Aug, 2023

基于 AI 增强的数据处理和发现众包技术的流星雨绘图

PDF
TL;DR该研究通过实施基于云端人工智能的自动化处理流水线和改进数据可视化来简化数据处理，并通过公众参与来提高探测的发现率。该研究描述了自动化数据摄入、处理和洞察生成的过程，并开发了一个交互式网页门户以方便流星辐射地图的可视化。迄今为止，CamS 已经发现了 200 多个新的流星群，并验证了几十个先前报道的流星群。
cameras for allsky meteor surveillancemeteor showersdata processingai-enabled pipelinenasa meteor shower portal
发现论文，激发创造
  • 用于气象监测的深度机器学习：迁移学习和梯度加权类激活映射的进展

    我们开发了一种使用卷积神经网络进行候选陨石侦测分类的完全自动化流水线，并采用渐变加权类激活映射技术准确定位陨石的最可能像素位置，大大减轻了陨石科学家和站点操作员的工作量，提高了陨石追踪和分类的精确性。

    Oct, 2023

  • 大规模数据流中天文巡天的实时自动分类与决策

    该研究报告介绍了使用机器学习进行天文学突发事件的实时分析和响应的方法，以及将来可能的发展，以应对数据集增长的挑战。

    Jul, 2014

  • SkyCam: 一组天空图像及其辐照值的数据集

    利用计算机视觉和深度学习的技术，通过 SkyCam 数据集对瑞士三个不同地形位置的天空进行短期精准预测，旨在实现基于图像的深度学习解决方案并精确预测太阳辐射。

    May, 2021

  • 一种对相机运动稳健的新型流星检测应用

    该研究论文介绍了一种用于自动检测流星的新工具。快速流星检测工具箱（FMDT）能够通过分析气象气球或飞机上的相机拍摄的视频来检测流星目击事件。该工具解决的挑战在于设计一个由简单算法组成的处理链，能够应对视频的高波动，并满足功耗（10 瓦）和实时处理（每秒 25 帧）的约束。

    Sep, 2023

  • 基于神经网络的 Mini-EUSO 望远镜数据中流星轨迹识别方法

    Mini-EUSO 是一个广角荧光望远镜，注册了从国际空间站观测到的地球夜间大气中的紫外（UV）辐射。我们提出了两个简单的人工神经网络，可以高准确率地识别 Mini-EUSO 数据中的流星信号，从而解决了二元分类问题。我们预计类似的架构可以在其他荧光望远镜中有效用于信号识别，无论信号的性质如何。由于其简单性，这些网络可以在未来的轨道或气球实验的机载电子中实施。

    Nov, 2023

  • 自动流星探测新嵌入式应用程序的并行化

    该研究介绍了一种用于将计算机视觉应用程序并行化的方法，该应用程序能够自动从非稳定的相机和嘈杂的视频序列中检测流星。该应用程序设计为嵌入气象气球或用于空中观测任务，因此最终目标是一个低功率的片上系统（小于 10 瓦），而软件需要实时计算连续的图像帧（大于每秒 25 帧）。首先，将应用程序划分为任务图，然后应用不同的并行化技术。实验结果表明并行化方法的高效性。例如，在 Raspberry Pi 4 上及高清视频序列上，处理链路达到每秒 42 帧，仅消耗 6 瓦。

    Jul, 2023

  • 物理驱动的机器学习预测日冕物质抛射的传播时间

    本文介绍了一种基于物理驱动的人工智能方法来预测日冕物质抛射的行程时间，其中利用了两个级联神经网络馈送远程观测和现场数据。这项研究表明，在人工智能结构中使用物理信息显著提高了行程时间预测的准确性和稳健性。

    May, 2023

  • NEARBY 平台：天文图像中自动探测小行星的算法

    该研究论文介绍了一种使用大数据处理和分析，利用可视化分析技术进行快速人工数据验证的 NEO 检测算法，并将其集成到了自动化 MOPS 处理流水线中，以识别基于闪烁法的运动空间物体。

    Jan, 2019

  • 应用深度学习方法分析 Imaging Atmospheric Cherenkov Telescopes 数据

    采用卷积神经网络来分析 Gamma 射线瞬发源图像数据，可以提高背景拒绝性能并保持分辨能力，为研究 IACT 事件记录提供了可行性。

    Mar, 2018

  • 探索面向地球科学数据分析的人工智能共同议程

    本文探讨了地球科学、遥感和人工智能领域近年来趋近的发展情况，强调了这些交叉学科的研究方向和挑战，提出了人工智能在遥感和地球科学领域中的应用，以及年轻研究人员应该如何应对这些挑战，从而推动遥感和地球科学的发展。

    Apr, 2021