基于机器学习的LAMOST光纤定位检测算法的研究

雷克儿

分区并行可控的光纤定位系统是大天区面积多目标光纤光谱天文望远镜（Large Sky Area Multi-Object Fiber Spectroscopic Telescope， LAMOST）的关键技术之一，LAMOST现有光纤定位系统采用开环控制的方式，光纤的定位精度取决于光纤定位单元的控制精度和标定得到的初始参数。光纤的定位精度会直接影响望远镜的观测效率，为了进一步提高光纤的定位精度和望远镜的观测效率，LAMOST现有的开环控制的光纤定位系统急需升级为闭环控制的系统，并研发一套相应的光纤定位检测技术。本文针对LAMOST光纤定位的高精度检测这一难题和迫切需求展开研究。本文的主要工作和创新点如下：提出了一种基于深度学习的光纤定位单元检测算法，成功地实现对光纤定位单元两回转臂的角度测量。在非监督的运行模式下，光纤定位单元有可能因为机械错误或偶发的机械碰撞导致初始参数发生改变，这会导致光纤单元的定位精度变差和碰撞的发生。我们利用LAMOST光纤检测系统获取的前照图像提出了一种基于机器学习的光纤单元检测算法，首先利用基于深度学习的图像分割算法将光纤单元分割为几个互不相交的部分，然后根据几何结构特征匹配得到光纤单元两个回旋臂的角度。初步的测试结果显示光纤单元两臂角度的检测精度好于2.5度，这足以检测出那些初始角度发生明显错误的光纤单元。通过背照数据检测到的光纤位置和光谱流量的相关分析也验证了我们检测结果的准确性。提出了一种基于前照法的新型高精度光纤定位检测方法。光纤位置检测是闭环控制中最重要的部分，多目标光纤光谱望远镜中常使用的背照光纤检测法通过将光纤端面照亮，然后测量光纤端面发出的光斑直接检测光纤位置。我们提出了一种基于前照的光纤检测方法，前照光纤检测法不需要在光谱仪内部安置照明和机械设备，相比于背照法减少了在光谱仪端带来的光污染和不稳定性。陶瓷孔的位置和光纤的位置是一一对应的，我们首先将前照图像中用于夹持光纤的陶瓷孔提取出来，然后利用高斯曲面拟合得到光纤的位置。一系列的测试表明前照的光纤检测精度好于0.12 arcsec，在通过简单的径向修正后其可以达到与背照法同等水平的光纤检测精度。LAMOST对光纤的定位精度为0.4 arcsec，基于前照法得到的光纤检测精度满足光纤检测的精度要求，可用于闭环控制系统中的光纤检测。本文提出的LAMOST光纤定位检测算法能够精确检测出光纤单元的运行状态和光纤的实时位置，对于分析和评价光纤定位误差、预防光纤定位单元碰撞以及对光纤位置的精确检测等具有重要的技术和实用价值，为LAMOST升级为闭环控制的光纤定位系统储备了光纤定位检测技术。