Китайские учёные совершили прорыв в анализе марсианской поверхности, разработав систему на основе глубоких нейронных сетей, которая автоматически классифицирует ударные кратеры с точностью до 90,3%.
Алгоритм, обученный на снимках камеры MoRIC с зонда «Тяньвэнь-1», определяет шесть типов кратеров — от свежих, с чёткими краями, до древних, почти стёртых эрозией.
Это в разы сокращает время обработки данных и снижает ошибки, которые при ручной классификации достигали 35%, особенно для объектов размером менее километра. Вид на марсианский кратер Королёв с космического аппарата «Марс-экспресс».
Источник: ESA / DLR / FU Berlin Технология работает по принципу, схожему с распознаванием объектов в автономных автомобилях: нейросети анализируют геометрию краёв, структуру дна и другие визуальные признаки, сопоставляя их с эталонными данными из каталога Роббинса — крупнейшей базы марсианских кратеров.
Однако ключевой вызов — несбалансированность данных.
Например, кратеров одного типа в выборке может быть в десятки раз больше, чем других. Чтобы нейросеть не игнорировала редкие классы, исследователи применили два подхода.
Первый — сглаживание меток, когда алгоритму «разрешают» сомневаться в чёткой принадлежности объекта к доминирующему классу.
Второй — взвешенные ошибки, где система сильнее «штрафуется» за неточности в малочисленных категориях. Лучший результат показала модель Vision Transformer (ViT), которая разбивает изображение на фрагменты и анализирует их как пазл.
Её точность на 1,3% выше, чем у классических свёрточных сетей (CNN), таких как VGGNet11. Такая эффективность уже сейчас позволяет использовать систему для определения возраста регионов Марса — чем больше кратеров на участке, тем он старше — и выбора безопасных зон для посадки марсоходов.
Например, свежие кратеры часто указывают на устойчивый грунт, а размытые — на риск застревания.
Перспективы технологии выходят за рамки Красной планеты. Учёные планируют адаптировать её для анализа данных с Луны и астероидов, где ручная обработка невозможна из-за задержек связи.
В будущем алгоритмы могут объединить с системами обнаружения кратеров в реальном времени, превращая сырые снимки зондов в динамические карты за считанные часы.
Это не только ускорит изучение геологической истории Марса, но и заложит основу для автономных миссий к Юпитеру или в пояс астероидов, где каждое решение должно приниматься без участия Земли.
С автоматизацией такого уровня планетология вступает в эру, когда даже редкие типы кратеров становятся ключом к расшифровке хроники Солнечной системы.
Рубрика: Hi-Tech. Читать весь текст на www.ixbt.com.