| |
| Acadêmico(a): William Maurício Glück |
| Título: ASTROLAB: UMA FERRAMENTA PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CORPOS CELESTES |
| |
| Conclusão: |
| Este trabalho apresentou o desenvolvimento de uma ferramenta que realiza classificação morfológica de galáxias a partir de imagens astronômicas. Os objetivos principais eram realizar redução de ruído nas imagens utilizadas, treinamento de uma rede neural e classificação utilizando os pesos treinados. A etapa de processamento conseguiu reduzir o ruído da base de dados parcialmente, apresentando problema em imagens com duas galáxias muito próximas, astros sobrepostos, ou corpos estranhos aparecendo. Novos algoritmos e técnicas devem ser testados futuramente em busca de melhores resultados. O treinamento da rede neural, apesar da dificuldade encontrada na etapa de processamento das imagens, foi satisfatório. Taxas de acerto acima de 97% foram atingidas nas imagens de treino. Testes de performance na base de testes (978 imagens) foram realizados com os pesos treinados e atingiram taxa de acerto acima de 86%. Os longos períodos de treinamento foram incômodos e inviabilizaram uma quantidade maior de testes, especialmente em diferentes designs de rede. A ferramenta foi desenvolvida na linguagem de programação Python juntamente com a biblioteca TensorFlow para a criação da rede neural convolucional. Todo o processamento de imagens foi realizado utilizando a biblioteca OpenCV. Toda iteração com o usuário é realizada via console. A base de dados utilizada para validação da implementação foi montada através do serviço ImageCutout do SDSS, com base nas informações disponibilizadas pelo projeto Galaxy Zoo 2. Foram mais de 100.000 imagens baixadas, processadas e utilizadas para treino da rede neural. A criação da base de dados (imagens, processamento, criação dos arquivos de rótulos) foi realizada através de scripts escritos na linguagem de programação Python. É possível concluir que a implementação realizada apresenta uma alternativa na realização de classificação morfológica de galáxias. Por fim, este trabalho pode servir como base para futuros trabalhos na área. |
| |
|
