El present treball vol abordar la preocupació cada cop més gran que representen de les escombraries espacials, és a dir, satèl·lits en des-ús, parts de coets llançadors, fragments d'explosions o col·lisions i altres objectes que es troben en òrbita al voltant de la Terra. Per abordar aquest problema s’ha fet un tractament optimitzat de les fotografies obtingudes per l'Observatori Fabra-ROA del Montsec, en grups de vuit o deu fotogrames d’una zona del cel. Per a catalogar les escombraries espacials, primer cal veure els objectes que es mouen, seguidament identificar-los segons si són estrelles o satèl·lits per morfologia i finalment seguir-lis la posició tot descartant els que son soroll o outliers1. A causa del gran camp del telescopi, en cada imatge apareixen entre 10 i 20 objectes, cadascun amb una trajectòria diferent, que es creuen entre elles, amb uns que entren al camp i d’altres que en surten, etc. El treball tracta de trobar aquests 10-20 objectes candidats de satèl·lit de cada imatge per a poder catalogar-los tot diferenciant-los dels que són deteccions falses. Fins ara, el programa Apex-II fa tot el procés de forma molt lenta i a més a més no es poden fer gaires modificacions en els algorismes que utilitza programa. L’objectiu del treball és crear un sistema alternatiu més ràpid i amb codi lliure que utilitzi algorismes diferents per millorar la rapidesa i la precisió astromètrica, és a dir, precisió en posició de l’objecte. S’utilitzen els programes SExtractor i PinPoint Astrometric engine mitjançant la creació de scripts, per a automatitzar el procés, amb els quals es fa la reducció astromètrica de les imatges i s’obtenen dues llistes o documents on hi ha informació sobre els objectes trobats i les seves característiques geomètriques, fotomètriques i coordenades astronòmiques. Finalment, s’ha creat un programa amb Python que creua les dues llistes per classificar tots els objectes entre estrelles, objectes orbitals i soroll. Com a resultat, s’ha creat un programari propi alternatiu al programa Apex-II tres vegades més ràpid amb un percentatge de falses deteccions molt baix, capaç de detectar la totalitat dels objectes reals que tenen bona precisió astromètrica i d’identificar el 100% de les trajectòries, que en aquest treball s’anomenaran tracks, presents en el grup d’imatges utilitzades. També s’ha comprovat que no existeix cap diferència sistemàtica en posició entre el Programari creat i el programa Apex-II.