Sve veći broj svemirskih objekata, krhotina i satelita u niskoj orbiti Zemlje predstavlja značajnu pretnju sudara tokom svemirskih operacija. Situaciju trenutno prate radari i radio-teleskopi koji prate svemirske objekte, ali veliki deo svemirskog otpada se sastoji od veoma malih metalnih objekata koje je teško otkriti.
U studiji objavljenoj u IET radar, sonar i navigacija, istraživači pokazuju prednosti korišćenja dubokog učenja — oblika veštačke inteligencije — za otkrivanje malih svemirskih objekata pomoću radara.
Tim je modelirao istaknuti radarski sistem u Evropi (nazvan Tracking and Imaging Radar) u režimu praćenja kako bi proizveo podatke o obuci i testiranju. Zatim je grupa uporedila klasične sisteme za detekciju sa detektorom zasnovanim na Iou-Onli-Look-Once (IOLO). (IOLO je popularan algoritam za detekciju objekata koji se široko koristi u aplikacijama kompjuterskog vida.)
Evaluacija u simuliranom okruženju pokazala je da detekcija zasnovana na IOLO nadmašuje konvencionalne pristupe, garantujući visoku stopu otkrivanja dok održava nisku stopu lažnih alarma.
„Pored poboljšanja mogućnosti nadzora svemira, sistemi zasnovani na veštačkoj inteligenciji kao što je IOLO imaju potencijal da revolucionišu upravljanje svemirskim otpadom“, rekla je korespondentka dr Federika Masimi sa Univerziteta Roma Tre u Italiji.
„Brzom identifikacijom i praćenjem objekata koje je teško otkriti, ovi sistemi omogućavaju proaktivno donošenje odluka i strategije intervencije za ublažavanje sudara i rizika i očuvanje integriteta kritičnih svemirskih resursa.“
