Studenten der Navigationswissenschaften in Beni Suef entwickeln ein Subsystem zur Vermeidung von Satellitenkollisionen durch die Erkennung von Weltraummüll
Media Center
Ein Forschungsteam aus Studenten der Fakultät für Navigationswissenschaften und Weltraumtechnologie unter der Schirmherrschaft von Dr. Mansour Hassan, Präsident der Beni Suef-Universität, unter der Aufsicht von Dr. Osama Shalabiya, Dekan des Colleges, die Entwicklung eines AI Vision-Computers Teilsystem zur Vermeidung von Satellitenkollisionen durch die Entdeckung von Weltraummüll, indem Satelliten mit der Fähigkeit ausgestattet werden, Weltraummüll in Echtzeit zu erkennen und zu analysieren, was wirksam zur öffentlichen Sicherheit und zur Nachhaltigkeit von Weltraumoperationen beiträgt
Der Präsident der Universität drückte seine Freude über das Niveau der Abschlussarbeiten aus, die von Studenten der ersten Klasse des College of Navigation Sciences and Space Technology eingereicht wurden, und dankte allen Verantwortlichen des Colleges und den Studenten und lobte diese Ideen und Forschungsprojekte die im Bereich Navigation und Raumfahrt eingesetzt werden können.
Dr. Osama Shalabiya fügte hinzu, dass das Abschlussprojekt unter der Aufsicht von Dr. Muhammad Al-Fran, Dozent der Abteilung für Astronautik, durchgeführt wurde.
Das Projekt basiert auf der Entwicklung und Implementierung eines leistungsstarken Computer-Vision-Systems mit künstlicher Intelligenz, das es Satelliten ermöglicht, Weltraummüll zu erkennen und selbstständig zu manövrieren, um mögliche Kollisionen zu vermeiden. Das Projekt zielt darauf ab, ein auf Computer Vision basierendes System zu entwerfen und zu integrieren, das mithilfe von Deep-Learning-Algorithmen in Echtzeit Erkennung, Klassifizierung und Flugbahnanalyse von Weltraummüll ermöglicht. Die Kollision von Satelliten mit Weltraummüll wird als große Bedrohung für die Nachhaltigkeit von Weltraumoperationen angesehen. Um diese Risiken zu verringern, implementierten die Studenten ein neues Subsystem, um die Fähigkeiten zur Kollisionsvermeidung von Satelliten durch die Einbeziehung künstlicher Intelligenz (KI) mit Computer Vision zu verbessern.
Die Studenten trainierten ihr KI-Modell mithilfe eines vielfältigen Datensatzes von Weltraumschrottbildern, um potenzielle Kollisionsrisiken zu identifizieren und diese genau zu verfolgen, um Durchführbarkeit und Effizienz sicherzustellen und das KI-System für den Betrieb an Bord des Satelliten mit minimalen Rechenressourcen zu optimieren. Die Projektmethodik umfasste das Sammeln eines umfassenden Datensatzes von Weltraumschrottbildern, der ein breites Spektrum an Trümmertypen und -größen abdeckt, durch den Einsatz von Convolutional Neural Networks (CNNs) und Transfer-Learning-Techniken
Das Subsystem wurde in das bestehende Satellitensystem integriert, wobei der Schwerpunkt auf nahtloser Kompatibilität und minimalen Auswirkungen auf den Gesamtbetrieb lag. Durch strenge Tests zeigte das von Studenten entwickelte System eine hervorragende Leistung bei der Erkennung von Weltraummüll in Echtzeit. Die Ergebnisse zeigten: Durchschnittliche Erkennungsgenauigkeit von über 95 % für verschiedene Größen und Arten von Trümmern. Dies ermöglicht die rechtzeitige Beurteilung von Kollisionsrisiken. Das Computersubsystem AI Vision liefert zuverlässige Daten für Entscheidungen zur Kollisionsvermeidung und ermöglicht es Satelliten, ihre Umlaufbahnen selbstständig anzupassen oder Ausweichmanöver durchzuführen