孫?？?/p>

(淄博實驗中學, 山東 淄博 255000)

0 引 言

超新星作為恒星在演化接近末期時經(jīng)歷一次劇烈爆炸而形成的天體，形成時會發(fā)出強烈的電磁波，其中可見光波段是超新星搜尋的主要途徑[1]。超新星的可見光搜尋工作主要分為2類：一類是專業(yè)天文學家所做的巡天工作，使用大型望遠鏡自動搜尋大面積天空，如美國加州大學Berkeley分校的CCD巡天和北京天文臺興隆觀測站的60cm望遠鏡巡天[2-3]。另一類為天文愛好者使用小型望遠鏡人工在較亮星系搜尋的工作，如新疆星明天文臺的公共超新星搜尋項目[4]。前者的搜尋工作主要依靠計算機自動處理，具有速度快、自動化程度高的特點，但同樣具有準確性不高、容易遺漏目標的缺點，而且其圖像識別系統(tǒng)與相關(guān)程序不公開。后者的搜尋工作準確性高，但效率低下，因為超新星爆發(fā)持續(xù)時間、視星等有限。可見光圖像數(shù)據(jù)量龐大，對超新星的人工搜尋效率低下，會浪費大量人力。近年來，信息技術(shù)迅速發(fā)展，計算機的數(shù)據(jù)處理能力迅速上升，使得人工智能應(yīng)用更加廣泛。機器學習作為人工智能領(lǐng)域的重要分支，也迅速發(fā)展。計算機處理可見光圖像具有速度快、準確性高的特點，能有效彌補上述2種超新星搜尋工作的不足，故通過計算機模式識別來搜尋超新星的相關(guān)研究十分有必要。本文總結(jié)了前人的研究成果，通過“EasyDL”定制化圖像識別平臺，建立了可見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在2015年7月至2018年7月間拍攝的部分可見光靜態(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位置的圖像)進行減法運算的產(chǎn)物。新拍攝的圖像與歷史圖像均由Celestron C14望遠鏡拍攝，視場19分(Dec)*25分(RA)，曝光時間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，對超新星的搜尋可以通過搜尋可見光圖像上的白色亮斑的方式進行。獲得的可見光靜態(tài)圖像總共572張，從中人工選取了拍攝質(zhì)量合格、拍攝時間距離超新星爆發(fā)時間接近的典型圖像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平臺的使用

本文采用百度EasyDL定制化訓練平臺對圖像進行深度學習。該平臺支持定制圖像分類和物體檢測2類圖像識別模型。采用物體檢測模型能在一張圖像上定制識別出每個物體的位置、數(shù)量、名稱。平臺用戶創(chuàng)建模型后可上傳并標注數(shù)據(jù)，然后訓練模型并檢驗其效果，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平臺后，使用EasyDL平臺的標注工具，拖動畫框，圈出圖像中的超新星，人工標注超新星在可見光圖像的位置，使超新星與可見光照片背景間有一條分明的界線。

(2)標注完成后，訓練該模型，令其進行機器學習。EasyDL平臺自動將圖像的70%用于訓練，將30%的模型用于檢驗?zāi)Ｐ托Ч?。約2 h后第一次訓練完成。

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

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

3 測試結(jié)果分析

5次模型訓練結(jié)果的mAP、精確率、召回率見表1。由于在檢驗?zāi)Ｐ托Ч麜r部分 “supernova”標簽被EasyDL平臺錯誤地認為“標簽檢測有誤”或“標簽未被檢測到”， 訓練結(jié)果的mAP、精確率、召回率的真實值應(yīng)優(yōu)于實驗值。

實驗結(jié)果表明，此超新星自動搜尋系統(tǒng)有一定效果，能在較快的時間內(nèi)識別超新星，能準確地反饋超新星在可見光圖像的位置坐標，大大減少了搜尋超新星的工作量。系統(tǒng)采用EasyDL平臺，可獲取系統(tǒng)的API和SDK，不僅能實現(xiàn)超新星的自動搜尋，而且通過適當擴充訓練圖像可以實現(xiàn)系統(tǒng)的進化，進而提高系統(tǒng)的識別效果，具有較強的可開發(fā)性。

表1 測試結(jié)果

4 結(jié)束語

超新星自動搜尋系統(tǒng)經(jīng)過長時間的發(fā)展，已經(jīng)取得了較多的進展，其應(yīng)用與相關(guān)應(yīng)用(如近地小行星自動搜尋系統(tǒng))前景廣泛[6-7]。本文依托百度EasyDL定制化圖像識別系統(tǒng)平臺，設(shè)計出了超新星搜尋系統(tǒng)。在未來的超新星搜尋工作中，可以使用“自動搜尋系統(tǒng)為主，人工確認為輔”的工作模式，提高搜尋超新星的效率。但由于時間與技術(shù)有限，本文設(shè)計的超新星自動搜尋系統(tǒng)在識別暗弱超新星、分辨噪點等方面有待進一步改進。