文章核心观点 - 中国科学院新疆天文台科研团队成功研发了一种用于全天空相机云图自动分类的人工智能模型ASCNet 该模型旨在快速、客观地判别天空状态 以支持天文台址评估和观测运行 [1] - 该模型采用互补的双通道特征提取结构 综合判别云况 在测试中与人工判读结果的一致率达到92.7% 显示出较高的性能和实际应用潜力 [1] 技术研发与模型特点 - 研发主体为中国科学院新疆天文台光学天文与技术应用研究室科研团队 运用人工智能技术实现“让机器理解天空状态” [1] - 模型设计为互补的双通道特征提取结构 一个通道捕获全局语义信息 另一个通道捕获局部亮度纹理特征 从而实现对云况的综合判别 [1] 应用价值与行业意义 - 晴朗稳定的天空是光学天文观测最基本、最宝贵的资源之一 天空中云层的分布直接影响可观测时间和数据质量 [1] - 全天空相机云图实现自动分类 对于降低人工判读工作量、提升台址监测效率具有重要意义 [2] - 随着天文观测向智能化和精细化方向发展 该研究有望在天文台址评估和观测运行支持中发挥更加重要的作用 [2] 测试结果与性能 - 测试结果表明 该模型在云图自动分类任务中表现出较高的一致性和稳定性 与人工判读结果的一致率接近92.7% [1] - 该模型能够有效识别多种典型云况 显示出良好的实际应用潜力 [1]