La vigilancia y el seguimiento del espacio es una tarea que requiere el desarrollo de sistemas que puedan discriminar con precisión entre objetos naturales y artificiales que orbitan alrededor de la Tierra. Para gestionar la discriminación entre estos objetos, es necesario analizar una gran cantidad de imágenes astronómicas parcialmente anotadas recopiladas utilizando una red de telescopios ópticos en tierra y potencialmente en el espacio. Así, el objetivo principal de este artículo es proponer una nueva arquitectura que mejore la anotación automática de imágenes astronómicas. Para lograr este objetivo, presentamos un nuevo método para la detección y clasificación automática de objetos espaciales (puntos y trazas) de manera supervisada, dado imágenes parcialmente anotadas del mundo real en formato FITS (Flexible Image Transport System). Los resultados dependen en gran medida de las técnicas de preprocesamiento aplicadas a las imágenes. Por lo tanto, se probaron diferentes técnicas, incluyendo nuestro método para el filtrado de objetos y la extracción de cajas delimitadoras. Basado en nuestro proceso de reetiquetado, podemos seguir fácilmente cómo el número de objetos detectados aumenta gradualmente después de cada iteración, logrando una precisión media promedio del 98%.