哈勃小行星猎人：I. 识别哈勃空间望远镜图像中的小行星轨迹

大型且公开的天文档案为搜索和研究太阳系天体开辟了新可能。然而，需要处理海量数据的先进技术。这些无偏巡天可用于约束小天体的尺寸分布，而这构成了太阳系形成模型拼图中的一块。我们旨在利用数据挖掘从 ESA 哈勃空间望远镜（HST）科学数据档案的存档图像中识别小行星。我们在 Zooniverse 平台上开发了一个公民科学项目，哈勃小行星猎人（www.asteroidhunter.org），邀请公众在 HST 存档图像中识别小行星轨迹。我们利用志愿者提供的标签训练了一个基于 Google Cloud AutoML Vision 构建的自动化深度学习模型，以探索整个 HST 档案来检测穿越视场的小行星。我们报告了通过我们的公民科学项目及随后对 ESA HST 科学数据档案的机器学习探索，在 HST 存档数据中识别出的 1701 条新小行星轨迹。我们探测到星等达 24.5 的小行星，其统计上比地基巡天识别出的小行星种群更暗。大多数小行星如预期分布于黄道面附近，我们在那里发现每平方度约 80 颗小行星的密度。我们将 670 条轨迹（所发现轨迹的 39%）与小行星中心数据库中的 454 个已知太阳系天体相匹配，然而 1031 条（61%）轨迹未找到匹配。这些未识别的小行星较暗，平均比我们成功识别的小行星暗 1.6 个星等。它们可能对应于先前未知的天体。本工作表明公民科学与机器学习是现有天文学科学档案中系统搜索太阳系天体（SSOs）的有用技术。