人類走進科技時代開啟了對地球之外星空的探索，由於宇宙浩瀚廣闊，我們無法前往各個星系進行探索研究。在人類沒有實現星際航行之前，我們研究探索宇宙主要依靠的還是天文望遠鏡。
天文望遠鏡的發明可以說是人類探索星空最有力的一個科技設備，如果沒有它，我們對宇宙的很多認知也就無從談起。天文望遠鏡非常強大，已經成為人類探索星空必不可少的重要工具。
天文學望遠鏡是天文學家了解宇宙的重要工具，隨著人們對宇宙探索的不斷深入，對其相關技術提出了更高的要求。為了保證望遠鏡始終處於性能最優的工作狀態，每一次望遠鏡觀測前，維護人員都要花上幾個小時的時間對各子系統進行全面檢查，並在觀測開始後對望遠鏡的實際性能進行實時監測。
這種需要花費大量的人力和時間來進行的望遠鏡維護工作，隨著人類的不斷發展，已經越來越無法跟上步伐。而我們現在所需要的則是能夠實時對望遠鏡進行各種檢測和維護，及時發現問題及時解決，讓望遠鏡隨時保持一個良好的運行狀態。
那麼如何做到這一切呢？人工智慧的出現為此打開了一扇新的大門，利用人工智慧技術，我們可以設計出一套優良的智能程度，然後讓這個人工智慧程序 能夠自我學習，加載到望遠鏡系統中，就可以讓傳統的望遠鏡變成一個強大的智能望遠鏡。
傳統的望遠鏡監測方法使用傳感器讀取並記錄望遠鏡關鍵部位的數值，當數值超過設置好的閾值時，傳感器會報警警告維護人員停止觀測，該方法可以幫助望遠鏡避免風險和輔助維護，但不能實時監測望遠鏡性能，維護和運行效率較低，亟需提升。
近日，南京天文光學與技術研究所參與LAMOST運維的研究團隊，基於多年望遠鏡維護經驗和人工智慧在各個領域的廣泛應用，提出了一種望遠鏡性能監測的新方法。
該方法基於望遠鏡終端儀器獲得的恆星圖像形狀與望遠鏡性能之間深刻而複雜的對應關係，以及最新尖端機器學習的相關算法，可以充分利用望遠鏡獲得的恆星圖像進行訓練和測試，實現對望遠鏡光學成像性能的高精度實時監控。
在我國首個天文國家重大科技基礎設施——郭守敬望遠鏡LAMOST大面積多目標光纖光譜望遠鏡上進行了大量的試驗驗證實驗，取得了良好的實際應用效果。
機器學習相關算法在許多領域都表現出了良好的形狀識別和分類能力，可以用來區分望遠鏡獲得的圖像光斑形狀。結合機器學習相關算法，望遠鏡性能監控可以通過以下步驟實現：首先，對望遠鏡獲取的圖片進行分類，篩選出包含亮星的圖片；然後對圖片進行裁剪，得到只包含單一完整星圖的小圖片，通過機器學習算法識別星圖的形狀，並根據識別出的形狀給出性能差的原因；最後利用概率統計結合多臺攝像機的分類結果給出最終原因。
隨著這套先進的望遠鏡機器學習算法的不斷升級，未來的天文望遠鏡除了強大的觀測能力之外，它的智能化程度也會非常高。可以說未來的天文望遠鏡維持檢測等工作完全不需要人工來進行，智能程序就可以自己完成。甚至隨著人工智慧的快速發展，我們可以創造出專門用來進行航天工作的智慧機器人，當智能程序發出瞭望遠鏡出現故障的時候，智慧機器人可以及時對其進行維護修理。