Resumen

La detección precisa de componentes de satélites basada en imágenes ópticas puede proporcionar datos de apoyo a las misiones aeroespaciales, como el apuntamiento y el seguimiento entre satélites. Sin embargo, el método tradicional de detección de objetivos es ineficiente a la hora de realizar los cálculos y tiene una baja precisión de detección, especialmente cuando la actitud del satélite y las condiciones de iluminación cambian considerablemente. Para permitir la detección precisa de los componentes del satélite, analizamos las características de las imágenes de un satélite en el espacio y proponemos un método para detectar los componentes del satélite. Este enfoque se basa en una red neuronal convolucional de base regional (R-CNN), y puede permitir la detección precisa de varios componentes del satélite utilizando imágenes ópticas. En primer lugar, sobre la base de la R-CNN de máscara, combinamos la DenseNet, la ResNet y la FPN para construir una nueva estructura de extracción de características y obtener el modelo de detección de componentes de satélite basado en la R-CNN (RSD). Los mapas de características se extraen y concatenan a un nivel multiescala más profundo, y la propagación de características entre cada capa se mejora proporcionando una conexión densa. A continuación, se construye un conjunto de datos de satélites rico en información, compuesto por imágenes de varios tipos de satélites desde diversas perspectivas y posiciones orbitales. El modelo de detección se entrena y optimiza en el conjunto de datos construido para obtener el modelo de detección de componentes de satélites. Finalmente, el modelo RSD propuesto y la R-CNN de máscara original se prueban en el mismo conjunto de pruebas establecido. Los resultados experimentales muestran que el modelo de detección propuesto tiene mayor precisión, tasa de recuperación y puntuación F1. Por lo tanto, el enfoque propuesto puede detectar eficazmente los componentes de los satélites, basándose en imágenes ópticas.

• Materias:Motores (Mecánica) Vehículo espacial Ingeniería Aeronáutica
• Subjects:Engines Space vehicles Aeronautical Engineering
• Palabras claves:componentes de satélites, imagen óptica, detección de satélites, modelo de detección, cnn, detección precisa, nivel multiescala más profundo, estructura de extracción de características, métodos de detección de objetivos, red neuronal convolucional
• Keywords:satellite components, optical image, detection of satellite, detection model, cnn, accurate detection, deeper multiscale level, features extraction structure, target detection methods, convolutional neural network