空天大数据解译解决方案：突破数据低效利用困境

遥感设备的持续升级带动了人类对地观测能力的提升，面对呈指数级增长的遥感数据，如何保证并提高其利用效率，充分释放遥感数据的价值？传统的地理要素解译主要依赖大规模的人工数据标注，或面向单一任务构建模型，成本高、周期长、缺少通用性，难以满足大规模、多任务的应用需求。

空天大数据解译解决方案聚焦以上困境，融合人工智能、云计算、遥感、地理信息系统等技术，形成空天数据管理、在线计算、在线编辑、成果发布等一体化平台，打造可综合处理多模态数据和任务的数据解译服务，力求达成时空决策级的信息服务能力。

方案介绍

空天大数据解译解决方案具备批量化自动化快速解译地物、目标等要素边界及时空变化信息的能力，集成针对多个典型应用场景的专题监测与成果共享发布服务能力，并提供基于多种广域高清影像底图。方案可通过支持多源遥感数据引接、样本采集、模型训练、在线解译/计算、在线编辑、成果发布等AI解译步骤，完成地物分类、目标检测和变化监测等遥感智能解译任务，为自然资源、水利、农业、交通、国防等行业提供便捷化的时空决策级信息服务能力。

该方案将深度学习模型应用到遥感数据解译中，借助其数据处理和自主学习的能力优势，实现对海量遥感数据的自动批量解译，简化了解译的流程。面向不同的业务场景，用户还可通过调整训练样本和模式，帮助模型完成专有算法的构建，从而享受自动化、智能化的数据解译服务。

AI 全链路处理

利用人工智能+遥感大数据技术自动化全链路处理，将地理空间大数据、人工智能模型生产、人工智能遥感解译、人工辅助生产、智能检索等业务融合于统一流程中，形成 AI 闭环。

多场景大范围自动解译

利用人工智能技术快速、及时、低成本地从海量的遥感卫星影像中提取地物要素信息，进而制作地物分类图、目标识别专题图、地物变化检测专题图、路网专题图等专题产品。

丰富的智能算法模型

方案构建深度学习模型与传统的遥感测绘算法融合，自主研发各类地物提取、目标识别与专题监测的优秀算法 40 余种；同时平台提供算法插件管理，并持续更新算法库，始终将解译精度与泛化能力保持在行业领先水平。

批量自动化快速解译

解译平台将硬件高速存储与计算资源进行统筹调度与算力整合，进行图像数据处理算法并行优化，支持批量数据、多任务并行处理，实现遥感测绘大数据全自动、高精度的快速处理、智能解译与专业制图。

“启发式”交互解译

解译平台针对深度学习模型在特定业务场景下泛化性欠佳的问题，面向用户提供简洁、稳定、高效的交互式样本增强和在线训练工具，形成完整健壮的“启发式”模型微调训练解决方案。

一键分享解译结果

解译结果无需下载，一键分享，用户使用浏览器即可进行浏览查看；数据轻松上传，一键查看原始数据详情，解译结果与标注结果便捷显示。

深度学习模型具备强大的特征提取能力，这一特性与数据解译的实现高度契合。该方案将以深度学习模型融入遥感信息解译的流程中，包括地物提取、目标识别、专题检测等环节，为用户建立对时空环境的理解打造可行的技术路径。

地物提取

利用深度学习语义分割技术及自主样本大数据，逐步迭代提升大区域多季节泛化能力，目前已针对全国 20 余座重点城市及周边的地表要素进行提取测试，在 0.5-2米分辨率的卫星影像中建筑物、道路等要素整体精度可达 90%以上。

目标识别

该方案采用深层卷积网络进行图像特征提取、生成目标候选框进行图像目标识别，在此基础上，选用可变形卷积技术，并以任意四边形顶点坐标为目标输出。相比于传统目标识别网络，该手段可更有效地适应目标形状，达到更加精确的解译提取结果。

专题监测

该方案集成了针对多个典型应用场景的专题监测与成果共享发布服务能力，基于多类型通感平台获取的遥感数据，可以提供大范围、高时效、多角度的信息，用于监测和研究地球表面的各种现象和变化。

解译辅助

方案集成了影像去雾、影像质量提升、影像增强等多个高可用的解译辅助工具，使得从中等分辨率的图像到高质量影像成为可能，发挥图像更大的潜能，大大提高解译的准确度。

典型案例

广西贵港智慧城市建设项目

广西贵港智慧城市建设项目以违章监测需求为切入点，采用高分二号卫星影像并参考政府城市规划数据进行建筑物自动化解译识别与违建判别，针对重点区域的违章建筑分布情况进行摸底排查，结合政府业务平台构建了“高空看、智能判、网上管、地上查” 的自然资源智能监测系统，系统解译成果为政府相关部门提供治理依据。

综上所述，该方案将以深度学习模型为代表的人工智能技术应用在遥感数据解译中，为用户提供快速解译地物、目标等要素边界及时空变化信息等服务，提升了遥感数据的处理与分析能力。随着技术的持续演进，该方案将继续拓展AI技术在与数据解译中的应用边界，优化深度学习模型，增强平台对更复杂地理对象的分辨能力和地理信息推理能力，实现高精度、高效率的信息服务供给。