[2026年7月30日提交]

View PDF HTML (experimental)

Abstract:低地球轨道的空中监视受到两个相互关联的瓶颈的阻碍：纳米卫星的下行链路预算有限，但传统方法仍将数TB原始图像传输至地面进行处理；此外，开放的卫星飞机数据集稀缺且类别严重不平衡。这些限制要么延迟及时决策，要么阻止标准检测器学习稀有飞机类别的鲁棒表示。本文提出了一种结合机载推理与生成式数据增强的工作流程，以共同解决这两个限制。推理在配备低功耗边缘张量加速器的6U立方星上执行，而通过低秩适应微调的扩散模型生成合成的少数类别图像。该合成输出由中间检测器自动标注（伪标签），并与经典增强样本合并。结果显示，平衡后的数据集将全局平均精度从77.9%提升至82.2%，其中少数类别的F1从0.683提升至0.811，且量化后的检测器适配片上内存，预计在轨道上每秒处理25-30帧。该方法与传统的“弯管”架构形成对比，在传统架构中卫星仅充当被动数据收集器。因此，计算测试支持所提出的工作流程作为从纳米卫星进行实时自主空中监视的决策支持工具。

Submission history

From: David Muñoz-Valero [view email]
[v1] Thu, 30 Jul 2026 16:26:38 UTC (20,760 KB)