0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

人工神经网络识别9万张图像,数小时发现6883个新陨石坑

DPVg_AI_era 来源:未知 作者:李倩 2018-03-20 14:06 次阅读

最近,美国和加拿大的研究人员用人工智能发现了月球上近7000个此前未被发现的陨石坑,仅用时几个小时。未来,人类将有可能在这些陨石坑巨大的阴影下建立月球基地。

人类离开地球后的第一个家园可能很快就会被找到。

最近,美国宾夕法尼亚州立大学的Ari Silburt和加拿大多伦多大学的Mohamad Ali-Dib领导的研究小组,利用人工智能发现了月球上近7000个此前未被发现的陨石坑,仅用时几个小时。

专家说,未来,人类可以在陨石坑巨大的阴影下建立月球基地,这样可以保护殖民者免受太阳辐射的危险。

人工神经网络识别9万张图像,数小时发现6883个新陨石坑

过去,人们在计算月球上的陨石坑时,需要手动查看图像,找到并计算陨石坑的数量,然后根据图像大小计算它们的实际大小。

研究人员也曾尝试过开发算法来识别和计算月球陨石坑,但是当它们用于新的、以前看不见的陨石坑时,往往表现不佳。

Ali-Dib和他的同事开发的算法可以很好地发现不容易识别的月球,甚至水星等其他星球上的陨石坑。

该算法经过训练以识别火山口的边缘,然后对照先前发现的火山口的数据库进行检查,算法使用这些信息来确认新的形状符合已知的火山口形状。这使得算法可以区分陨石坑和其他地质形状,包括山脉和山脊。

为了确定其准确性,研究团队首先在覆盖三分之二的月球的大型数据集上训练神经网络,然后在余下三分之一的月球上测试他们的训练网络。最终的结果表现非常好,它能够识别两倍于传统手动计数的陨石坑。而实际上上,它能够在月球上识别出约7000个以前不明的陨石坑。

专家将90000幅月球表面图像输入到人造神经网络,并对图像进行分类并确定直径大于5公里的陨石坑。这张图片显示了AI在非月亮照片上的识别能力。

当机器进行测试时,它找到了6883个新陨石坑,使这个尺寸的已知陨石坑总数增加了一倍。该图像显示原始图像(左),AI对火山口位置(中心)的预测以及这些预测叠加在原始图像上(右图)

然而,人工智能确实不时出现失误,错误地识别出了一些陨石坑,而忽略了其他的陨石坑。大约四分之一正确识别的陨石坑的真实位置没有显示(红色)

Silburt博士说,一旦模型有了更多的改进,AI就可以用来发现成千上万、身份不明的5公里以下的陨石坑。

未来,Ali-Dib表示计划将进一步改进算法,使研究人员能够找到更多的陨石坑,并在其他太阳系体如火星、谷神星(Ceres)、木星和土星的卫星上使用。

通过陨石坑研究太阳系,2030年人类登月找到定居点?

了解陨石坑在月球上的大小和位置非常重要,因为它为我们的太阳系历史提供了一个研究窗口。 Ali-Dib指出,通过研究各种形状、大小和年龄的撞击坑,研究人员可以更好地了解太阳系早期发生的物质分布和物理现象。

由于月球没有大气、板块构造和水,所以几乎没有受到地表侵蚀,因此一些陨石坑的形成时间可以达到40亿年。大陨石坑的年龄也可以通过计算里面有多少个小陨石坑来确定。

LRO拍摄的月球陨石坑

这次研究使用的许多图像是通过美国国家航空航天局的月球侦察轨道飞行器(Lunar Reconnaissance Orbiter ,LRO)获取,该飞行器在2009年发射升空,这是美国“重返月球”计划的第一步,为美国下一步载人探月以及探索太阳系提供重要数据。

LRO返回月球全部数据,如日间温度地图、月球大地测量网格、高分辨率彩色成像和月球的UV反照率(这是衡量太阳辐射被天文物体反射回太空中的比例的测量值)。

月球侦察轨道飞行器LRO(意境图)

LRO有助于确定月球上潜在资源点,具有极高的科学价值,资源点能够为人类提供良好的地形和未来机器人和人类执行月球任务所需的安全环境。

欧洲航天局推动的“月球村”计划大使Bernard Foing教授曾表示,到2030年,可能会有六到十个人类先驱者在月球上找到定居点,到2040年人类在月球上的数量可能增长到100人。

Bernard Foing

“到了2050年,可能会有一千人,然后......自然你可以设想让家人在那里工作。”Bernard Foing说。

Bernard Foing认为,潜在的月球资源包括玄武岩,这是一种火山岩,它可用作打印3D卫星的原材料。这些卫星可以从月球上发射,因为其重力只有地球的一小部分。

未来人类月球定居点(意境图)

此外,月球还拥有氦3,这是我们这个星球上罕见的同位素,它理论上可以用来为地球产生更清洁,更安全的核能。

月球上的水被凝结在月亮两极的冰上,而水可以分离成氢气和氧气,两种气体在混合时会爆炸——这能提供火箭燃料。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4765

    浏览量

    100580
  • 人工智能
    +关注

    关注

    1791

    文章

    46915

    浏览量

    237715

原文标题:【月球殖民靠AI】神经网络发现7000个新陨石坑,人类2030年或找到月球定居点

文章出处:【微信号:AI_era,微信公众号:新智元】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    关于卷积神经网络,这些概念你厘清了么~

    必须通过决策阈值做出决定。 另一区别是AI并不依赖固定的规则,而是要经过训练。训练过程需要将大量猫的图像展示给神经网络以供其学习。最终,神经网络将能够独立
    发表于 10-24 13:56

    BP神经网络人工神经网络的区别

    BP神经网络人工神经网络(Artificial Neural Networks,简称ANNs)之间的关系与区别,是神经网络领域中一基础且
    的头像 发表于 07-10 15:20 876次阅读

    人工神经网络的案例分析

    元之间的连接和信息传递机制,实现对复杂数据的处理、模式识别及预测等功能。本文将通过几个具体案例分析,详细探讨人工神经网络在不同领域的应用,同时简要介绍深度学习中的正则化方法,以期为读者提供一
    的头像 发表于 07-08 18:20 693次阅读

    人工神经网络的特点和优越性不包括什么

    在许多领域都取得了显著的成果,如图像识别、语音识别、自然语言处理等。然而,人工神经网络也存在一些局限性和不足之处,以下是对人工
    的头像 发表于 07-05 09:26 782次阅读

    人工神经网络的工作原理及应用

    人工神经网络(Artificial Neural Networks, ANNs)是一种受到生物神经网络启发的计算模型,用于模拟人脑处理信息的方式。它们在许多领域都有广泛的应用,包括图像识别
    的头像 发表于 07-05 09:25 616次阅读

    人工神经网络模型包含哪些层次

    、多层感知机、卷积神经网络、循环神经网络、长短期记忆网络等。 感知机(Perceptron) 感知机是人工神经网络的基本单元,由输入层、输出
    的头像 发表于 07-05 09:17 508次阅读

    人工神经网络模型训练的基本原理

    图像识别、语音识别、自然语言处理等。本文将介绍人工神经网络模型训练的基本原理。 1. 神经网络的基本概念 1.1
    的头像 发表于 07-05 09:16 584次阅读

    人工神经网络模型的分类有哪些

    人工神经网络(Artificial Neural Networks, ANNs)是一种模拟人脑神经元网络的计算模型,它在许多领域,如图像识别、语音
    的头像 发表于 07-05 09:13 990次阅读

    人工智能神经网络芯片的介绍

    人工智能神经网络芯片是一类专门为深度学习和神经网络算法设计的处理器。它们具有高性能、低功耗、可扩展等特点,广泛应用于图像识别、语音识别、自然
    的头像 发表于 07-04 09:33 608次阅读

    如何设计人脸识别神经网络

    识别技术主要分为两步骤:人脸检测和人脸特征提取。人脸检测是指在图像中定位出人脸的位置和大小,人脸特征提取是指从人脸图像中提取出能够表征人脸特征的信息。人脸
    的头像 发表于 07-04 09:20 594次阅读

    卷积神经网络图像识别中的应用

    卷积神经网络(Convolutional Neural Networks, CNNs)是一种深度学习模型,广泛应用于图像识别、视频分析、自然语言处理等领域。 1. 卷积神经网络的基本原理 1.1
    的头像 发表于 07-02 14:28 952次阅读

    人工神经网络的含义和用途是

    神经网络在许多领域都有广泛的应用,包括图像识别、语音识别、自然语言处理、推荐系统、预测分析等。 一、人工神经网络的含义 定义:
    的头像 发表于 07-02 10:07 733次阅读

    神经网络图像识别中的应用

    随着人工智能技术的飞速发展,神经网络图像识别领域的应用日益广泛。神经网络以其强大的特征提取和分类能力,为图像识别带来了革命性的进步。本文将
    的头像 发表于 07-01 14:19 624次阅读

    如何训练和优化神经网络

    神经网络人工智能领域的重要分支,广泛应用于图像识别、自然语言处理、语音识别等多个领域。然而,要使神经网络在实际应用中取得良好效果,必须进行
    的头像 发表于 07-01 14:14 406次阅读

    实现图像识别神经网络的步骤

    我们的下一任务是使用先前标记的图像来训练神经网络,以对新的测试图像进行分类。因此,我们将使用nn模块来构建我们的神经网络
    的头像 发表于 01-22 10:01 976次阅读
    实现<b class='flag-5'>图像识别</b><b class='flag-5'>神经网络</b>的步骤