Южный полюс Луны представляет особый научный интерес и имеет важное значение для будущих исследований Луны. Постоянно находящиеся в тени кратеры в этом регионе оставались во тьме на протяжении миллиардов лет, и в них находятся одни из самых интригующих геологических объектов в нашей Солнечной системе. Эти глубокие кратеры никогда не освещались прямыми солнечными лучами, и именно здесь могут находиться значительные залежи водяного льда, которые могут иметь решающее значение для поддержки будущих миссий людей и потенциальных лунных баз.
До недавнего времени о полярных кратерах было известно не так много, но благодаря ShadowCam, инструменту, финансируемому НАСА и установленному на корейском лунном орбитальном аппарате «Патфайндер» (KPLO), ситуация изменилась. В отличие от предыдущих технологий получения изображений, ShadowCam может делать снимки, которые в 200 раз чувствительнее, с разрешением 1,7 метра на пиксель. Эти изображения с высоким разрешением позволили обнаружить миллионы ранее неизвестных ударных кратеров в этих тёмных областях Луны. Эти недавно обнаруженные кратеры дают важнейшую информацию о процессах на поверхности Луны, таких как столкновения, распределение летучих веществ и геологические изменения.
Исследовательская группа под руководством П. Покорни из Католического университета Америки разработала специализированные методы обнаружения кратеров для анализа данных. Они использовали передовые методы машинного обучения для идентификации кратеров на изображениях с помощью фреймворка YOLOv8 для обнаружения объектов. YOLOv8 расшифровывается как «You Only Look Once version 8» и указывает на способность фреймворка находить несколько объектов на изображении за один проход через нейронную сеть, что делает его невероятно быстрым и эффективным.
Нейронная сеть была разработана с использованием 25,9 миллиона параметров, специально предназначенных для распознавания кратеров на изображениях разных размеров. Их подход заключается в обработке изображений ShadowCam путём их разделения на несколько перекрывающихся фрагментов с разным разрешением, которые затем масштабируются и анализируются. Чтобы повысить точность, команда также использовала методы увеличения изображений для устранения дубликатов. Для обучения модели потребовалось некоторое время, несмотря на то, что она использовала 5240 ударных кратеров со снимков Lunar Reconnaissance Orbiter.
Они применили модель к 22 256 снимкам ShadowCam, охватывающим 5,3 миллиона квадратных километров Луны, что в общей сложности составило 2,2 терабайта данных! Это был впечатляющий результат, хотя для вычислительного процесса потребовалось 3000 часов работы графических процессоров, но в результате было обнаружено 1 013 440 231 ударный кратер диаметром более 16 метров! Если вам кажется, что это впечатляет, то знайте, что он выполнил эту задачу со скоростью 0,3 микросекунды на кратер, и при этом было всего 1,8% ложных срабатываний для кратеров размером от 16 метров до 4 километров.
Добившись успеха в разработке своей методики обнаружения кратеров, команда теперь планирует применить свой алгоритм к будущим снимкам ShadowCam. Однако они не останавливаются на достигнутом и хотят улучшить модель, сосредоточившись на расширении возможностей обнаружения сложных типов кратеров, в том числе в регионах с низким уровнем сигнала, разрушенных образованиях и морфологически сложных структурах.