NEARBY 플랫폼 자동 소행성 탐지 알고리즘

초록

**
본 논문은 NEARBY 연구 프로젝트에서 개발한 자동 소행성 탐지 알고리즘을 소개한다. 이 알고리즘은 블링크 방식과 빅데이터 처리 기법을 결합한 MOPS 파이프라인에 통합되어, 대규모 천체 이미지에서 움직이는 근접천체(NEO)를 실시간으로 식별하고, 시각적 분석을 통해 인간 검증을 가속화한다.

**

상세 분석

**
NEARBY 플랫폼은 기존의 NEO 탐지 시스템이 갖는 두 가지 주요 한계를 극복하도록 설계되었다. 첫째, 데이터 양이 급증함에 따라 전통적인 수작업 검증이 비효율적이라는 점이다. 둘째, 기존 MOPS(Moving Object Processing System) 파이프라인이 이미지 전처리와 객체 연계 단계에서 병목 현상을 보인다는 점이다. 이를 해결하기 위해 저자들은 ‘블링크 방법’을 핵심으로 하는 자동 탐지 알고리즘을 구현하였다. 블링크 방법은 연속된 이미지 프레임을 빠르게 전환하면서 움직이는 물체를 시각적으로 강조하는 기법으로, 인간 눈에 익숙한 방식이지만 여기서는 컴퓨터 비전 기술로 자동화되었다.

알고리즘은 크게 네 단계로 구성된다. (1) 이미지 정규화 및 배경 제거 단계에서는 각 프레임의 광도 차이를 보정하고, 정적 별과 은하를 모델링하여 배경을 최소화한다. 여기서는 대규모 병렬 처리 프레임워크인 Apache Spark를 활용해 수천 장의 이미지 데이터를 실시간으로 전처리한다. (2) 점군 추출 단계에서는 차등 이미지(differential image)를 생성하고, 고정 임계값과 로컬 최대값 검출을 결합해 후보 점군을 도출한다. (3) 연결 및 트래킹 단계에서는 후보 점군을 시간 순서대로 연결해 움직임 궤적을 형성한다. 이때 Kalman 필터와 RANSAC 기반 외곡 제거 기법을 적용해 잡음과 오류를 최소화한다. (4) 시각적 검증 인터페이스 단계에서는 최종 후보를 웹 기반 대시보드에 시각화하고, 사용자는 블링크 애니메이션을 통해 인간 감각에 의존한 빠른 검증을 수행한다.

핵심 기술적 기여는 다음과 같다. 첫째, 빅데이터 친화적 파이프라인 구축으로, 수십 테라바이트 규모의 이미지 데이터를 분산 환경에서 5분 이내에 처리한다. 둘째, 자동 블링크 구현을 위해 GPU 가속된 이미지 차분 및 변환 알고리즘을 도입해 프레임 전환 속도를 초당 30프레임 이상으로 끌어올렸다. 셋째, 시각 분석과 인간‑기계 협업을 결합한 UI 설계로, 검증 시간 평균을 기존 30초에서 8초로 단축시켰다. 마지막으로, 실험 결과는 기존 공개 데이터셋(예: Pan-STARRS, Catalina Sky Survey)에서 95% 이상의 재현율과 2% 이하의 위양성률을 달성했으며, 새로운 NEO 후보 12개를 추가로 발견했다는 점에서 실용성을 입증한다.

이러한 설계는 향후 대규모 천문 관측소(예: LSST)와 연계될 경우, 실시간 위험 천체 감시 체계의 핵심 구성 요소로 활용될 가능성을 시사한다. 또한, 블링크 기반 자동 탐지와 시각 분석의 결합은 다른 분야(예: 위성 추적, 해양 플라스틱 감시)에도 적용 가능한 범용 프레임워크로 확장될 수 있다.

**