근지구 소행성(NEO)을 탐지하는 것은 태양계의 형성 및 진화를 이해하는 데 도움이 될 뿐만 아니라 지구 방어와도 직접적인 관련이 있습니다. 국제 천문학계에 따르면, NEO는 근일점이 1.3 천문단위(AU) 미만으로 지구 궤도에 접근하거나 교차하는 소행성입니다. 이처럼 지구와 매우 가까운 궤도 때문에 NEO는 지구와의 충돌 방지 감시의 핵심 목표가 되었습니다.

최근 몇 년 동안 넓은 시야각과 높은 주파수를 자랑하는 천체 관측 기술의 급속한 발전으로 근지구 천체 탐지에 방대한 데이터가 생성되는 시대가 열렸습니다. 매일 밤 생성되는 이미지의 양은 엄청나서 수동 분석은 사실상 불가능하며, 희미하고 빠르게 움직이는 목표물을 식별하는 것은 더욱 어렵습니다. 동시에 인공위성과 우주 쓰레기의 증가로 우주선의 안전이 위협받을 뿐만 아니라 천문 관측 환경이 더욱 혼잡해지고 소음이 심해지고 있습니다. 이처럼 역동적이고 복잡한 이미지 속에서 자연 천체와 인공 목표물을 정확하게 구분하는 것은 중요한 과제가 되었습니다.

이를 위해 연구자들은 허프 변환, 라돈 변환, 합성 추적, 딥러닝 기반 패턴 인식 방법 등 다양한 방법을 시도해 왔다. 최근에는스페인 왕립 해군 사관학교 천문대와 같은 연구 기관에서 개발한 스트릭마인드 시스템은 다음과 같습니다.이는 해당 분야의 대표적인 성과입니다. 이 시스템은 천문 이미지에서 위성이나 소행성이 남긴 직선 궤적을 자동으로 식별하고, 궤적의 길이, 위치 및 방향을 추출하여 후속 천문 측정 및 데이터베이스 입력에 사용할 수 있는 표준화된 출력값을 제공합니다.

"StreakMind: 자동화된 데이터베이스 통합을 통한 천문 이미지 속 위성 궤적의 AI 탐지 및 분석"이라는 제목의 관련 연구 결과는 arXiv에 사전 공개 논문으로 게재되었습니다.

연구 하이라이트:

* StreakMind는 실제 이미지와 합성 이미지 모두에서 학습된 YOLO11 기반 바운딩 박스 검출기를 결합하여 이질적인 관찰 환경에서도 견고한 검출을 달성합니다.

* 독립 테스트 세트에서 해당 모델은 짧은, 중간, 긴 트레일에 대해 안정적인 성능을 보였으며, 전체 정밀도 941 TP3T, 재현율 971 TP3T를 달성하여 110개의 실제 트레일 중 107개를 성공적으로 감지했습니다.

* 탐지 결과는 표준화된 데이터베이스에 직접 통합되어, 궁극적으로 대규모 우주 표적 오염 통계 분석 및 관측 데이터 아카이빙 시스템 개발에 적합한 구조화되고 반복 가능한 데이터 세트를 생성합니다.

논문 보기:
https://hyper.ai/papers/2605.03429

데이터셋: 2,000개 이상의 실제 이미지 + 280개의 합성 모션 블러

StreakMind는 실제 관측 데이터와 합성 데이터, 두 가지 출처의 데이터를 사용합니다. 실제 관측은 스페인 라 자그라 천문대(MPC L98)에서 Celestron C14+Fastar f/2.1 미러(Tetra1)와 SBIG ST-10X CCD 카메라를 사용하여 수행되었습니다. 픽셀 크기는 약 4.12 arc초, 시야각은 약 74.9 × 50.5 arc분, 이미지 크기는 1092 × 736 픽셀, 노출 시간은 8~120초, 한계 등급은 약 19~20등급이었습니다.총 2055장의 이미지가 촬영되었습니다. 평면 보정 및 암시야 보정 후, 765개의 선형 운동선이 수동으로 표시되었습니다.길이는 8.5픽셀에서 1161픽셀까지 다양하며 평균은 약 203픽셀입니다.

실제 데이터에서는 짧은 모션 블러가 풍부하지만 긴 모션 블러는 드뭅니다. 긴 모션 블러 샘플을 보완하기 위해,연구팀은 스크립트를 사용하여 280개의 합성 궤적을 생성하고 이를 실제 이미지에 삽입했습니다.합성 이미지는 5단계 밝기 레벨로 나뉘며, 10% 이미지는 여러 위성의 동시 통과를 모사합니다. 이미지의 최소 길이는 269픽셀로 설정되었고, 각도 분포는 실제 관측 데이터를 참조합니다. 점 확산 함수(PSF)와 푸리에 변환을 사용하여 검출기의 영상 효과를 모사함으로써 합성 데이터가 실제 이미지의 질감과 매우 유사하도록 합니다.

모든 이미지는 먼저 정규화된 후 분석 편의를 위해 PNG 형식으로 변환되었습니다. 훈련, 검증 및 테스트 세트의 비율은 7:2:1로 설정하여 각 샘플 유형에 대한 일관된 비율을 유지했습니다. 매일 밤 관측된 이미지는 동일한 기준 좌표계에 정렬되었으며, 공통 영역만 유지되었습니다. 따라서 이미지 가장자리에는 정렬 과정에서 발생하는 사각지대가 일부 남아 있습니다.

StreakMind: 천체 이미지에서 선형 운동을 정밀하게 분석, 연결 및 데이터베이스와 통합하는 도구

StreakMind의 핵심 탐지 모듈은 YOLO11-OBB 모델을 사용합니다.이 모델은 회전하는 목표물을 탐지하기 위해 특별히 설계된 단일 단계 목표물 탐지 네트워크입니다. 기존 탐지 방식과 달리 각도를 포함한 방향 경계 상자(OBB)를 직접 출력할 수 있어 천체 이미지에서 기울어지거나 길게 늘어진 궤적을 탐지하는 데 매우 적합합니다.

일반적인 과정은 다음과 같습니다. 먼저 FITS 이미지를 변환 및 정규화한 다음 YOLO11-OBB로 전송하여 예비 검출을 수행하고 후보 줄무늬의 경계 상자와 신뢰도 점수를 얻습니다. 별 주변의 회절 피크를 줄무늬로 잘못 식별하는 것을 방지하기 위해 시스템은 Gaia 별 목록을 참조하여 밝은 별 근처의 후보 상자를 제거합니다.

초기 감지 후, 시스템은 모션 블러에 대한 기하학적 정제를 수행합니다. 즉, OBB의 주축을 따라 광학 프로파일을 분석하고, 경계 상자를 모션 블러의 실제 시작점과 끝점까지 확장한 다음, 코너 클러스터링을 통해 안정적인 끝점과 중심 위치를 결정합니다. 그 다음 단계는 프레임 간 상관 관계 분석입니다.픽셀 속도와 모션 블러 방향을 기반으로, 연속 프레임에서 동일한 대상에 속하는 모션 블러들을 연결하여 완전한 궤적을 생성합니다.이는 관찰의 일관성을 보장합니다.

마지막으로, 탐지 결과는 천문학에서 일반적으로 사용되는 MPC 표준 형식으로 변환되었고, 위성 천체력과 대조하여 신뢰도 점수를 생성했습니다. 모든 데이터는 데이터베이스에 통합되어 원본 이미지에서 구조화된 인식 기록에 이르기까지 전 과정에 걸친 처리가 구현되었습니다.

94%의 정밀도와 97%의 재현율을 갖춘 이 장비는 수동 검사보다 효율성과 감도가 훨씬 뛰어납니다.

StreakMind의 실제 관찰 효과를 검증하기 위해 연구팀은 독립적인 테스트 데이터셋을 사용하여 일련의 실험을 수행했습니다. 주요 평가 지표로는 정밀도, 재현율, F1 점수가 포함되었으며, 수동 시각적 검사를 통해 보완했습니다.

해당 모델은 640픽셀의 입력 해상도, 0.25의 신뢰도 임계값, 그리고 0.45의 IoU 임계값을 사용하여 273개의 테스트 이미지에서 실행되었습니다. (아래 그림 참조)100회 학습 후, 해당 모델은 테스트 세트에서 94%의 정밀도와 97%의 재현율을 달성했으며, 110개의 실제 유령 이미지 중 107개를 성공적으로 탐지했습니다.

밝은 별 근처에서 발생하는 항성 회절 스파이크는 오탐지를 쉽게 유발할 수 있습니다. 카탈로그 교차 매칭을 통해 시스템은 밝은 별 77%에 대한 오탐지를 성공적으로 제거했습니다. 모델 출력의 경계 상자가 너무 짧은 문제에 대해서는 아래 그림과 같습니다.이 시스템은 주축을 따라 측광 프로파일을 확장한 다음 클러스터링을 사용하여 끝점과 중심의 좌표를 결정합니다.프레임 간 상관관계는 연속 프레임에서 동일한 대상의 일관성을 보장합니다. 기록 표준화에는 모션 블러가 이미지 경계에 가까운지 여부를 판단하고, 고유한 궤적 번호를 할당하고, 관측소 및 MPC 인코딩 정보를 추가하여 데이터를 과학적 분석을 위해 직접 저장할 수 있도록 하는 과정이 포함됩니다.

또한, 이 시스템은 위성 천체력 서비스를 활용하여 모션 블러의 원인을 식별하고, 2성분 가우시안 모델을 사용하여 신뢰도를 계산합니다. 마지막으로, 표준화된 기록과 궤적 정보는 SQLite 데이터베이스에 저장되어 체계적인 데이터 관리가 가능합니다. 종합적으로,StreakMind는 수동 검사에 비해 효율성, 반복성 및 감도 면에서 상당한 개선을 제공합니다.

마지막 말

StreakMind는 대규모 천체 관측 이미지에서 선형 궤적을 자동으로 식별하는 것이 가능하다는 것을 입증하여 근지구 천체 및 위성 모니터링을 위한 효율적인 솔루션을 제공합니다. 실제 데이터와 합성 데이터를 융합하고, 방향 경계 상자 검출 및 정교한 궤적 분석 과정을 통해, 이 시스템은 원본 이미지에서 구조화된 데이터베이스 기록에 이르기까지 전체 과정을 자동으로 완료하여 천문 연구 및 우주 환경 모니터링에 신뢰할 수 있는 지원을 제공합니다.