[2026年7月30日提交]

View PDF HTML (experimental)

Abstract:低地球軌道航空監視受到兩個相互關聯的瓶頸阻礙：奈米衛星的下行鏈路預算有限，但傳統方法仍需傳輸數TB的原始影像至地面進行處理，且開放的衛星航空器資料集稀少且類別嚴重不平衡。這些限制不是延遲即時決策，就是使標準偵測器無法學習稀有航空器類別的穩健特徵表示。本文提出結合機上推論與生成式資料擴增的工作流程，以共同解決這兩個限制。推論在搭載低功耗邊緣張量加速器的6U立方衛星上執行，而透過低秩適應微調的擴散模型則生成合成少數類別影像。此合成輸出由中間偵測器自動標註（偽標註），並與傳統擴增樣本合併。結果顯示，平衡後的資料集將整體平均精確度從77.9%提升至82.2%，少數類別的F1分數從0.683上升至0.811，且量化後的偵測器符合晶片記憶體容量，預估在軌道上可達每秒25-30幀。這種方法與傳統彎管架構形成對比，在傳統架構中衛星僅扮演被動資料收集器。因此，計算測試支持所提出的工作流程作為奈米衛星即時自主航空監視的決策支援工具。

Submission history

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