Uno studio cinese ha sviluppato un nuovo modello di intelligenza artificiale, MSFNet, che migliora la mappatura dei crateri lunari, riuscendo a rilevare anche quelli più piccoli e finora invisibili. “Il rilevamento dei crateri da impatto lunare è fondamentale per gli studi sulla superficie lunare e le missioni di atterraggio di veicoli spaziali, tuttavia il deep learning ha ancora difficoltà a rilevare con precisione i crateri di piccole dimensioni, soprattutto quando si basa su cataloghi incompleti”, si legge nello studio. Nel loro lavoro, i ricercatori hanno integrato “i dati del Digital Elevation Model (DEM) per costruire un set di dati di alta qualità arricchito con informazioni sulla pendenza del terreno, consentendo un’analisi dettagliata delle caratteristiche dei crateri e migliorando efficacemente le prestazioni di rilevamento in terreni complessi e aree a basso contrasto”.
Su queste basi, gli autori dello studio hanno proposto “una nuova rete di rilevamento a due stadi, MSFNet, che sfrutta la fusione adattiva delle caratteristiche multiscala e il pooling ROI multi-dimensione per migliorare il riconoscimento dei crateri su diverse scale”.
I risultati
“I risultati sperimentali dimostrano che MSFNet raggiunge un punteggio F1 del 74,8% sulla Regione Test 1 e un tasso di richiamo dell’87% per crateri con diametri superiori a 2km. Inoltre, mostra prestazioni eccezionali nel rilevamento di crateri sub-chilometrici, identificando con successo un gran numero di target ad alta confidenza, precedentemente non conosciuti, con un basso tasso di falsi rilevamenti confermato tramite revisione manuale”, si legge nello studio.
“Questo approccio offre una soluzione di deep learning efficiente e affidabile per il rilevamento dei crateri da impatto lunare”, concludono gli autori dello studio. MSFNet si propone, dunque, come un potente strumento per la ricerca planetaria e le future missioni lunari.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?