近日，太原理工大学智能光学成像实验室贾鹏教授团队在天文学期刊《Astronomical Journal》（AJ）上发表了题为《Adaptive Detection of Fast Moving Celestial Objects Using a Mixture of Experts and Physical-Inspired Neural Network》的研究论文。该研究提出了一种创新的自适应快速移动天体检测方法，为天文目标的智能化检测提供了新的技术思路。
研究背景
在天文目标的检测中，传统的方法基于信号处理和图像处理，依赖于目标的形态学信息和手工设计特征提取算法。随着机器学习和端到端目标检测技术的发展，基于深度学习的天文目标检测展现出巨大潜力，但是依赖于图像形态特征受限于训练数据集，针对不同形态的目标往往需要不同的检测策略。特别是真实数据获取成本高、标注难度大，模型性能受到严重制约，难以适应多样化的观测场景。因此需要一种自适应的快速移动天体检测方法。
核心技术
（1） 设计用于快速移动天体检测的物理启发式神经网络，将点扩散函数（PSF）和表示观测模式的向量整合到目标检测网络中。
（2） 设计基于混合专家模型的整体检测框架，融合不同的检测网络的优势，提升网络性能。
检测结果
为了评估模型的性能，团队在用Skymaker生成的模拟数据和真实数据上分别进行了验证，并分别分析了在不同观测场景下的检测结果。如下图所示：
图1 模拟数据检测结果
图2 不同天光背景下的检测结果
图3 不同相对速度下的检测结果
图4 实测数据检测结果
检测结果表明该方法在模拟数据和实测数据上均有良好的检测性能，在各种观测条件下具有很强的适应性和较高的检测精度，充分验证了其在天文实际观测任务中的应用潜力。
未来，团队将进一步优化算法，提升算法在更广泛天文成像场景中的通用性和准确性，为空间目标检测提供新的技术路径。
论文解读内容由太原理工大学李格同学完成，相关视频链接：https://www.bilibili.com/video/BV1KbGbzgEqT/?share_source=copy_web
本研究由贾鹏教授指导，主要由组内的李格同学完成。李格同学2022年本科毕业于太原理工大学，自2022年起加入智能光学成像实验室，参与小组内目标检测相关研究。