لا يساعدنا رصد الأجسام القريبة من الأرض (NEOs) على فهم تكوين النظام الشمسي وتطوره فحسب، بل يرتبط ارتباطًا مباشرًا بالدفاع الكوكبي. ووفقًا للمجتمع الفلكي الدولي، فإن الأجسام القريبة من الأرض هي كويكبات ذات حضيض شمسي أقل من 1.3 وحدة فلكية تقترب من مدار الأرض أو تتقاطع معه. وبسبب مداراتها القريبة، أصبحت هذه الأجسام أهدافًا رئيسية لرصد تجنب الاصطدام.

في السنوات الأخيرة، أدى التطور السريع لتقنيات مسح السماء عالية التردد وذات مجال الرؤية الواسع إلى ظهور عصر البيانات الضخمة اللازمة لرصد الأجسام القريبة من الأرض. إن العدد الهائل من الصور التي تُنتج كل ليلة يجعل التحليل اليدوي شبه مستحيل، ناهيك عن تحديد الأهداف الخافتة سريعة الحركة. في الوقت نفسه، لا يهدد العدد المتزايد من الأقمار الصناعية والحطام الفضائي سلامة المركبات الفضائية فحسب، بل يزيد أيضًا من ازدحام بيئة الرصد الفلكي وتشويشها. وقد أصبح التمييز الدقيق بين الأجرام السماوية الطبيعية والأهداف من صنع الإنسان ضمن هذه الصور الديناميكية والمعقدة تحديًا كبيرًا.

ولتحقيق هذه الغاية، جرب الباحثون طرقًا مختلفة، بما في ذلك تحويل هوف، وتحويل رادون، والتتبع الاصطناعي، وطرق التعرف على الأنماط القائمة على التعلم العميق. ومؤخرًا،نظام ستريك مايند، الذي طورته مؤسسات بحثية مثل المرصد الفلكي التابع للأكاديمية البحرية الملكية الإسبانية،يُعد هذا إنجازاً بارزاً في هذا المجال. يستطيع النظام تحديد المسارات الخطية التي تتركها الأقمار الصناعية أو الكويكبات في الصور الفلكية تلقائياً، واستخراج طول هذه المسارات وموقعها واتجاهها، وتوفير مخرجات موحدة لإجراء القياسات الفلكية اللاحقة وإدخالها في قواعد البيانات.

تم نشر نتائج البحث ذات الصلة، بعنوان "StreakMind: الكشف عن خطوط الأقمار الصناعية وتحليلها باستخدام الذكاء الاصطناعي في الصور الفلكية مع التكامل الآلي لقاعدة البيانات"، كنسخة أولية على موقع arXiv.

أبرز الأبحاث:

* يجمع StreakMind بين كاشف المربعات المحيطة الموجه نحو YOLO11 والذي تم تدريبه على كل من الصور الحقيقية والاصطناعية لتحقيق كشف قوي في ظل ظروف الملاحظة غير المتجانسة.

* في مجموعة الاختبار المستقلة، أدى النموذج أداءً موثوقًا به للمسارات القصيرة والمتوسطة والطويلة، محققًا دقة إجمالية قدرها 941 TP3T واستدعاء قدره 971 TP3T، حيث نجح في اكتشاف 107 من أصل 110 مسارات واقعية.

* يتم دمج نتائج الكشف مباشرة في قاعدة بيانات موحدة، مما يؤدي في النهاية إلى إنشاء مجموعة بيانات منظمة وقابلة للتكرار مناسبة لتطوير أنظمة التحليل الإحصائي لأضرار الأهداف الفضائية واسعة النطاق وأنظمة أرشفة المراقبة.

عرض الورقة:
https://hyper.ai/papers/2605.03429

مجموعة البيانات: أكثر من 2000 صورة حقيقية + 280 صورة ضبابية اصطناعية للحركة

يستخدم برنامج StreakMind بيانات من مصدرين: رصدات حقيقية وبيانات اصطناعية. أُجريت الرصدات الحقيقية في مرصد لا زاغرا بإسبانيا (MPC L98) باستخدام تلسكوب سيليسترون C14+Fastar بمرآة f/2.1 (Tetra1) مقترنًا بكاميرا SBIG ST-10X CCD. بلغ مقياس البكسل حوالي 4.12 ثانية قوسية لكل بكسل، ومجال الرؤية حوالي 74.9 × 50.5 دقيقة قوسية، وحجم الصورة 1092 × 736 بكسل، وتراوح زمن التعريض من 8 إلى 120 ثانية، وكان القدر الظاهري الحدي حوالي 19 إلى 20.تم التقاط 2055 صورة. بعد تصحيح المجال المسطح والمجال المظلم، تم تحديد 765 خط حركة خطية يدويًا.تتراوح الأطوال من 8.5 إلى 1161 بكسل، بمتوسط يبلغ حوالي 203 بكسل.

في البيانات الواقعية، تكثر حالات ضبابية الحركة القصيرة، بينما تندر حالات ضبابية الحركة الطويلة. ولتكملة عينة ضبابية الحركة الطويلة،استخدم فريق البحث برنامجًا نصيًا لإنشاء 280 مسارًا اصطناعيًا وحقنها في صورة حقيقية.تُقسّم الصورة المركبة إلى خمسة مستويات سطوع، حيث تحاكي صورة 10% العبور المتزامن لعدة أقمار صناعية. يبلغ الحد الأدنى لطول الصورة 269 بكسل، ويستند التوزيع الزاوي إلى بيانات رصد حقيقية. تُستخدم دالة انتشار النقطة وتحويل فورييه لمحاكاة تأثيرات التصوير للكاشف، مما يضمن تشابه البيانات المركبة بشكل كبير مع نسيج الصور الواقعية.

تمت معايرة جميع الصور أولاً، ثم تحويلها إلى صيغة PNG لتسهيل تحليلها. وكانت نسبة مجموعات التدريب والتحقق والاختبار 7:2:1، مما حافظ على نسبة ثابتة لكل نوع من العينات. وتمت محاذاة صور المراقبة الليلية إلى نفس الإطار المرجعي، مع الاحتفاظ فقط بالمناطق المشتركة؛ ولذلك، بقيت بعض المناطق غير المتطابقة عند حواف الصور.

ستريك مايند: تحسين وربط ودمج الحركة الخطية في الصور الفلكية في قواعد البيانات

تستخدم وحدة الكشف الأساسية في StreakMind نموذج YOLO11-OBB.هذه شبكة كشف أهداف أحادية المرحلة مصممة خصيصًا للأهداف الدوارة. على عكس طرق الكشف التقليدية، يمكنها إخراج مربعات إحاطة موجهة (OBBs) بزوايا محددة مباشرةً، مما يجعلها مناسبة تمامًا للمسارات المائلة والممتدة في الصور الفلكية.

تتلخص العملية العامة فيما يلي: أولاً، تُحوّل صورة FITS وتُعاير، ثم تُرسل إلى YOLO11-OBB للكشف الأولي للحصول على المربعات المحيطة ودرجات الثقة للخطوط المرشحة. ولتجنب تصنيف قمم الحيود حول النجوم خطأً على أنها خطوط، يعتمد النظام على فهرس نجوم Gaia لإزالة المربعات المرشحة القريبة من النجوم الساطعة.

بعد الكشف الأولي، يُجري النظام تحسينًا هندسيًا لتشويش الحركة: إذ يحلل المقطع الضوئي على طول المحور الرئيسي لصندوق الإحاطة، ويُوسّع الصندوق ليشمل نقطتي البداية والنهاية الفعليتين لتشويش الحركة، ثم يُحدد نقاط النهاية الثابتة ومواقع المركز من خلال تجميع الزوايا. يلي ذلك ربط الإطارات ببعضها.استنادًا إلى سرعة البكسل واتجاه ضبابية الحركة، يتم ربط ضبابيات الحركة التي تنتمي إلى نفس الهدف في الإطارات المتتالية معًا في مسار كامل.وهذا يضمن اتساق الملاحظات.

وأخيرًا، حُوِّلت نتائج الكشف إلى صيغة MPC القياسية الشائعة الاستخدام في علم الفلك، وجرى ربطها ببيانات مدارات الأقمار الصناعية لحساب درجة الثقة. دُمجت جميع البيانات في قاعدة بيانات، ما أتاح معالجة شاملة من الصور الخام إلى سجلات التعرف المنظمة.

بفضل دقتها البالغة 94% وقدرتها على الاستدعاء البالغة 97%، فإن كفاءتها وحساسيتها تتجاوز بكثير تلك الخاصة بالفحص اليدوي.

للتحقق من فعالية برنامج StreakMind في الملاحظات الواقعية، أجرى فريق البحث سلسلة من التجارب على مجموعة اختبار مستقلة. وشملت مقاييس التقييم الرئيسية الدقة والاستدعاء ودرجة F1، بالإضافة إلى الفحص البصري اليدوي.

تم تشغيل النموذج على 273 صورة اختبار بدقة إدخال تبلغ 640 بكسل، وعتبة ثقة تبلغ 0.25، وعتبة IoU تبلغ 0.45. (انظر الشكل أدناه.)بعد 100 جولة من التدريب، حقق النموذج دقة بلغت 94% واستدعاءً بلغ 97% على مجموعة الاختبار، حيث نجح في اكتشاف 107 من أصل 110 صورة شبحية حقيقية.

قد تتسبب ذروات حيود النجوم بالقرب من النجوم الساطعة بسهولة في نتائج إيجابية خاطئة. ومن خلال مطابقة البيانات مع الفهارس، نجح النظام في استبعاد النتائج الإيجابية الخاطئة للنجم الساطع 77%. أما بخصوص مشكلة قصر نطاق إخراج النموذج، كما هو موضح في الشكل أدناه...يقوم النظام بتمديد الملف الضوئي على طول المحور الرئيسي، ثم يستخدم التجميع لتحديد إحداثيات نقاط النهاية والمركز.يضمن الارتباط بين الإطارات اتساق نفس الهدف في الإطارات المتتالية؛ ويشمل توحيد التسجيل تحديد ما إذا كان ضبابية الحركة قريبة من حدود الصورة، وتعيين رقم مسار فريد، وإضافة معلومات ترميز المرصد وMPC لضمان إمكانية تخزين البيانات مباشرة للتحليل العلمي.

علاوة على ذلك، يستخدم النظام خدمات بيانات مدارات الأقمار الصناعية لتحديد مصدر تشويش الحركة، ويوظف نموذجًا غاوسيًا ثنائي المكونات لحساب مستوى الثقة. وأخيرًا، تُخزَّن السجلات الموحدة ومعلومات المسار في قاعدة بيانات SQLite، مما يحقق إدارة منهجية للبيانات. إجمالًا،يوفر برنامج StreakMind تحسينات كبيرة في الكفاءة والتكرارية والحساسية مقارنة بالفحص اليدوي.

الكلمات الأخيرة

أثبت نظام StreakMind جدوى تحديد المسارات الخطية تلقائيًا في صور المسح السماوي واسعة النطاق، موفرًا حلًا فعالًا لرصد الأجسام القريبة من الأرض والأقمار الصناعية. ومن خلال دمج البيانات الحقيقية والاصطناعية، والكشف عن المربعات المحيطة الاتجاهية، وعملية تحليل المسار المتطورة، يستطيع النظام إتمام العملية برمتها تلقائيًا، بدءًا من الصور الخام وصولًا إلى سجلات قواعد البيانات المنظمة، مما يوفر دعمًا موثوقًا للبحوث الفلكية ورصد البيئة الفضائية.