Нейросеть помогла дрону найти метеорит на дне озера Уокер
Американские исследователи решили использовать дрон с машинным обучением, чтобы отыскать частицы метеорита, упавшего на дно высохшего озера в американском штате Невада.
Полученные аэрофотоснимки анализировала обученная на подобных фото нейросеть, что значительно облегчило работу ученым. Место, куда должен был вылетать дрон, выбирали по вспышкам метеоров перед их падением на Землю. Статья о новом способе дистанционно отличать обычные камни от космических доступна в журнале Meteoritics Planetary Science. Ежедневно в атмосферу Земли входят тысячи метеорных тел, и пока продолжаются попытки определить состав около 40 семейств в поясе астероидов, чтобы понять раннюю эволюцию Солнечной системы, они могли бы стать лучшим материалом для исследований. Их можно потенциально находить видео падения — это может вычислить траекторию полета и примерный район падения обломков. Впрочем, пока было всего несколько десятков найденных таким образом метеоритов, из которых только 26 смогли подобрать. Они разбросаны большими площадями, а потому для обнаружения одного фрагмента метеорита нужно около 100 человеко-часов. Мы не можем быть уверенными, что они достигли Земли, а не сгорели атмосфере. Одним из способов сэкономить время ученые считают использование автономных дронов, которые могут двигаться местностью на фиксированной высоте, получая снимки сверху вниз.
Полученные ими снимки можно будет объединить и передать в классификатор обнаружения объектов машинного обучения, который может определить вероятность присутствия фрагментов метеорита на картинке. Однако, прежде чем нейросеть сможет разобраться с изображением, он должен научиться видеть метеориты, а это гораздо сложнее. Так, метеорит который только упал, будет отличаться от местных пород, но метеориты разнообразны, и невозможно узнать характеристики следующих фрагментов метеорита или окружающей местности. Так, например, некоторые могут не иметь пробки плавления, полученной при входе в атмосферу, из-за дальнейшего разрушения. Проблема также в том, что в некоторых многокилометровых зонах поиска может быть всего несколько фрагментов метеорита размером 1−3 сантиметра. Итак, классификатор машинного обучения должен быть достаточно универсальным, чтобы выявлять метеориты различных типов на новых территориях.
Исследователи получили разрешение на проведение полевых испытаний своей системы классификации метеоритов на месте падение одного из них 14 июля 2019 в штате Невада. Расчеты показывают, что масса, которая могла добраться до Земли, составила 35,3 килограмма. Всего дрон совершил десять исследований в различных частях озера и делал снимки в течение 20 минут — время его автономной работы. Ученые разбивали район поиска на сетку мест, в которых дрон должен сделать кадр, а их количество подбиралась относительно высоты съема — от двух до шести метров. Так в каждом тестовом полете было получено 129−388 полных изображений GoPro, которые затем объединялись, и по усмотрению нейросети оценивались как «положительные», если содержали объект, классифицированный как метеорит с оценкой 0,5 или выше. В результате каждого тестового полета было получено большое количество участков изображения, классифицированных как положительные. Это было особенно верно для полетов на малых высотах. В основном это связано с большим количеством других горных пород в исследуемой области и иллюстрирует сложность выявления метеорита отдаленно на каменистой местности.
Кроме общего определения количества положительных оценок во время полевых исследований, дрон также смог определить восемь образцов метеоритов. На основе изображений, полученных дроном в его журнале GPS, исследователи начали их изучать. Только два из трех указанных дроном камней оказались пригодными кандидатами в метеориты при ближайшем исследовании на месте.
Перевод материала nauka.ua