Para atender à necessidade de posicionamento preciso dos componentes de espaçonaves durante a execução de missões espaciais e diante do problema frequente de confusão entre componentes da mesma categoria, este artigo propõe um algoritmo de rastreamento de componentes de espaçonaves baseado em uma estrutura de rede siamesa. Primeiro, através de um modelo de rede neural, o problema de rastreamento dos componentes da espaçonave foi descrito como um problema de medição de similaridade de componentes baseado em dados, e um modelo de rede siamesa baseado em uma estrutura aprimorada da AlexNet foi projetado para a unidade siamesa usada neste artigo. Em seguida, a rede siamesa foi treinada usando o grande conjunto de dados público GOT-10k, utilizando descida estocástica do gradiente como método de otimização da rede para melhorar a capacidade de representação da rede. Por fim, para resolver o problema de confusão de localização causada pela semelhança na aparência dos componentes da mesma classe de espaçonave, foi proposta uma estratégia de rastreamento que combina características temporais de movimento, aumentando a precisão do rastreamento. Foram usados dados de vídeos da espaçonave divulgados pela ESA como dados de teste para validar o desempenho do algoritmo proposto. Os resultados experimentais mostram que o algoritmo proposto alcançou uma taxa de interseção sobre união de 57,2% e 73,1% no rastreamento do corpo e dos painéis solares, respectivamente, com uma velocidade de 38 FPS, satisfazendo essencialmente os requisitos de rastreamento estável, confiável, preciso e com alta capacidade de resistência a interferências dos componentes da espaçonave.

rede siamesa;rastreamento de alvo;componentes de espaçonaves;aprendizado profundo