# 0715-02-人工智慧在太空科技上的應用-劉小菁
# 重點摘要

### 一、AI於影像處理與農業監測的應用

- **水稻田偵測（台灣與泰國）**：
- 使用 LSTM、GRU 模型處理 Formosat-2 與 Sentinel-1 影像，結合農糧署地真資料。
- 建立擴展型 Ground Truth 並使用 TWDC 進行時序與影像預處理。
- 模型整體準確度（Overall Accuracy）達 96% 以上，跨國應用案例與 NECTEC 合作成效佳。
- **崩塌地偵測模式開發**：
- 使用 DeepLabV3+ 模型偵測颱風事件後的崩塌地（如盧碧、海葵颱風）。
- 導入預測機會門檻值（如 >0.95）提升 User Accuracy 至 0.867。
- 處理地真與衛星影像間不一致性，篩選高可信度的預測結果。

---

### 二、TASA AI 平台（Kuwa系統為基礎）

- **對內訓練**：
- 利用 RAG 技術與 GAI 系統，訓練新人在任務規劃、設計、指令、故障診斷等方面。
- 建立教育用資料庫與模擬器平台（如故障案例問答、Document QA系統）。
- **對外科普**：
- 建構互動式 AI 導覽員，推廣立方衛星、軌道、火箭製造等知識。
- 開放式平台支援多語言與多模型架構（如 TAIDE、ChatGPT、多模態API整合）。

---

### 三、AI於衛星與太空任務上的實際部署

- **Satellite On-board AI（邊緣運算）**：
- 應用於 FORMOSAT 衛星船隻偵測任務：使用 YOLOv8m 模型於 15 秒內完成大型影像辨識。
- 精度達 Precision 0.93、Recall 0.95，具即時偵測與傳回座標能力。
- **模型壓縮技術（Model Pruning）**：
- 使用 TensorFlow Lite、PyTorch Lite 降低模型複雜度以適應衛星運算資源。
- 壓縮後模型效能下降幅度小，利於即時邊緣推論。
- **星上 LLM（大型語言模型）部署**：
- 提升衛星自主性，於通訊中斷時可提供備援決策方案。
- ISS 已部署 LLM，做為太空人與系統互動知識層。

---

### 四、其他應用探索與未來展望

- **太空安全與交通管理**：
- AI 用於偵測與避碰：追蹤太空碎片、反衛星武器與 DEW。
- 群智運算（Swarm Intelligence）協助軌道調整與碰撞避免。
- **預測性維護與地面站自動化**：
- AI 分析溫度、壓力、震動等感測資料以預測設備異常。
- 自動化天線指向、訊號追蹤與資料處理流程。
- **教育訓練與模擬器應用**：
- 利用 AI 模擬器提供沉浸式訓練與太空任務推演，強化知識應用。

---

### 五、小結

- AI 技術已從地面應用走向太空端實施，支援農業、災害預警、船隻監測等任務。
- Kuwa 平台整合語言模型、知識庫與應用程式開發功能，是教育與實務接軌的重要橋梁。
- 邊緣 AI、模型壓縮、星上 LLM 是未來太空智能任務發展的核心關鍵。