利用 MRNet 预测月球探测器 Chang'e 5 检测的月岩类别
计算机视觉与模式识别
2025-02-17 v1 人工智能
摘要
中国的嫦娥 5 任务取得了显著的成功，嫦娥 5 着陆器驶入Oceanus Procellarum，收集了月球表面的图像。过去半个世纪里，人类带回的月岩样本数量不足以满足研究需求。目前，人类主要依赖通过月球车检测月面岩石进行分析。Oceanus Procellarum 作为嫦娥 5 任务的选择区域，包含多种岩石种类。因此，我们首次在中国科学院国家天文台申请使用月面导航与地形相机 (NaTeCam) 的月球表面图像，并建立了名为 CE5ROCK 的月岩图像数据集。该数据集包含 100 张图片，随机划分为训练、验证和测试集。实验结果表明，对像 AlexNet 或 MobileNet 等卷积神经网络 (CNN) 模型进行识别测试的准确率约为 40%。为充分利用月球图像中的全局信息，本文提出了 MRNet（MoonRockNet）网络架构。该网络的编码结构采用 VGG16 进行特征提取，解码部分在原始 VGG16 解码结构上添加了空洞卷积和常用的 U-Net 结构，这更有利于识别更精细但分布较稀疏的月岩类型。我们在建立的 CE5ROCK 数据集上进行了大量实验，实验结果表明 MRNet 能实现更准确的岩石类型识别，在识别性能方面优于其他现有主流算法。
引用
@article{arxiv.2502.09952,
title = {Using MRNet to Predict Lunar Rock Categories Detected by Chang'e 5 Probe},
author = {Jin Cui and Yifei Zou and Siyuan Zhang},
journal= {arXiv preprint arXiv:2502.09952},
year = {2025}
}
备注
Published at the 8th International Conference on Advances in Machinery, Material Science and Engineering Application (MMSE 2022)