Soluție deep learning pentru detecția automată a obiectelor din spațiu

În contextul creșterii numărului de sateliți care sunt plasați săptămânal pe orbitele joase din jurul Pământului (LEO), imaginile astronomice devin din ce în ce mai contaminate de trecerile prin cadru ale acestor obiecte și a altor resturi orbitale. Cum sortarea manuală a cadrelor care pot fi procesate în scopuri științifice nu este o soluție viabilă, un grup de cercetători de la Institutul Astronomic al Academiei Române propune o alternativă bazată pe tehnici deep learning. Modelul personalizat prin antrenarea pe un set consistent de imagini all-sky preluate de la Observatorul Berthelot (IAAR) are un grad de precizie de 100% și o sensibilitate de 91%, ceea ce înseamnă că doar 9% dintre obiecte (sateliți sau deșeuri orbitale) nu au putut fi detectate, însă toate cele detectate au fost corect identificate.

Din perspectivă operațională, această combinație dintre sensibilitatea ridicată şi absența alarmelor false este foarte avantajoasă: cadrele semnalate ca fiind „contaminate” sunt trimise direct către fluxul de analiză SST (Space Surveillance and Tracking), în timp ce cadrele „curate” intră în fluxurile de procesare a datelor ştiințifice, fără inspecție manuală suplimentară.

Articolul publicat în Astronomy and Computing poate fi consultat aici: https://doi.org/10.1016/j.ascom.2026.101081

Publicat în 26 Feb, 2026