相关实验视频
Updated: Jan 15, 2026
06:14
Simulating Imaging of Large Scale Radio Arrays on the Lunar Surface
Published on: July 30, 2020
5.3K
通过使用卷积神经网络确定圣节月的日期来自动检测月球年龄
Zaid Nissar1, Falah Sheikh1, Ahmed Al Marouf2
1Department of Computer Science, University of Calgary, 2500, University Drive, Calgary, T2N 1N4, AB, Canada.
Scientific reports
|October 15, 2025
概括
这项研究提出了一种使用卷积神经网络 (CNN) 来确定月球图像的月球年龄的新型图像分类方法,达到82.74%的准确性. 这种计算机视觉方法提供了一种分析月球相的新方法.
科学领域:
- 天文学 天文学
- 计算机科学 计算机科学
- 机器学习 机器学习
背景情况:
- 从历史上看,确定月球年龄一直依赖于自古以来的数学方法.
- 没有以前的图像分类技术已被应用,以确定月球年龄在一个同日月内.
研究的目的:
- 介绍和评估一种基于图像分类的技术,用于从月球图像中确定月球年龄.
- 探索卷积神经网络 (CNN) 对这一天文任务的应用.
主要方法:
- 在月球图像数据集上使用预训练的ResNet18架构进行转移学习.
- 从美国宇航局的月相和解放网站收集的月球图像,使用网络扫描工具 (请求,).
- 训练和评估各种CNN模型,使用准确度指标和混矩阵进行评估.
主要成果:
- 从图像中确定月球年龄的最高准确度为82.74%.
- 证明了使用深度学习模型进行月球相分析的可行性.
结论:
- 使用CNN的图像分类是从月球图片中确定月球年龄的可行和有效方法.
- 这种方法为确定月球年龄的传统数学方法提供了现代的替代方案.
