Crear mapas geológicos de superficies planetarias como las de Marte es un proceso complejo. Desde la recopilación y el análisis de datos hasta la publicación en diferentes formatos, la producción de mapas se basa en un proceso de varios pasos que requiere mucho tiempo.
Las técnicas de aprendizaje profundo, que utilizan redes neuronales artificiales para analizar conjuntos de datos, pueden mejorar significativamente el proceso de producción, como se muestra ampliamente tanto en la literatura científica como en las aplicaciones. Sin embargo, hasta ahora, los conjuntos de herramientas de código abierto, listos para usar y altamente personalizables para el mapeo planetario no estaban disponibles.
“Estábamos interesados en diseñar una herramienta simple y lista para usar que muchos puedan personalizar y usar”, dijo Giacomo Nodjoumi. El doctorado candidato en el grupo de investigación de Angelo Rossi, profesor de Ciencias Planetarias y de la Tierra en la Universidad de Constructor, fue clave para desarrollar “DeepLandforms”. El programa es de acceso abierto y está disponible para una mayor optimización, y muestra un enfoque económico, rápido y simple para mapear planetas en el espacio exterior.
Los científicos demostraron los resultados que se pueden lograr con la ayuda del software para el mapeo planetario con una forma de relieve específica en Marte, que se asemeja a los tubos de lava en la Tierra. Los mapas geológicos son una herramienta importante en la exploración planetaria, porque también sirven como base para posibles exploraciones por parte de robots o humanos.
“DeepLandforms: un conjunto de herramientas de Deep Learning Computer Vision aplicado a un caso de uso principal para mapear tragaluces planetarios” se publica en la revista Earth and Space Science.
Con información de Phys.org
