孫?？?/p>

(淄博實(shí)驗(yàn)中學(xué), 山東 淄博 255000)

0 引 言

超新星作為恒星在演化接近末期時(shí)經(jīng)歷一次劇烈爆炸而形成的天體，形成時(shí)會(huì)發(fā)出強(qiáng)烈的電磁波，其中可見(jiàn)光波段是超新星搜尋的主要途徑[1]。超新星的可見(jiàn)光搜尋工作主要分為2類：一類是專業(yè)天文學(xué)家所做的巡天工作，使用大型望遠(yuǎn)鏡自動(dòng)搜尋大面積天空，如美國(guó)加州大學(xué)Berkeley分校的CCD巡天和北京天文臺(tái)興隆觀測(cè)站的60cm望遠(yuǎn)鏡巡天[2-3]。另一類為天文愛(ài)好者使用小型望遠(yuǎn)鏡人工在較亮星系搜尋的工作，如新疆星明天文臺(tái)的公共超新星搜尋項(xiàng)目[4]。前者的搜尋工作主要依靠計(jì)算機(jī)自動(dòng)處理，具有速度快、自動(dòng)化程度高的特點(diǎn)，但同樣具有準(zhǔn)確性不高、容易遺漏目標(biāo)的缺點(diǎn)，而且其圖像識(shí)別系統(tǒng)與相關(guān)程序不公開(kāi)。后者的搜尋工作準(zhǔn)確性高，但效率低下，因?yàn)槌滦潜l(fā)持續(xù)時(shí)間、視星等有限?？梢?jiàn)光圖像數(shù)據(jù)量龐大，對(duì)超新星的人工搜尋效率低下，會(huì)浪費(fèi)大量人力。近年來(lái)，信息技術(shù)迅速發(fā)展，計(jì)算機(jī)的數(shù)據(jù)處理能力迅速上升，使得人工智能應(yīng)用更加廣泛。機(jī)器學(xué)習(xí)作為人工智能領(lǐng)域的重要分支，也迅速發(fā)展。計(jì)算機(jī)處理可見(jiàn)光圖像具有速度快、準(zhǔn)確性高的特點(diǎn)，能有效彌補(bǔ)上述2種超新星搜尋工作的不足，故通過(guò)計(jì)算機(jī)模式識(shí)別來(lái)搜尋超新星的相關(guān)研究十分有必要。本文總結(jié)了前人的研究成果，通過(guò)“EasyDL”定制化圖像識(shí)別平臺(tái)，建立了可見(jiàn)光圖像搜尋超新星的模型，從而完成超新星搜尋。

1 圖像數(shù)據(jù)的獲取

本文選取了新疆星明天文臺(tái)在2015年7月至2018年7月間拍攝的部分可見(jiàn)光靜態(tài)圖像。此靜態(tài)圖像是將新拍攝的圖像與歷史圖像(以前拍攝的同一目標(biāo)位置的圖像)進(jìn)行減法運(yùn)算的產(chǎn)物。新拍攝的圖像與歷史圖像均由Celestron C14望遠(yuǎn)鏡拍攝，視場(chǎng)19分(Dec)*25分(RA)，曝光時(shí)間60s。理想狀況下，在靜態(tài)圖像中的超新星以圓形白色亮斑的形式存在，對(duì)超新星的搜尋可以通過(guò)搜尋可見(jiàn)光圖像上的白色亮斑的方式進(jìn)行。獲得的可見(jiàn)光靜態(tài)圖像總共572張，從中人工選取了拍攝質(zhì)量合格、拍攝時(shí)間距離超新星爆發(fā)時(shí)間接近的典型圖像335張。此典型圖像上的超新星亮度高、所占面積大、與圖像背景的邊緣明銳，具有超新星的典型特征。

2 EasyDL平臺(tái)的使用

本文采用百度EasyDL定制化訓(xùn)練平臺(tái)對(duì)圖像進(jìn)行深度學(xué)習(xí)。該平臺(tái)支持定制圖像分類和物體檢測(cè)2類圖像識(shí)別模型。采用物體檢測(cè)模型能在一張圖像上定制識(shí)別出每個(gè)物體的位置、數(shù)量、名稱。平臺(tái)用戶創(chuàng)建模型后可上傳并標(biāo)注數(shù)據(jù)，然后訓(xùn)練模型并檢驗(yàn)其效果，最終上線模型，獲取應(yīng)用程序編程接口(API)或離線軟件開(kāi)發(fā)工具包(SDK)。具體步驟如下：

(1)將335張典型靜態(tài)圖像上傳EasyDL平臺(tái)后，使用EasyDL平臺(tái)的標(biāo)注工具，拖動(dòng)畫(huà)框，圈出圖像中的超新星，人工標(biāo)注超新星在可見(jiàn)光圖像的位置，使超新星與可見(jiàn)光照片背景間有一條分明的界線。

(2)標(biāo)注完成后，訓(xùn)練該模型，令其進(jìn)行機(jī)器學(xué)習(xí)。EasyDL平臺(tái)自動(dòng)將圖像的70%用于訓(xùn)練，將30%的模型用于檢驗(yàn)?zāi)Ｐ托Ч?。約2 h后第一次訓(xùn)練完成。

(3)重復(fù)訓(xùn)練操作5次。為了評(píng)估系統(tǒng)的效果，本文計(jì)算了3次模型訓(xùn)練結(jié)果的平均準(zhǔn)確率(mAP)、精確率、召回率[5]。

mAP是衡量模型效果的指標(biāo)。對(duì)于物體檢測(cè)任務(wù)，每一類物體都可以計(jì)算出其精確率和召回率，在不同閾值下多次計(jì)算/試驗(yàn)，每個(gè)類都可以得到一條P-R曲線，曲線下的面積就是AP的值。“m”的意思是對(duì)每個(gè)類的AP再求平均，得到的就是mAP的值。mAP越接近1，模型效果越好。精確率為正確識(shí)別的物體數(shù)與識(shí)別物體總數(shù)之比，召回率為正確識(shí)別的物體數(shù)與真實(shí)物體數(shù)之比。

3 測(cè)試結(jié)果分析

5次模型訓(xùn)練結(jié)果的mAP、精確率、召回率見(jiàn)表1。由于在檢驗(yàn)?zāi)Ｐ托Ч麜r(shí)部分 “supernova”標(biāo)簽被EasyDL平臺(tái)錯(cuò)誤地認(rèn)為“標(biāo)簽檢測(cè)有誤”或“標(biāo)簽未被檢測(cè)到”， 訓(xùn)練結(jié)果的mAP、精確率、召回率的真實(shí)值應(yīng)優(yōu)于實(shí)驗(yàn)值。

實(shí)驗(yàn)結(jié)果表明，此超新星自動(dòng)搜尋系統(tǒng)有一定效果，能在較快的時(shí)間內(nèi)識(shí)別超新星，能準(zhǔn)確地反饋超新星在可見(jiàn)光圖像的位置坐標(biāo)，大大減少了搜尋超新星的工作量。系統(tǒng)采用EasyDL平臺(tái)，可獲取系統(tǒng)的API和SDK，不僅能實(shí)現(xiàn)超新星的自動(dòng)搜尋，而且通過(guò)適當(dāng)擴(kuò)充訓(xùn)練圖像可以實(shí)現(xiàn)系統(tǒng)的進(jìn)化，進(jìn)而提高系統(tǒng)的識(shí)別效果，具有較強(qiáng)的可開(kāi)發(fā)性。

表1 測(cè)試結(jié)果

4 結(jié)束語(yǔ)

超新星自動(dòng)搜尋系統(tǒng)經(jīng)過(guò)長(zhǎng)時(shí)間的發(fā)展，已經(jīng)取得了較多的進(jìn)展，其應(yīng)用與相關(guān)應(yīng)用(如近地小行星自動(dòng)搜尋系統(tǒng))前景廣泛[6-7]。本文依托百度EasyDL定制化圖像識(shí)別系統(tǒng)平臺(tái)，設(shè)計(jì)出了超新星搜尋系統(tǒng)。在未來(lái)的超新星搜尋工作中，可以使用“自動(dòng)搜尋系統(tǒng)為主，人工確認(rèn)為輔”的工作模式，提高搜尋超新星的效率。但由于時(shí)間與技術(shù)有限，本文設(shè)計(jì)的超新星自動(dòng)搜尋系統(tǒng)在識(shí)別暗弱超新星、分辨噪點(diǎn)等方面有待進(jìn)一步改進(jìn)。