用于航空航天材料的自动化BRDF测量和基于1D-CNN的混合材料成分估计
Depu Yao1,2, Yulai Sun1,2, Limin He1
1Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China.
Sensors (Basel, Switzerland)
|March 14, 2026
概括
本研究介绍了一种使用双向反射分布函数 (BRDF) 识别空间物体的新方法. 一个1D-CNN模型准确地预测了材料组成,增强了空间局势意识.
科学领域:
- 太空监视和物体识别
- 光学物理和材料科学 材料科学
- 航空航天领域的人工智能
背景情况:
- 基于太空的光学监控至关重要,但由于远距离物体的衍射而受到限制.
- 传统的基于图像的识别由于空间分辨率低而失败.
- 双向反射分布函数 (BRDF) 通过4D特征提供了卓越的材料识别.
研究的目的:
- 开发一种用于测量航空航天材料的BRDF的自动化系统.
- 为了研究混合材料表面的BRDF特性.
- 使用BRDF数据创建材料组成比率的预测模型.
主要方法:
- 自动化BRDF测量系统的开发.
- 典型的航空航天材料和混合表面的表征.
- 构建一个1D卷积神经网络 (1D-CNN) 用于材料比率预测.
主要成果:
- 1D-CNN模型有效地提取了BRDF曲线特征.
- 在构成比率预测中达到6.21%的最大相对百分比误差.
- 混合材料组成比率的预测准确度始终超过93.79%.
结论:
- BRDF签名为空间物体识别提供了一种有效的方法.
- 拟议的1D-CNN模型提供了高效,强大的,不那么复杂的材料识别.
- 这项研究支持基于空间的材料识别和智能空间局势意识.
