Skip to main content
European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Article Category

Zawartość zarchiwizowana w dniu 2024-04-19

Article available in the following languages:

Sztuczna inteligencja potrafi ocenić jakość zdjęć Słońca niemal tak dobrze, jak człowiek

Korzystając z głębokiego uczenia, naukowcy wspierani przez UE opracowali nowatorską metodę, dzięki której można rzetelnie ocenić jakość zdjęć pełnego dysku Słońca.

Przemysł kosmiczny icon Przemysł kosmiczny

Ogromne ilości informacji wygenerowanych na podstawie obserwacji Słońca, prowadzonych z Ziemi i z kosmosu w ciągu ostatnich dekad, sprawiły, że heliofizyka weszła w epokę dużych zbiorów danych. Mnogość danych nie pozwala, aby analiza była wykonywana jedynie przez ludzkich obserwatorów. W celu zapewnienia, że jakość zarejestrowanych obrazów jest wystarczająca dla dalszej analizy badawczej, naukowcy potrzebują obiektywnej metody oceny jakości zdjęć, zwłaszcza w przypadku obserwacji naziemnych, gdzie chmury i inne warunki atmosferyczne mogą wpływać na jakość obrazu. „Ludzie oceniają jakość zdjęcia, porównując je do idealnego, referencyjnego obrazu Słońca”, wyjaśniła Tatiana Podladchikova z rosyjskiego Instytutu Nauki i Technologii w Skołkowie w informacji prasowej opublikowanej w portalu internetowym „Phys.org”. „Przykładowo, zdjęcie z dyskiem Słońca widocznym przez chmury – znaczące odstępstwo od wyobrażonego perfekcyjnego obrazu – zostałoby oznaczone jako kadr bardzo kiepskiej jakości, choć drobne fluktuacje nie są tak ważne, gdy chodzi o jakość. Konwencjonalne parametry jakości nie pozwalają na ocenę jakości niezależną od cech Słońca i zwykle nie uwzględniają obecności chmur”, powiedziała Podladchikova, która wraz z trzema naukowcami z Uniwersytetu w Grazu wykorzystała sztuczną inteligencję (SI), aby uzyskać ocenę jakości zdjęć zbliżoną do ludzkiej.

Zastosowanie sieci neuronowej

W ramach finansowanego ze środków UE projektu SOLARNET naukowcy opracowali nowatorską metodę rzetelnej oceny jakości zdjęć w przypadku naziemnej obserwacji pełnego dysku Słońca. Metoda, opisana w artykule opublikowanym w czasopiśmie „Astronomy & Astrophysics”, bazuje na nienadzorowanym głębokim uczeniu wykorzystującym wyłącznie zdjęcia wysokiej jakości. Sieć neuronowa jest używana do uczenia cech charakterystycznych optymalnych obrazów i do wykrywania odstępstw, w konsekwencji zapewniając obiektywną ocenę zdjęć i wychwytując wszelkie anomalie danych. „W naszym badaniu zastosowaliśmy tę metodę do analizy obrazów z Obserwatorium Słonecznego Kanzelhöhe i wykazaliśmy, że uzyskane wyniki są zgodne z ludzką oceną w 98,5 % przypadków”, zauważył Robert Jarolim, główny autor badania z Uniwersytetu w Grazu, partnera projektu, w informacji prasowej w portalu „Phys.org”. „Po przetworzeniu danych z całodziennych obserwacji bez użycia filtrów stwierdziliśmy, że sieć neuronowa poprawnie identyfikuje wszystkie mocne spadki jakości i pozwala nam wybrać najlepsze zdjęcia, co skutkuje bardziej udanymi seriami obserwacji. Jest to również ważne z punktu widzenia przyszłych teleskopów połączonych w sieć, gdzie obserwacje z wielu miejsc muszą być filtrowane i łączone w czasie rzeczywistym”, dodał Jarolim. „Gromadzenie danych o Słońcu jest największym projektem naszych czasów pod względem łącznej ilości uzyskanych informacji. W związku z niedawnym rozpoczęciem przełomowych misji słonecznych, Parker Solar Probe i Solar Orbiter, będziemy otrzymywać coraz więcej danych, które doprowadzą do nowych, cennych wniosków. W naszym badaniu nie korzystamy z utartych ścieżek. Ogromna ilość nowych informacji dostarczanych każdego dnia sprawia, że musimy opracować nowe, efektywne, wspierane przez SI metody przetwarzania danych, aby poradzić sobie z największymi wyzwaniami, jakie stoją przed ludzkością”, powiedziała Podladchikova. Nowatorska metoda opracowana przez naukowców może zapewnić niezawodną ocenę jakości zdjęć w czasie rzeczywistym, bez korzystania z obrazów referencyjnych. Według naukowców z projektu SOLARNET (Integrating High Resolution Solar Physics) to podejście można również zastosować w przypadku podobnych obserwacji astrofizycznych i „wymaga ono jedynie zgrubnego ręcznego opisu małych zestawów danych”. Więcej informacji: strona projektu SOLARNET

Słowa kluczowe

SOLARNET, Słońce, zdjęcie Słońca, jakość zdjęcia, obserwacja, sztuczna inteligencja, dane

Powiązane artykuły