近地轨道上越来越多的空间物体、碎片和卫星对太空作业期间的碰撞构成了重大威胁。目前，跟踪空间物体的雷达和射电望远镜正在监测这种情况，但许多空间碎片由非常小的金属物体组成，难以探测。

研究发现基于人工智能的系统在发现难以探测的太空碎片方面具有潜在优势

在《IET雷达、声纳与导航》杂志上发表的一项研究中，研究人员展示了使用深度学习(人工智能的一种形式)通过雷达检测​​小空间物体的好处。

该团队在跟踪模式下对欧洲著名的雷达系统(称为跟踪和成像雷达)进行建模，以生成训练和测试数据。然后，该小组将经典检测系统与基于You-Only-Look-Once(YOLO)的检测器进行了比较。(YOLO是一种流行的目标检测算法，已广泛应用于计算机视觉应用中。)

模拟环境中的评估表明，基于YOLO的检测优于传统方法，在保证高检测率的同时保持较低的误报率。

“除了提高太空监视能力之外，像YOLO这样的基于人工智能的系统还有可能彻底改变空间碎片管理，”意大利罗马特雷大学的共同通讯作者FedericaMassimi博士说。

“通过快速识别和跟踪难以检测的物体，这些系统可以实现主动决策和干预策略，以减轻碰撞和风险，并保持关键空间资源的完整性。”