检索结果-南通市图书馆

作者：李晓斌中国科学院大学(中国科学院国家空间科学中心)

学位级别：硕士

天文暂现源携带了关于天体本身及宇宙演化过程的丰富信息,对暂现源进行探测与研究具有极为重要的科学价值。天文暂现源的辐射峰值大多在高能波段,因此受地球大气影响天基望远镜相对地基望远镜更适合于暂现源观测。受限于星地通信链路,... 详细信息

天文暂现源携带了关于天体本身及宇宙演化过程的丰富信息,对暂现源进行探测与研究具有极为重要的科学价值。天文暂现源的辐射峰值大多在高能波段,因此受地球大气影响天基望远镜相对地基望远镜更适合于暂现源观测。受限于星地通信链路,天基望远镜拍摄的大量图像回传地面的工程代价高,且无效数据占有相当大的比例。受到星载计算机的性能约束,在天基很难实现依托于地面强大算力的卷积神经网络(Convolutional Neural Networks,CNN)暂现源检测算法。因此构建基于卷积神经网络的轻量化暂现源检测模型,并将其部署到星载有限算力平台中,对暂现源检测的未来空间应用有着重要的意义。本文主要的研究工作以及取得的成果包括以下几点:(1)对暂现源检测技术的研究现状进行了调研,分析了不同暂现源检测技术的优缺点以及主要检测的目标类型。寻找可靠性强且数据样本量大的天文暂现源数据集,并对数据集进行相关的预处理等操作,使其能够作为卷积神经网络模型的输入数据进行模型的训练优化工作。(2)根据预处理后数据集中天文暂现源图像的特点,构建了VGG16、Inception V3、Res Net32、Mobile Net V3等多种深度卷积神经网络,完成相关参数的初始化后基于构建的网络模型对数据集进行训练,并不断优化提升模型性能。实验结果表明,Inception V3和Mobile Net V3模型对天文暂现源数据集的检测效果良好,准确率分别为94.35%和90.22%,而VGG16和Res Net32模型准确率均不足90%。从模型硬件部署的角度,上述四种模型的参数量以及计算量均较大,模型较为复杂,不适用于部署到星载有限算力平台中。(3)深入分析了上述四种卷积神经网络模型的结构及其对应的性能表现,构建了三种基于轻量化CNN的暂现源检测方法,包括浅层次CNN暂现源检测模型(Shallow-level CNN Transient Detection,SCTD)、基于分组卷积的浅层次CNN暂现源检测模型(Group Shallow-level CNN Transient Detection,GSCTD)以及基于深度可分离卷积的浅层次CNN暂现源检测模型(Depthwise separable Shallowlevel CNN Transient Detection,DSCTD)。经实验验证,与目前暂现源检测准确率较高的Deep-Hits模型相比,本文构建的DSCTD模型的参数量不到Deep-Hi TS模型的1/5,计算量不到Deep-Hi TS模型的1/32,准确率达到98.44%,仅比DeepHi TS模型降低了1.01%,因而更适用于部署到星载有限算力平台,实现终端的暂现源检测。(4)完成硬件平台环境的搭建,将DSCTD模型进行优化后通过Tengine框架部署到嵌入式ARM硬件平台中,并对部署后模型的暂现源检测性能进行验证工作。经实验验证,部署后的模型暂现源检测准确率达到98.43%,输入500幅天文暂现源图像运行耗时为7.77s,能够较好的满足暂现源检测任务准确率以及实时性的要求。

关键词：暂现源检测卷积神经网络轻量化网络模型星载有限算力平台模型部署

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于轻量化CNN的天文暂现源智能识别方法

引用

空间科学学报 2023年第1期43卷 112-118页

作者：李晓斌薛长斌戴育岐周莉中国科学院国家空间科学中心北京100190 中国科学院大学北京100049

天文暂现源携带了关于天体本质及演化过程的丰富信息,对暂现源进行探测与研究具有极为重要的科学价值。天文暂现源的辐射峰值大多在X射线或伽马射线,天基望远镜对这些高能波段的观测优势是地基望远镜无法比拟的,更适合于暂现源观测。但... 详细信息

天文暂现源携带了关于天体本质及演化过程的丰富信息,对暂现源进行探测与研究具有极为重要的科学价值。天文暂现源的辐射峰值大多在X射线或伽马射线,天基望远镜对这些高能波段的观测优势是地基望远镜无法比拟的,更适合于暂现源观测。但由于星载计算机的性能约束,很难实现依托于地面强大算力的复杂检测算法。针对以上问题,提出了基于轻量化卷积神经网络(CNN)模型的天基暂现源检测算法,并在嵌入式ARM平台上实现了模型部署。实验结果表明,本文提出的轻量化CNN暂现源检测算法的模型复杂度和计算量不及Deep Hits算法的1/4,准确率达到96.52%,可应用于星载有限算力平台,实现未来的天基暂现源实时检测。

关键词：暂现源检测轻量化CNN模型星载有限算力平台模型部署

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于树莓派的天文暂现源深度学习识别方法

基于树莓派的天文暂现源深度学习识别方法

引用

作者：赵逸飞太原理工大学

学位级别：硕士

天文暂现源是时域天文学的主要研究对象,包括超新星、小行星等天空中突然出现的自然目标及近地天体、空间碎片等移动目标。在光学波段,大视场巡天望远镜是获取天文暂现源的主要观测设备,在时域天文观测中有着不可动摇的地位。现阶段,光... 详细信息

天文暂现源是时域天文学的主要研究对象,包括超新星、小行星等天空中突然出现的自然目标及近地天体、空间碎片等移动目标。在光学波段,大视场巡天望远镜是获取天文暂现源的主要观测设备,在时域天文观测中有着不可动摇的地位。现阶段,光学暂现源的主要观测方法是:首先对多帧观测图像相减,然后进行目标自动提取,最后人工识别。由于需要人工的介入,导致这种观测方法效率低、速度慢,准确度受观测者经验影响。随着天文观测在时域上对数据连续性要求的提高,分布于不同地理位置的大视场小口径望远镜逐渐成为了发现和探测天文暂现源的主要设备。多台大视场小口径望远镜构成的自动观测网络可以连续对天空进行搜索,保证观测的连续性和时效性。但是大视场小口径望远镜地理上分布分散,获取的数据量很大(几百GB十TB/day)。若将数据传回至数据中心又会对网络资源提出较高要求,同时降低了获取目标信息的时效性。针对大视场小口径望远镜网络对暂现源实时探测的需求,本文做了如下工作:1.在原始观测图像上利用SExtractor源提取算法提取出了大量可用于分类的暂现源,根据光学系统点扩散函数的对称性及图像信噪比等特点,实现了对目标异常数据的清洗。通过使用数据增强方法解决了待分类暂现源数量不平衡的问题;2.基于卷积神经网络(Convolutional Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN),进行了结构改良和一系列的优化,训练出两个暂现源识别分类器,并且对真实数据的识别准确率达到了97%以上;3.利用真实数据测试发现,改进CNN和改进RNN的分类器针对不同目标具有不同的分类特性。为了纠正分类器本身的缺陷并且希望分类器间的优势互补,本论文利用集成学习的方法将两个分类器进行集成产生新的分类器,分类器准确率提升至99%;4.在Linux框架下,通过环境配置将训练好的集成分类器加载于第三代树莓派上,树莓派可以直接绑定到望远镜上进行数据的实时处理。通过实验测试,表明本论文提出的方法可以在大视场小口径望远镜的终端上实现暂现源的实时分类,为后续的暂现源观测网络全网预警奠定了基础。

关键词：暂现源检测深度学习集成学习树莓派

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：