Como unidades de paisaje más típicas y comunes en la superficie lunar, los cráteres registran las características morfológicas y la distribución espacial que reflejan la historia evolutiva de la Luna, la formación del clima y la edad de su superficie. Debido a fenómenos como los bordes borrosos de los cráteres y los cráteres anidados, todavía existen problemas con la identificación automática de los cráteres (especialmente de pequeña escala) con baja precisión de identificación y dificultades para identificar los pequeños cráteres en los grandes cráteres. Por lo tanto, debido a la gran cantidad de pequeños cráteres y su difícil identificación, así como los problemas de identificación de los cráteres anidados, en este artículo se propone un método automático de identificación de los pequeños cráteres en la superficie lunar basado en una estrategia de transferencia de conocimientos, para localizar e identificar automáticamente los cráteres. Este método regresa directamente al centro del cráter y su tamaño en un mapa de características de alta resolución generado por la red de relojes de arena apilados, y no requiere operaciones de postprocesamiento como la supresión de valores no máximos, lo que logra una identificación automática de diferentes tipos de cráteres. Al mismo tiempo, utilizando un enfoque de transferencia de conocimientos para el entrenamiento, este enfoque dota al modelo de entrenamiento de ciertas optimizaciones, no comenzando desde cero, asegurando así al modelo una mayor confiabilidad y robustez. El artículo presenta experimentos y verificaciones en imágenes de las regiones lunares del Golfo Arcoíris y la región del Mar de las Tormentas, así como una evaluación cuantitativa y cualitativa en comparación con la base de datos existente de cráteres de Robbins, los resultados muestran que el modelo de identificación automática diseñado en este artículo puede extraer efectivamente los cráteres, y resolver parcialmente el problema de identificación de los pequeños cráteres en los cráteres anidados.

extracción de cráteres; identificación inteligente; aprendizaje profundo; reconocimiento de objetos; región del Golfo Arcoíris; región del Mar de las Tormentas