Eine neue Technik zur Erkennung von Planetenkratern, die es Wissenschaftlern ermöglichen wird, die Oberflächen von Planeten anhand verschiedener Arten von Daten genau zu kartieren, könnte in zukünftigen Weltraummissionen eingesetzt werden.
Ein Forscherteam der University of Aberdeen hat einen neuen universellen Kratererkennungsalgorithmus (CDA) entwickelt, der das Segment Anything Model (SAM) von META AI verwendet.
SAM, das Anfang dieses Monats veröffentlicht wurde, ist ein neues Modell der künstlichen Intelligenz, das jedes Objekt in jedem Bild automatisch „ausschneiden“ kann.
Die Technologie hat es dem Team ermöglicht, Krater automatisch zu kartieren, anstatt dies manuell zu tun – ein zeitaufwändiger Prozess. Gleichzeitig ermöglicht die Verwendung unterschiedlicher Datentypen eine genauere und flexiblere Oberflächencharakterisierung.
Der CDA-Ansatz kann mit verschiedenen Daten und Himmelskörpern arbeiten, was ihm das Potenzial verleiht, eine universelle Lösung für die Kratererkennung auf verschiedenen Planetenoberflächen zu sein.
Es könnte auch helfen, mögliche Landeplätze für Roboter- oder menschliche Missionen zu identifizieren, und möglicherweise für die automatische Navigation auf der Grundlage von Geländebeobachtungen verwendet werden.
Dr. Iraklis Giannakis von der Fakultät für Geowissenschaften der Universität leitete die Forschung in Zusammenarbeit mit Kollegen der Universität. Ein Preprint der Ergebnisse wurde auf veröffentlicht arXiv.
Bildnachweis: Universität Aberdeen
Dr. Giannakis sagte: „Die Kratererkennung ist eine entscheidende Aufgabe in der Planetenforschung, die es uns ermöglicht, die Geologie, Geschichte und Entwicklung von Himmelskörpern wie Mars, Mond und anderen Planeten besser zu verstehen.“
„Unser universeller CDA-Ansatz nutzt die Leistungsfähigkeit von SAM, um Krater automatisch mit hoher Genauigkeit und Effizienz zu erkennen, wodurch die Notwendigkeit einer manuellen Identifizierung reduziert wird.“
„Mit seinen fortschrittlichen Segmentierungsfunktionen hat sich SAM als bahnbrechend für CDA erwiesen, da es uns ermöglicht, Krater verschiedener Größen, Formen und Ausrichtungen genau zu identifizieren – selbst unter schwierigen Geländebedingungen.“
Dr. Giannakis sagte, die Entwicklung des CDA habe neue Möglichkeiten für die Planetenforschung sowie für zukünftige Explorationsmissionen geschaffen.
„Durch die automatische Kartierung von Kratern können Wissenschaftler ihre Verteilung, Größe und Morphologie untersuchen, um die Planetenoberfläche und ihre Entwicklung im Laufe der Zeit besser zu verstehen. Dies kann dabei helfen, die geologische Geschichte, Oberflächenprozesse und die potenzielle Bewohnbarkeit eines Planeten oder Mondes aufzudecken.“
„Krater können auch potenzielle Quellen wertvoller Ressourcen sein, wie Wassereis auf Planetenkörpern wie dem Mond oder dem Mars. Durch die automatische Kartierung von Kratern können Wissenschaftler potenzielle Orte identifizieren, an denen Ressourcen konzentriert sein könnten, was für zukünftige bemannte Missionen und für wichtig sein kann Planung von Ressourcennutzungsstrategien in Weltraumforschungsszenarien.“
Mehr Informationen:
Iraklis Giannakis et al., Universelle Kratererkennung mit Deep Learning unter Verwendung des Segment Anything Model (SAM), arXiv (2023). DOI: 10.48550/arxiv.2304.07764