[ad_1]
(noticias nanowerk) El creciente número de objetos espaciales, desechos y satélites en órbita terrestre baja plantea un riesgo importante de colisiones en las operaciones espaciales. La situación se sigue actualmente con radares y radiotelescopios que rastrean objetos espaciales, pero gran parte de los desechos espaciales se componen de muy Pequeños objetos metálicos difíciles de reconocer.
En un estudio publicado en Radar, sonda y navegación IET (“Deep learning-based space Debris detect for SSA: a radar Processing Viasibility Study”), los investigadores demuestran los beneficios de utilizar el aprendizaje profundo (una forma de inteligencia artificial) para detectar pequeños objetos espaciales a través del radar.
El equipo modeló un sistema de radar muy conocido en Europa (Tracking and Imaging Radar) en modo de seguimiento para generar datos de entrenamiento y prueba. Luego, el grupo comparó los sistemas de detección clásicos con un detector basado en You-Only-Look-Once (YOLO). (YOLO es un algoritmo de detección de objetos popular ampliamente utilizado en aplicaciones de visión por computadora).
Una evaluación en un entorno simulado mostró que la detección basada en YOLO supera a los enfoques tradicionales y garantiza una alta tasa de detección al tiempo que mantiene bajas las tasas de falsas alarmas.
«Además de mejorar las capacidades de vigilancia espacial, los sistemas basados en inteligencia artificial como YOLO tienen el potencial de revolucionar la gestión de desechos espaciales», dijo la coautora Federica Massimi, PhD, de la Universidad de Roma Tre en Italia. «Al identificar y rastrear rápidamente objetos difíciles de detectar, estos sistemas permiten una toma de decisiones proactiva y estrategias de intervención para mitigar colisiones y riesgos y preservar la integridad de los activos espaciales críticos».
[ad_2]