Американські дослідники вирішили використати дрон із машинним навчанням, щоб відшукати частинки метеорита, що впав на дно висохлого озера в американському штаті Невада. Отримані аерофотознімки аналізувала навчена на подібних фото нейромережа, що значно полегшило роботу вченим. Місце, куди мав вилітати дрон, обирали за спалахами метеорів перед їхнім потраплянням на Землю. Стаття про новий спосіб дистанційно відрізняти звичайні камені від космічних доступна у журналі Meteoritics & Planetary Science.
B Christopher / Alamy
Як шукають метеорити?
Щодня в атмосферу Землі входять тисячі метеорних тіл, і доки тривають спроби визначити склад близько 40 сімейств астероїдів в поясі астероїдів, щоб зрозуміти ранню еволюцію Сонячної системи, вони могли б стати найкращим матеріалом для досліджень. Їх можна потенційно знаходити за відео падіння - за ним можна вирахувати траєкторію польоту і приблизний район падіння уламків від них. Втім, поки було всього кілька десятків знайдених таким чином метеоритів, з яких тільки 26 змогли підібрати. Вони розкидані великими площами, а тому для виявлення одного фрагмента метеорита потрібно близько 100 людино-годин. Причому лише у деяких ми можемо бути впевненими, що вони дісталися Землі, а не згоріли дорогою. Одним зі способів зекономити час вчені вважають використання автономних дронів, які можуть рухатися місцевістю на фіксованій висоті, отримуючи знімки згори вниз.
Отримані ними знімки можна буде об'єднати і передати в класифікатор виявлення об'єктів машинного навчання, який може визначити ймовірність присутності фрагментів метеорита на зображенні. Однак, перш ніж нейромережа зможе розібратися із зображенням, вона має навчитися бачити метеорити, а це набагато складніше. Так, метеорит, який щойно впав, буде відрізнятися від місцевих порід, але метеорити різноманітні, і неможливо дізнатися характеристики наступних фрагментів свіжого метеорита або навколишньої місцевості. Так, наприклад, деякі можуть не мати корки плавлення, отриманої при вході в атмосферу, через подальше руйнування. Проблема також в тому, що у деяких багатокілометрових зонах пошуку може бути всього кілька фрагментів метеорита розміром 1-3 сантиметри. Отже, класифікатор машинного навчання повинен бути досить універсальним, щоб виявляти метеорити різних типів на абсолютно нових територіях і видавати досить низький рівень помилкових спрацьовувань, щоб зробити можливим дослідження кожного квадратного кілометра.
Де вчені запускали дрон?
Дослідники отримали дозвіл на проведення польових випробувань своєї системи класифікації метеоритів на місці падіння одного з них 14 липня 2019 року у штаті Невада. Розрахунки показують, що маса, яка могла дістатися Землі, склала 35,3 кілограма. Всього дрон здійснив десять розвідок у різних частинах озера та робив знімки протягом 20 хвилин - час його автономної роботи. Вчені розбивали район пошуку на сітку місць, в яких дрон має зробити кадр, а їхня кількість підбиралася відносно висоти знімання - від двох до шести метрів. Так у кожному тестовому польоті було отримано 129-388 повних зображень GoPro, які потім об'єднувалися, та на розсуд нейромережі оцінювалися як «позитивні», якщо містили об'єкт, класифікований як метеорит з оцінкою 0,5 або вище. В результаті кожного тестового польоту було отримано велику кількість ділянок зображення, класифікованих як позитивні. Це було особливо вірно для польотів на малих висотах. В основному це пов'язано з великою кількістю інших гірських порід в досліджуваній області та ілюструє складність виявлення метеорита віддалено на кам'янистій місцевості.
То знайшли вчені метеорит?
Крім загального визначення кількості позитивних оцінок під час польових досліджень, дрон також зміг визначити і вісім зразків підкинутих вченими метеоритів та три кандидати на уламки того, що впав три роки тому. На основі зображень, отриманих дроном та його журналом GPS, дослідники виїхали у поле їх вивчати. Тільки два з трьох зазначених дроном каменів виявилися придатними кандидатами в метеорити при ближчому дослідженні на місці - вони були темними каменями, зовні схожими на метеорити. Кандидат, який не підійшов, виявився затіненим предметом, а тому в деяких випадках тіні, погана роздільна здатність і перспектива камери можуть затруднити ідентифікацію кандидатів в метеорити.