Rilevamento e analisi di oggetti e curve di luce da immagini astronomiche grezze

This thesis proposes two hybrid approaches for detecting and extracting information from inactive spatial objects, or fragments thereof, both based on Artificial Intelligence models and differentiated exclusively by the type of learning employed, respectively supervised and semi-supervised. In both approaches, the classical component is identical and consists of Computer Vision algorithms. Specific hardware and software were used to implement the proposed solutions, such as HPC to speed up the learning phases and an optical simulator designed ad hoc to generate synthetic datasets to support the learning phases and test campaigns.

Nel presente lavoro di tesi vengono proposti due approcci ibridi per il rilevamento e l'estrazione di informazioni da oggetti spaziali inattivi, o loro frammenti, entrambi basati su modelli di Intelligenza Artificiale e differenziati esclusivamente dal tipo di apprendimento impiegato, rispettivamente supervisionato e semi-supervisionato. In entrambi gli approcci la componente classica è identica ed è costituita da algoritmi di Computer Vision. Per realizzare le soluzioni proposte sono stati utilizzati hardware e software specifici, come, ad esempio, l'HPC per velocizzare le fasi di apprendimento e un simulatore ottico progettato ad hoc per la generazione di dataset sintetici a supporto delle fasi di apprendimento e delle campagne di test.