA, что было особенно характерно для зашумленных снимков и самых строгих режимов их анализа.
Подобные результаты опытов, как считают исследователи, говорят в пользу использования систем машинного зрения при составлении карты космического мусора в околоземном пространстве, а также для ведения наблюдений за его движением в режиме реального времени. Это позволит значительно снизить вероятность столкновения функционирующих космических аппаратов с космическим мусором, подытожили исследователи.
О космическом мусоре
По текущим оценкам астрономов, на орбите Земли присутствуют примерно 18 тыс. рукотворных объектов, чье положение известно НАСА и другим ведущим космическим агентствам мира. Число пока не открытых частиц космического мусора в разы больше, их общее количество превышает 170 млн.
Еще в 1978 году Дональд Кесслер, ученый из НАСА, показал, что дальнейшее накопление мусора в околоземном пространстве, а также увеличение его плотности, может создать условия, при которых столкновение двух подобных частиц вызовет своеобразную "цепную реакцию", которая приведет к уничтожению всех спутников, работающих на высоте орбиты МКС и выше.