Инженеры из США, Австралии, Великобритании и Франции разработали метод поиска метеоритов по вспышкам перед их падением, основанный на использовании дрона с камерой. С помощью алгоритма они вычислили район вероятного падения фрагментов метеорита в американском штате Невада, а дрон вылетел на это место и сделал множество детализированных снимков, на которых затем нейросеть нашла похожие наиболее похожие на метеориты объекты. Статья опубликована в журнале Meteoritics & Planetary Science, а ее препринт доступен на arXiv.org.
Ежедневно в атмосферу Земли входят тысячи метеорных тел. Подавляющее большинство из них сгорает над океанами и малонаселенными участками суши, а также днем, когда вспышки от них почти незаметны. Более того, лишь небольшая часть из метеорных тел, сгорающих в атмосфере, сгорает не полностью и падает на поверхность Земли, как правило, они производят вспышки звездной величины −8 и ярче. Потенциально по съемке падающего метеорита можно рассчитать траекторию его полета и примерный район падения его обломков. Этим занимаются профессинальные и любительские сети поиска метеоритов, состоящие из камер в разных частях Земли. Но фактически лишь около трех десятков метеоритов удалось найти таким способом. Отчасти это связано с тем, что такие поиски трудозатратны — районы поисков составляют десятки квадратных километров и в итоге часто они не дают результата. Но удавшиеся поиски представляют собой большой интерес ученых, исследующих ранние этапы образования Солнечной системы, потому что найденный метеорит можно сопоставить с траекторией его подлета к Земле, а по ней можно вычислить из какого семейства астероидов он был образован и тем самым удаленно исследовать его химический состав.
Группа инженеров под руководством Джима Альберса (Jim Albers) из Института SETI и Исследовательского центра Эймса в составе NASA решили упростить и удешевить поиск метеоритов по вспышкам от их падения и разработали для этого систему на основе дрона. Они использовали квадрокоптер 3DR Solo, который оборудовали лазерным высотомером, камерой GoPro, полетным контроллером PixHawk GreenCube и программным обеспечением Arducopter. Инженеры написали программу, которая разбивает район поиска на сетку мест, в которых дрон должен сделать кадр. Размер сетки подбирается в соответствии с высотой съемки, которую авторы варьировали от двух до шести метров. А поскольку дрон оснащен высотомером, он поддерживает заданную высоту, независимо от рельефа местности.
После облета местности дрон возвращается и с него выгружают данные для анализа. Для этого разработчики использовали нейросеть RetinaNet. Они взяли сеть, предобученную на датасете ImageNet и хорошо обнаруживащую объекты, и дообучили ее на собственном датасете. Для этого они использовали восемь фрагментов метеорита Мбале, упавшего в Уганде в 1992 году. Они клали фрагменты в разной местности и снимали их при помощи камеры с рук и при помощи дрона с воздуха. Также они добавили в датасет фотографии метеоритов из интернета. В результате получился датасет из 762 снимков, которые дополнительно отразили по вертикали и горизонтали, чтобы получить 2448 кадров, на которых авторы обучили нейросеть искать объекты-кандидаты.
Авторы проверили метод на падении метеорита в американском штате Невада 14 июля 2019 года. Его отследили станции поиска метеоритов NASA. Их расчеты показывают, что масса, которая могла долететь до земли, составила 35,3 ± 3,7 килограмм. Инженеры приняли плотность метеорита за 3,2 грамм на кубический сантиметр и с помощью модели ветра рассчитали район падения, наиболее вероятные точки (небольшие области) и примерное распределение массы возможных фрагментов по ним. Они выбрали две точки, в которых модель предсказывала возможность наличия фрагментов с массой около 10 и 100 грамм соответственно. В них они отправили дрон, причем в одной из точек они раскидали все восемь метеоритов из своей коллекции, чтобы проверить их распознавание на новой местности.
В результате они убедились, что алгоритм распознал все восемь метеоритов, а также отобрали три вероятных объекта-кандидата и отправились на их поиски, используя геометки снимков. Прибыв на место они обнаружили, что один из объектов — это темная щетка, дающая темную тень, а два остальных — камни, которые действительно были весьма похожи на метеориты, но не являлись ими. Авторы работы отметили, что хотя они не нашли метеориты и их система нуждается в доработке, в будущем метод может помочь в поиске метеоритов и ускорить его по сравнению с полностью ручными поисками.
Дроны благодаря их небольшой стоимости используют для поиска самых разных объектов — от потерявшихся людей и акул, до советских мин и борщевика.
Григорий Копиев