【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]‘별 관측 훼방꾼’ 인공위성 흔적, AI가 골라낸다

온카뱅크관리자

2026-11-16 00:37:26

<div id="layerTranslateNotice" style="display:none;"></div> 서울대, 위성 궤적 검출 AI 개발 ‘스타링크’ 등 저궤도 위성 급증… 반사광에 천체 관측 영상 오염 AI로 궤적 부분만 찾아내 제외… 관측 정보 ‘99.95% 보존’ 성공 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="ymEqwPztFU">
 <figure class="figure_frm origin_fig" contents-hash="7559628d3984c4174e863f00f7e200feb86118a41b25ca068fc26d5b75490b72" dmcf-pid="WsDBrQqFzp" dmcf-ptype="figure">
 <img alt="천문 관측 영상에 담긴 위성 궤적을 구별하는 인공지능 기술 ‘스타링크(STARLINC)’가 개발됐다. 왼쪽은 원본 천체 이미지로 위성 궤적이 흐릿하게 보인다. 오른쪽 이미지에서 붉은 선으로 표시된 부분이 스타링크(STARLINC)가 검출한 위성 궤적 위치다.
김신건 서울대 석박통합과정생 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/16/donga/20261116003300973gdno.jpg" data-org-width="680" dmcf-mid="x5jUcfpXzu" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/16/donga/20261116003300973gdno.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 천문 관측 영상에 담긴 위성 궤적을 구별하는 인공지능 기술 ‘스타링크(STARLINC)’가 개발됐다. 왼쪽은 원본 천체 이미지로 위성 궤적이 흐릿하게 보인다. 오른쪽 이미지에서 붉은 선으로 표시된 부분이 스타링크(STARLINC)가 검출한 위성 궤적 위치다. 김신건 서울대 석박통합과정생 제공
 </figcaption>
 </figure>
 <div contents-hash="ab1c09588557c631d87fba9bc2600bc6787c74e140b272b5cf31201201e82316" dmcf-pid="YOwbmxB3U0" dmcf-ptype="general">
 일론 머스크가 설립한 우주기업 스페이스X의 지구 저궤도 위성통신 서비스 ‘스타링크’를 위한 위성 등을 포함해 저궤도 인공위성 개수가 급격히 늘면서 천문 관측 영상에 남는 위성 궤적이 관측과 천문학 연구에 걸림돌이 되고 있다. 희미한 위성 궤적을 구별하기 힘들뿐더러 궤적이 찍힌 영상 전체를 분석에서 제외하면 천체 관측 정보를 잃게 되는 경우가 많다.
 </div>
 15일 학계에 따르면 이진호 서울대 전기·정보공학부 교수팀은 위성 궤적 검출 기술 ‘스타링크(STARLINC)’를 개발했다. 천문 관측 영상에서 위성 궤적이 있는 부분을 자동으로 찾아 천체 관측 정보 손실을 줄이는 인공지능(AI) 기술이다. 연구결과는 올해 9월 열린 ‘제19회 유럽 컴퓨터비전 학술대회(ECCV 2026)’에서 발표됐다. 지난달 과천국립과학관에서 개최된 한국천문학회의 ‘어둡고 조용한 하늘(DQS)’ 특별세션에서도 소개됐다. ● 천문 관측 방식 차용한 AI
 저궤도 인공위성은 햇빛을 반사해 천문 관측 영상에 선 모양 흔적을 남긴다. 흔적이 별과 겹치면 별의 밝기가 실제와 다르게 측정돼 천체 분석에 영향을 미칠 수 있다.
 위성 궤적이 촬영된 영상 전체를 분석에서 제외하면 궤적이 없는 영역의 관측 정보까지 잃게 된다. 이미 위성 궤적 자동 검출 기술들이 개발됐지만 신호가 약하고 잡음이 많은 천문 영상에서 흐릿하고 가느다란 궤적 흔적을 구별하는 데는 한계가 있다.
 AI가 위성 궤적을 구별하도록 학습시키는 것도 쉽지 않다. 실제 영상의 궤적 위치를 정밀하게 픽셀 단위로 표시해 AI가 학습할 ‘정답 데이터’를 생성하는 데 많은 시간과 노력이 필요하기 때문이다.
 연구팀은 같은 하늘 영역을 반복 촬영하는 기존 천문 관측 방식을 차용했다. 동일한 영역을 서로 다른 시점에 촬영하면 별, 은하 등 천체는 대체로 같은 위치에 나타나지만 위성 궤적은 일부 영상에만 찍힌다. 연구팀은 영상 간 차이를 이용해 고정된 천체의 영향은 줄이고 일시적으로 나타난 위성 궤적을 부각하는 ‘차이 지도’를 생성했다.
 위성 궤적이 없는 실제 천문 영상에 인공 궤적을 추가해 AI 학습 데이터도 제작했다. 길이, 방향, 두께, 밝기를 달리해 다양한 흔적을 구현했다. 인공 궤적을 넣은 위치를 알고 있어 사람이 일일이 표시하지 않아도 궤적 위치를 표시한 학습용 정답 데이터를 만들 수 있다.
 궤적의 존재 여부를 판단하는 보조 AI도 개발했다. 보조 AI가 판단 과정에서 주목한 영역을 추출해 궤적이 존재할 만한 위치를 알려주는 ‘힌트 지도’를 생성해 위성 궤적을 구별하는 데 활용한다.
 최종적으로 영상에서 위성 궤적 영역을 구별하는 AI인 ‘유넷(U-Net)’에 원본 영상과 차이 지도, 힌트 지도를 입력하면 위성 궤적에 해당하는 픽셀을 표시한 영상이 생성된다. 표시 영상을 원본 관측 데이터와 대조해 위성 흔적으로 추정되는 픽셀을 분석에서 제외하는 방식이다.
 ● 천체 관측 정보 손실 막는다
 연구팀은 ‘7차원 망원경(7DT)’으로 촬영한 오리온 분자운 영역 영상 1140장을 연구에 활용했다. 7DT는 서울대가 칠레 안데스산맥 엘 사우세 천문대에 구축한 망원경이다. 영상 중 720장은 스타링크 학습에, 180장은 검증에, 나머지 240장은 성능 평가에 사용했다. 평가 기준은 사람이 직접 위성 궤적을 표시한 정답 영상이다.
 성능 평가 결과 스타링크가 예측한 궤적 영역과 정답 영역이 얼마나 겹치는지 나타내는 지표인 ‘평균 교집합 대 합집합 비율(mIoU)’은 0.485로 기존 방법들(최고 0.240)보다 높았다. mIoU 값이 1에 가까울수록 두 영역이 잘 일치한다는 의미다.
 관측 데이터를 보존하는 비율인 보존율도 비교했다. 위성 궤적이 있는 영상 전체를 분석 대상에서 제외하면 전체 픽셀의 약 79.58%만 보존된 반면에 스타링크는 약 99.95%가 보존됐다. 관측 정보의 손실을 줄인 것이다.
 추가 학습 없이 다른 관측 데이터에 스타링크를 적용해도 성능이 유지됐다. 7DT로 촬영한 다른 하늘 영역인 ‘NGC’ 영상과 미국 팔로마 천문대에 설치된 ‘츠비키 관측 사업(ZTF)’의 관측 영상에서 mIoU가 각각 0.471, 0.469로 나타났다. 두 데이터셋 모두 기존 방법들보다 높은 점수를 기록했다.
 위성 궤적을 모두 찾아낸 것은 아니다. 실제 궤적 픽셀을 얼마나 찾아냈는지 나타내는 재현율은 0.545였다. 연구팀은 “공개 관측 데이터의 부족으로 평가 범위가 제한됐다”며 더 다양한 관측 자료를 활용한 검증이 필요하다고 밝혔다.
 연구에 참여한 김신건 서울대 석박통합과정생은 “기존에는 오염된 이미지를 통째로 제외하는 경우가 많아 소중한 관측 데이터가 손실됐다”며 “궤적이 포함된 이미지 전체를 폐기하는 대신 궤적에 해당하는 픽셀만 선택적으로 제외해 나머지 관측 정보를 보존할 수 있다는 점이 중요한 의의”라고 말했다.
 문혜원 동아사이언스 기자 moony@donga.com 
 </section> 
 </div> 
 Copyright © 동아일보. All rights reserved. 무단 전재, 재배포 및 AI학습 이용 금지

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기