[发明专利]光学天文望远镜智能维护方法、系统及设备

说明书

本发明属于天文望远镜技术领域，公开了一种光学天文望远镜智能维护方法、系统及设备。本发明的方法，包括将望远镜终端仪器获得的图片作为输入，使用预设的随机深林算法对输入的图片分类，保留望远镜正常工作且包含亮星的图片，作为第一星像图像；对第一星像图像进行星像提取，获得只包含单颗亮星的第二星像图像；使用预设的卷积神经网络获得第二星像图像中星像的像斑形状作为第二星像图像的第一图像特征；获取第二星像图像的像斑大小作为第二图像特征；输出用第二星像图像的第一图像特征、第二图像特征表示的成像质量数据。本发明可以实现天文望远镜成像质量实时监测以及故障实时诊断，提高望远镜的维护效率，增加数据产出，减轻维护人员的负担。

技术领域

本发明属于天文望远镜技术领域，具体涉及一种光学天文望远镜智能维护方法、系统及设备。

背景技术

天文望远镜维护可以保障望远镜工作在最佳状态以及高质量的数据输出，天文望远镜的日常维护分为观测前各项设备的检测和观测过程中故障维护，观测前的设备检测效率一般不对夜间观测产生影响。观测过程中的故障维护分为故障的监测、故障的诊断，以及故障设备的更换，维护过程占用观测时间影响数据产出，故障未能及时发现会直接影响望远镜成像质量。

高效的望远镜维护可以节约观测时间、增加数据产出，天文望远镜高效维护的关键在于成像质量的实时监测以及故障的高效诊断。为了实现天文望远镜的高效维护，现有技术中采用了以下技术：

甚大望远镜以及斯隆数字巡天望远镜在望远镜关键位置安装传感器构造望远镜性能监测器，当传感器数值超过设置的阈值时显示警告提醒维护人员进行维护；

激光干涉引力波天文台对大量的观测日志进行数据整理，用于构造数据查询及建议系统，针对用户的输入返回匹配的文本信息，帮助提高维护效率。

但是，上述传统望远镜维护方法，监测结果不能直接反应望远镜最终产品成像质量的好坏，故障诊断效率依赖维护人员的经验，随着越来越多的先进技术在望远镜上进行应用，例如主动光学技术、自适应光学技术，望远镜维护任务变得复杂且困难，难以适应目前越来越复杂的望远镜维护任务，亟需智能化的望远镜维护技术。

发明内容

本发明目的是：针对现有技术的不足，提供一种光学天文望远镜智能维护方法、系统及设备，针对光学天文望远镜运行过程中的故障维护，基于深度学习以及知识图谱等人工智能技术，对望远镜成像质量进行实时监测和故障诊断，简化维护操作，减轻维护人员负担，提高望远镜维护运行效率。

具体地说，本发明是采用以下技术方案实现的。

一方面，本发明提供一种光学天文望远镜智能维护方法，包括:

将望远镜终端仪器获得的图片作为输入，使用预设的随机深林算法对输入的图片进行分类，保留望远镜正常工作且包含亮星的图片，作为第一星像图像；

对所述第一星像图像进行星像提取，获得第二星像图像，所述第二星像图像为只包含单颗亮星的小图片；使用预设的卷积神经网络获得所述第二星像图像中星像的像斑形状，作为第二星像图像的第一图像特征；获取第二星像图像的像斑大小，作为第二星像图像的第二图像特征；

输出成像质量数据，作为目标图像特征；所述成像质量数据用所述第二星像图像的第一图像特征、第二星像图像的第二图像特征表示。

进一步地，所述获取第二星像图像的像斑大小为计算所述第二星像图像的半高全宽。

进一步地，所述光学天文望远镜智能维护方法还包括：在所述成像质量数据偏离预设的正常阈值时发出警报。

进一步地，所述随机深林算法和卷积神经网络通过以下方式训练得到：

对所述望远镜终端仪器获得的图片进行分类，得到图片与望远镜运行状态之间的对应关系；