新算法将帮助好奇号探测器分析火星土壤

[观看视频:与火星土壤样本近距离接触] redOrbit Staff&Wire Reports - 您的宇宙在线虽然美国宇航局火星探测器好奇号上的仪器能够轻松识别岩石的化学成分,但可以测量风速和路易斯安那州立大学(LSU)的研究人员表示,从安装在桅杆上的摄像机拍摄惊人的图像,分析土壤图像的过程可能是一项艰巨的任务

毕竟,大学指出,很多时候有数千个图像要分析,土壤颗粒通常只有5到10个像素宽

然而,现在由路易斯安那州立大学地质和地球物理系的Suniti Karunatillake领导的一个研究小组已经采用一种新的算法来解决这个问题,这个算法应该可以让任务变得更容易

来自Rider大学,Stony Brook大学和位于亚利桑那州弗拉格斯塔夫的美国地质调查局(USGS)的Karunatillake及其同事共同创建了一种图像分析和分割算法,专门用于帮助NASA科学家完成这一基本但仍然具有挑战性的任务

“行星科学家使用图像来识别大尺寸(厘米或更大直径)岩石和小尺寸(小于1厘米)颗粒的粒度分布,”该大学在一份声明中解释说

“这些粒度告诉科学家关于将粒子从源区域分布到现在的位置的过程

例如,它们是来自水源,风吹还是显示流体动力学分类

“该算法已经在Mathematica中实现,Mathematica是一个计算软件程序,用于几个不同的科学,数学,计算或工程相关领域

据报道,据报道,它使用各种不同的图像处理步骤,首先将图像分割成前景和背景颗粒,然后继续这一过程,直到几乎所有较粗和较细的颗粒被勾勒出来

“该代码在1至5分钟内处理单个图像,”LSU官员说

“半自动算法虽然与手动(人类)分割相比有利,但在多个图像上提供了比人类更好的一致性

研究人员正在探索使用这种算法来量化来自火星探测流镜微观成像仪(MI)以及好奇号的火星手镜成像仪(MAHLI)的图像中的晶粒尺寸

“”这些图像中识别出的晶粒尺寸分布具有他们补充说:“有可能揭示以前没有考虑过的成分的细微趋势

” “识别图像中大部分颗粒的能力也使得详细的,面积加权的沉积学成为可能

应用扩展到来自较不易接近的地点的地面数据,如深湖盆地或未受干扰的河床沉积物

“11月7日,好奇号火星车在与火星勘测轨道器的通信过程中经历了意外的软件重启(也称为热重置)据美国宇航局称

在此事件发生后,火星车在安全模式下停留了几天,然后在周日成功转换回名义水面作业模式

好奇心科学业务于周四恢复

上一篇 :朱诺在木星三年之旅前让地球飞过
下一篇 该团队在阿根廷发现了30吨巨大的陨石