一种用于空间目标探测的边缘 AI 解决方案
计算机视觉与模式识别
2025-05-21 v1 天体物理仪器与方法
机器学习
系统与控制
系统与控制
摘要
随着近地轨道空间资产的不断增加，用于空间目标探测（SOD）任务的有效边缘 AI 对于促进实时碰撞评估与规避至关重要。在 SOD 任务中，低地球轨道（LEO）卫星必须以高精度和极低的延迟探测其他目标。我们探索了一种基于深度学习视觉感知的边缘 AI 解决方案用于 SOD 任务，并提出了一种基于 Squeeze-and-Excitation（SE）层、Vision Transformers（ViT）和 YOLOv9 框架的深度学习模型。我们在各种真实的 SOD 场景下评估了这些模型的性能，证明了它们能够以高精度和极低的延迟探测多颗卫星。
引用
@article{arxiv.2505.13468,
title = {An Edge AI Solution for Space Object Detection},
author = {Wenxuan Zhang and Peng Hu},
journal= {arXiv preprint arXiv:2505.13468},
year = {2025}
}
备注
Accepted as poster paper at the 2025 IEEE Canadian Conference on Electrical and Computer Engineering (CCECE)