Исследователи из Китая достигли значительного успеха в изучении поверхности Марса, разработав систему на основе глубокого обучения, которая автоматически распознает ударные кратеры с точностью до 90,3%.
Этот алгоритм, натренированный на изображениях с камеры MoRIC зонда «Тяньвэнь-1», способен классифицировать шесть видов кратеров — начиная от новых, с острыми краями, до древних, почти полностью разрушенных эрозией. Это многократно ускоряет процесс обработки данных и снижает вероятность ошибок, которая в ручной классификации достигала 35%, особенно при анализе объектов с диаметром менее километра.
Источник: ESA / DLR / FU Berlin
Система функционирует по аналогии с технологиями распознавания в беспилотных автомобилях: нейросети исследуют геометрию краёв, структуру дна и прочие визуальные признаки, сопоставляя их со стандартами из каталога Роббинса — наиболее обширной базы марсианских кратеров. Однако, сложность заключается в несбалансированности данных. К примеру, кратеров одного типа может быть в выборке в десятки раз больше, чем других. Чтобы предотвратить игнорирование редких классов, учёные применили два подхода. Первый — сглаживание меток, позволяющее алгоритму «сомневаться» в чёткой классификации. Второй — весовые ошибки, где система получает более значительные «штрафы» за неточности в малочисленных категориях.
Наилучших результатов удалось достичь с помощью модели Vision Transformer (ViT), которая разбивает изображение на сегменты и анализирует их по принципу пазла. Её точность оказалась на 1,3% выше, чем у традиционных свёрточных сетей (CNN), например, VGGNet11. Такая эффективность уже позволяет системе определять возраст марсианских регионов — более многочисленные кратеры свидетельствуют о большем возрасте — и выбирать безопасные зоны для посадки марсоходов. Например, новые кратеры часто указывают на твёрдую поверхность, а размытые сигнализируют о риске застревания.
Применимость технологии выходит за пределы Марса. Учёные планируют адаптировать её для анализа данных с Луны и астероидов, где обработка вручную невозможна из-за задержек связи. В перспективе алгоритмы могут быть интегрированы с системами обнаружения кратеров в режиме реального времени, преобразуя снимки зондов в интерактивные карты всего за несколько часов. Это не только ускорит исследование геологической истории Марса, но и заложит фундамент для автономных миссий к Юпитеру или в пояс астероидов, где каждое решение должно приниматься без участия Земли. Такая масштабная автоматизация вводит планетологию в новую эпоху, в которой даже редкие типы кратеров становятся ключевыми элементами в разгадке истории Солнечной системы.
Источник: iXBT
