研究人員近日提出了一種創新的分層整合管道，用於解決歐洲空間局（ESA）衛星遙測資料中的異常檢測問題。該工作由Lorenzo Riccardo Allegrini等人完成，並已提交至ECML PKDD 2025會議的ML4ITS研討會。在ESA太空器異常挑戰賽的最終輪中，該方法榮獲第二名，同時在Kaggle公開排行榜上位列第一，私有排行榜上位列第三，充分證明了其有效性。
該管道專為多變數時間序列資料設計，整合了基於形狀（shapelet）的特徵提取與統計特徵提取，逐通道進行建模，然後進行通道內堆疊，最後透過跨通道聚合完成綜合判斷。為了確保模型的泛化能力並防止資訊洩露，訓練和驗證採用了時間序列交叉驗證以及兩層掩碼策略。
在ESA異常檢測基準（ESA-ADB）挑戰上的測試結果顯示，該管道能夠有效檢測衛星遙測中的微小異常，展現出強大的泛化效能。論文共15頁，包含3張圖和1張表，主題涵蓋機器學習（cs.LG）和計算機視覺與模式識別（cs.CV），ACM分類號為I.2.6。該工作還獲得了DOI編號（10.48550/arXiv.2605.06681），並將在《Communications in Computer and Information Science》第2842卷（2026年）第7章發表。
該管道不僅為衛星遙測異常檢測提供了新的技術路徑，也展示了分層整合方法在現實世界複雜系統中的應用潛力。未來，這一方法有望被應用於更廣泛的航空航天與工業監控領域，進一步提升對關鍵裝置狀態的監測能力。