Identifiering av nya stjärnors ursprung En bildanalystudie av data från Spitzerteleskopet
Typ
Examensarbete för kandidatexamen
Bachelor Thesis
Bachelor Thesis
Program
Publicerad
2023
Författare
Bergman, Johan
Johansson, Adam
Kula, Jan
Laessker, David
Ryd, Axel
Östling, Emrik
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Denna kandidatuppsats behandlar ett av de mest grundläggande problemen inom
astrofysik, hur stjärnor bildas. Förståelsen av stjärnbildning är avgörande för att
få insikter i större frågor, så som hur galaxer och stjärnsystem bildas. Stjärnbild ningen sker när molekylära moln kollapsar. Projektets syfte är att analysera data
över utstrålat infrarött ljus taget från Spitzerteleskopet för att hitta dessa moln.
Datan är omfattande och skulle vara alldeles för tidskrävande att identifiera manu ellt. För att lösa detta problem har kod skrivits för att automatisera identifieringen
av molekylära moln, genom att använda bildanalysmetoder som Fourierfiltrering,
oskarp maskering och waveletfiltrering. Utöver detta har en maskininlärningsmodell
använts för att hitta de infrarött mörka molnen. De olika bildanalysmetoderna har
jämförts med varandra för att se vilken som ger bäst resultat. Maskininlärnings metoden utvärderades som att ha bäst prestanda. Kataloger av detekterade moln
skapades för varje metod. Katalogen med medianmetoden hittade 25 786 moln, Fou riermetoden hittade 20 036 moln och katalogen med maskinlärningsmetoden hittade
13 505 moln. Maskinlärningsmodellen har högst uppskattad träffsäkerhet där 78,8 %
av de detekterade områdena var moln. Detta jämförs med 59,7 % för medianmeto den och 56,5 % för Fouriermetoden. Dessa träffsäkerheter uppmättes från mindre,
manuellt annoterade områden och används som uppskattningar av prestandan på
hela datamängden.
Keywords: image analysis, spitzer, interstellar medium, IRDC, CNN, YOLO, machi ne learning, Fourier background removal, milky way, GLIMPSE
Beskrivning
Ämne/nyckelord
image analysis, spitzer, interstellar medium, IRDC, CNN, YOLO, machi ne learning, Fourier background removal, milky way, GLIMPSE