كيف تؤثر جودة الصور الخام على أداء الذكاء الاصطناعي في التطبيقات الفضائية؟

في عالم الفضاء، حيث تكون كل لحظة مهمة للغاية، يزداد الاهتمام بتطبيقات الذكاء الاصطناعي (AI) مثل الكشف عن السفن والحرائق والغيم. فالتقنيات المتطورة تتيح معالجة البيانات في الزمن الحقيقي، مما يساعد في تعزيز استجابة المهمات وتقليل الحاجة إلى نقل البيانات. ولكن، هل يمكن أن يؤثر استخدام الصور الخام أو المعالجة بشكل بسيط على دقة هذه النماذج؟

أجرت دراسة حديثة تقييمًا لتأثير تدهور جودة الصور على أداء الكشف عن الأجسام، من خلال استخدام مؤشرات مثل نسبة الإشارة إلى الضجيج (SNR) ووظيفة نقل التعديل (MTF) والمسافة الناتجة عن العينة الأرضية (GSD). تم تطبيق تدهورات متحكم بها على صور عالية الدقة من شركة ماكسار (Maxar)، ثم تم اختبار ثلاثة نماذج خفيفة للكشف: YOLOv5s وYOLOX-S وNanoDet.

أظهرت النتائج أن التأثيرات مرتبطة بشكل معقد بآلية التدهور، إذ إن زيادة التدهور لا تعني بالضرورة انخفاضًا متناسبًا في الأداء الكشفي. كان لمؤشر GSD التأثير الأكثر ثباتًا على الأداء، بينما كانت تأثيرات MTF وSNR تعتمد بشكل أكبر على النموذج والدقة المستخدمة. كما تشير النتائج إلى أن التدهورات الشديدة مثل الجمع بين الضباب والضجيج تؤدي إلى أكبر خسائر في الأداء.

هذه النتائج تقدم معلومات قيمة تدعم اتخاذ قرارات حول الحساسات وعمليات المعالجة وتوازنات الذكاء الاصطناعي خلال تطوير أنظمة المستقبل الفضائية.