화성 표면에 널리 분포된 돌멩이는 화성 로버의 안전 주행에 잠재적인 위협을 제공하며, 돌멩이의 분포 특성은 화성 착륙 지역의 지질 진화 연구에 중요한 단서를 제공합니다. 그러나 화성 로버 이미지에서 돌멩이 식별은 다양한 도전에 직면하고 있습니다: 돌멩이와 배경의 테두리가 흐릿하여 윤곽 추출이 어려우며, 표면 질감 특성의 유사성으로 잘못된 판단이 유발되며, 기존의 화성 돌멩이 실제 데이터 세트 부족으로 모델 훈련이 제한됩니다. 화성 로버 이미지에서 돌멩이를 정확하게 식별하기 위해 본 논문은 콘볼루션 자율주의 신경망을 기반으로 한 돌멩이 자동 식별 모델을 제안합니다. 이 모델은 인코더-디코더 아키텍처를 채택하였으며, 여기서 인코더는 이미지 특징을 추출하기 위해 콘볼루션 신경망에 기반하며, 개선된 자율주의 모듈을 포함하여 모델의 맥락 정보 인식 능력을 향상시킵니다. 디코더는 인코더가 추출한 특징을 이미지 공간으로 매핑하여 정확한 분할을 수행합니다. 모델 성능을 검증하기 위해 본 논문은 '주룽호' 화성차 영상을 주석 처리하여 텅원 데이터 셋을 구축하였으며, 모의 돌멩이 데이터 셋Synmars, Simmars6k, '호기심' 영상 데이터 셋MarsData-v2 등 여러 데이터 세트를 결합하여 모델의 성능을 테스트하고 확인하였습니다. 또한 본 논문은 이 모델을 DeepLabv3+, Unet++, Segformer, Marsnet 등 다양한 방법과 정확도를 비교하였습니다. 평균 픽셀 정확도, 재현율, 교차 비율 등 지표를 활용하여 평가한 결과, 이 모델은 돌멩이를 정확하게 인식할 수 있으며, 시뮬레이션 데이터 셋에서의 정확도와 재현율은 각각 90% 이상이며, 실제 데이터 셋에서의 정확도와 재현율은 최적입니다.

화성; 돌멩이 추출; 콘볼루션 신경망; Transformer; 특징 추출