Un numero crescente di oggetti spaziali, detriti e satelliti nell’orbita terrestre bassa rappresenta una significativa minaccia di collisioni durante le operazioni spaziali. La situazione è attualmente monitorata da radar e radiotelescopi che seguono gli oggetti spaziali, ma gran parte dei detriti spaziali è composta da oggetti metallici molto piccoli e difficili da rilevare.
In uno studio pubblicato su IET Radar, Sonar &Navigation , gli investigatori dimostrano i vantaggi dell'utilizzo del deep learning, una forma di intelligenza artificiale, per il rilevamento di piccoli oggetti spaziali tramite radar.
Il team ha modellato un importante sistema radar in Europa (chiamato Tracking and Imaging Radar) in modalità di tracciamento per produrre dati di addestramento e test. Quindi, il gruppo ha confrontato i sistemi di rilevamento classici con un rilevatore basato su You-Only-Look-Once (YOLO). (YOLO è un popolare algoritmo di rilevamento degli oggetti ampiamente utilizzato nelle applicazioni di visione artificiale.)
Una valutazione in un ambiente simulato ha dimostrato che il rilevamento basato su YOLO supera gli approcci convenzionali, garantendo un tasso di rilevamento elevato mantenendo bassi i tassi di falsi allarmi.
"Oltre a migliorare le capacità di sorveglianza spaziale, i sistemi basati sull'intelligenza artificiale come YOLO hanno il potenziale per rivoluzionare la gestione dei detriti spaziali", ha affermato l'autrice co-corrispondente Federica Massimi, Ph.D., dell'Università Roma Tre, in Italia.
"Identificando e tracciando rapidamente oggetti difficili da rilevare, questi sistemi consentono un processo decisionale proattivo e strategie di intervento per mitigare collisioni e rischi e preservare l'integrità delle risorse spaziali critiche."
Ulteriori informazioni: Federica Massimi et al, Rilevamento di detriti spaziali basato sul deep learning per la consapevolezza situazionale spaziale:uno studio di fattibilità applicato all'elaborazione radar, IET Radar, Sonar &Navigation (2024). DOI:10.1049/rsn2.12547
Fornito da Wiley
