Просмотр сведений о научной статье

Обложка номера

Заголовок

Применение нейронной сети в решении задач распознавании и классификации космических аппаратов по их оптическим изображениям

Авторы

¹К.И. Кущенко, ²Ю.В. Железняков, ²А.В. Волощук, ³А.А. Филонов, ³А.А. Толмачев

Организации

¹Войсковая часть 03863
г. Чехов, Московская область, Российская Федерация
²Военно-космическая академия имени А. Ф. Можайского
г. Санкт-Петербург, Российская Федерация
³Военная академия воздушно-космической обороны имени Маршала Советского Союза Г. К. Жукова
г. Тверь, Российская Федерация

Аннотация

В последние годы количество космических объектов, находящихся в космическом пространстве, особенно в ближней операционной зоне, значительно увеличилось из-за наращивания космических группировок, в том числе двойного назначения (например, Starlink) и остатков их жизнедеятельности (космического мусора). Данный фактор повышает значимость задачи распознавания и классификации космических объектов по типам в минимально возможное время и занесения их в главный каталог космических объектов. Разработанная методика позволяет провести автоматизированный анализ оптических изображений космических объектов, используя программное обеспечение для решения задачи их распознавания и классификации по типам с применением сверточной нейронной сети. Цель исследования – повысить оперативность обработки и анализа оптических изображений космических аппаратов. Экспериментальные результаты исследования подтверждают достижение его цели. Разработанная методика вносит вклад в развитие программно-аппаратных средств обработки изображений и может быть использована при расчетах и подготовке данных для информационного обеспечения заинтересованных должностных лиц. В работе впервые подготовлен обучающий набор для сверточной нейронной сети с использованием реальных оптических изображений космических аппаратов, полученных в видимом диапазоне.

Ключевые слова

нейронная сеть, космический аппарат, оптическое изображение, задача классификации

Список литературы

[1] Куприянов Н. А., Логунов С. В., Хегай Д. К., Сидоров Б. П., Шпак А. В. Модель оценивания информативности высокоширотного траекторного измерительного комплекса // Наукоемкие технологии. 2021. № 3. С. 89–97.

[2] Гусеница Я. Н., Мишуков О. А., Оркин В. В., Коробков А. А. Методика распознавания маневрирующих космических аппаратов на основе нейросетевой классификации радиолокационных изображений // Известия института инженерной физики. 2020. № 4 (58). С. 38–39.

[3] Денисов А. В., Попов В. В., Логунов С. В., Карев П. В. Оптико-электронный комплекс детального наблюдения // Научно-технический вестник информационных технологий, механики и оптики. 2020. № 1. С. 24–31.

[4] Созыкин А. В. Обзор методов обучения глубоких нейронных сетей // Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2017. № 3. С. 28–59.

[5] LeCun Y., Bottou L., Bengio Y., Haffner P. Gradient-based learning applied to document recognition // Proceedings of the IEEE. 1998. no. 11. pp. 2278–2324.

[6] Цыцулин А. К., Бобровский А. И. Горизонты различения объектов системами видеоконтроля сближения космических аппаратов // Вопросы радиоэлектроники. Серия: Техника телевидения. 2022. Вып. 3. С. 3–14.

[7] Ralf Vandebergh [Электронный ресурс]. URL: https://twitter.com/ralfvandebergh/status/1252942466254323712?lang=gl (дата обращения: 27.02.2022).

[8] Цыцулин А. К., Бобровский А. И., Морозов А. В. Синтез космической видеоинформационной системы при широком диапазоне изменения дальности до объекта // Вопросы радиоэлектроники. Серия: Техника телевидения. 2020. Вып. 2. С. 19–37.

[9] Oltean M., Muresan H. Fruit recognition from images using deep learning // Acta Univ. Sapientiae, Informatica. 2018. no. 1. pp. 26–42.

[10] Кучма М. О., Воронин В. В., Блощинский В. Д. Настройка, обучение и тестирование сверточной нейронной сети в задаче тематической обработки спутниковых изображений // Информатика и системы управления. 2021. № 1 (67). С. 94–95.

[11] Гусеница Я. Н., Завалишин М. А., Пестун У. А. Моделирование информационных средств контроля космического пространства, функционирующих в условиях динамически изменяющейся космической обстановки // Труды Военно-космической академии имени А. Ф. Можайского. 2011. № 632. С. 44–49.

Цитирование данной статьи

Кущенко К.И., Железняков Ю.В., Волощук А.В., Филонов А.А., Толмачев А.А. Применение нейронной сети в решении задач распознавании и классификации космических аппаратов по их оптическим изображениям // Космические аппараты и технологии. 2023. Т. 7. № 1. С. 51-59. doi: 10.26732/j.st.2023.1.06

Данная статья лицензирована по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.