天測(cè)“AI+遙感”技術(shù)服務(wù)
一、整體介紹
2018年以來(lái)，天津市測(cè)繪院以時(shí)空信息工程技術(shù)實(shí)驗(yàn)室和天津衛(wèi)星應(yīng)用中心相關(guān)遙感人才為班底，持續(xù)開(kāi)展遙感影像智能解譯相關(guān)研究。先后設(shè)立4項(xiàng)科研課題：《深度學(xué)習(xí)驅(qū)動(dòng)的高分遙感影像語(yǔ)義級(jí)變化檢測(cè)研究》《基于深度學(xué)習(xí)的高分辨率影像建筑物自動(dòng)提取研究》《耕地“非農(nóng)化”“非糧化”智能遙感解譯關(guān)鍵技術(shù)研究》《面向深度學(xué)習(xí)的多源遙感影像解譯樣本庫(kù)設(shè)計(jì)與構(gòu)建研究》，形成了豐富的科研成果，并與武大聯(lián)合開(kāi)發(fā)“深度學(xué)習(xí)智能提取軟件”，算力方面公司“兩網(wǎng)一中心”有較好的GPU算力資源，同時(shí)有良好的存儲(chǔ)資源做支撐。
“AI+遙感”技術(shù)在研究過(guò)程中與生產(chǎn)項(xiàng)目深度結(jié)合，將相關(guān)技術(shù)優(yōu)勢(shì)應(yīng)用到適應(yīng)的項(xiàng)目中，并關(guān)注生產(chǎn)實(shí)效。例如注重查全率（召回率），節(jié)省作業(yè)員“遛圖”時(shí)間，兼顧準(zhǔn)確率，引入置信度的概念，通過(guò)不同參數(shù)的設(shè)定，給圖斑“打分”，提高作業(yè)員“判讀”效率等。目前天測(cè)“AI+遙感”技術(shù)已經(jīng)基本具備了“天上看”、“地上查”、“自動(dòng)算”的智能化遙感監(jiān)測(cè)能力。
二、三大能力
1.“AI+遙感”目標(biāo)檢測(cè)
目標(biāo)檢測(cè)可實(shí)現(xiàn)對(duì)具有共同特征的單個(gè)要素的準(zhǔn)確提取。關(guān)鍵技術(shù)為目標(biāo)檢測(cè)算法RSADet網(wǎng)絡(luò)模型、基于Top K Loss的困難樣本挖掘算法、目標(biāo)邊框定位精度提升技術(shù)。
目標(biāo)檢測(cè)算法對(duì)電塔的提取效果
2.“AI+遙感”地物分類(lèi)
地物分類(lèi)可實(shí)現(xiàn)對(duì)單一要素、多要素的準(zhǔn)確分類(lèi)。關(guān)鍵技術(shù)為基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)義分割方法、建筑物提取精度提升策略、建筑物邊緣規(guī)則化、樣本數(shù)據(jù)增強(qiáng)策略、基于序列遙感影像提取圖斑出現(xiàn)年代的算法。
地物分類(lèi)算法對(duì)水域的提取效果
3.“AI+遙感”智能解譯樣本庫(kù)
任務(wù)驅(qū)動(dòng)的樣本庫(kù)建設(shè)，僅從滿足場(chǎng)景、目標(biāo)、像素的具體精準(zhǔn)解譯要求來(lái)建設(shè)，立足項(xiàng)目和研究需求快速建立專(zhuān)項(xiàng)的、本地化、工程化的樣本庫(kù)，避免盲目建立普適的大型樣本庫(kù)。通過(guò)多年積累，已經(jīng)形成了一批20余地類(lèi)、10余年代、多種分辨率的航天、航空、無(wú)人機(jī)遙感影像的樣本庫(kù)成果。
“AI+遙感”智能解譯樣本庫(kù)
三、應(yīng)用案例
1.“AI+航空遙感”固體廢棄物識(shí)別
該應(yīng)用服務(wù)天津農(nóng)委“農(nóng)村人居環(huán)境整治提升五年行動(dòng)”需求，利用“AI+航空遙感”固體廢棄物識(shí)別技術(shù)對(duì)天津市鄉(xiāng)村垃圾進(jìn)行精準(zhǔn)識(shí)別，查全率高達(dá)98.9%。創(chuàng)新點(diǎn)為引入置信度判定，通過(guò)目標(biāo)檢測(cè)網(wǎng)絡(luò)檢測(cè)閾值的設(shè)定為每個(gè)圖斑置信度賦值，為內(nèi)業(yè)檢驗(yàn)人員快速判別圖斑提供依據(jù)。
固體廢棄物識(shí)別流程及效果
2.“AI+航天遙感”農(nóng)作物細(xì)分類(lèi)
應(yīng)國(guó)務(wù)院辦公廳發(fā)布的關(guān)于堅(jiān)決制止耕地“非農(nóng)化”“非糧化”行為的通知要求，服務(wù)農(nóng)委糧食功能區(qū)動(dòng)態(tài)監(jiān)測(cè)。通過(guò)分析作物物候特征，建立多期多通道影像疊加算法，對(duì)小麥、水稻、玉米的提取查全率達(dá)95%以上，小麥、水稻提取的準(zhǔn)確率均超98%，自動(dòng)提取結(jié)果達(dá)到人工標(biāo)繪水平，一定程度可以輔助實(shí)際生產(chǎn)。
天津市三大主糧識(shí)別流程及效果
3.“AI+航天遙感”溫室大棚識(shí)別
應(yīng)市農(nóng)委開(kāi)展全市現(xiàn)存種植業(yè)設(shè)施農(nóng)業(yè)（溫室、大棚）調(diào)查摸底工作需求，利用“AI+航天遙感”溫室大棚識(shí)別技術(shù)對(duì)全市國(guó)土空間進(jìn)行了溫室大棚自動(dòng)提取，提取出約13萬(wàn)個(gè)、近18萬(wàn)畝溫室、大棚。在此基礎(chǔ)上，相關(guān)調(diào)查人員通過(guò)1:2000地形圖、遙感影像等資料進(jìn)行對(duì)比校驗(yàn)，高效、快速地形成天津市種植業(yè)設(shè)施農(nóng)業(yè)（溫室、大棚）調(diào)查成果。
溫室、大棚智能識(shí)別結(jié)果圖
4.“AI+航天遙感”艦船識(shí)別
為協(xié)助河北工業(yè)大學(xué)開(kāi)展渤海灣艦船監(jiān)測(cè)，基于2019年度國(guó)產(chǎn)GF-1和GF-6衛(wèi)星遙感數(shù)據(jù)，利用深度學(xué)習(xí)技術(shù)，采用Mask-RCNN模型，完成了船舶信息上、下半年2期自動(dòng)識(shí)別結(jié)果，較全面地掌握了渤海灣海域內(nèi)船舶的數(shù)量、大小和分布等情況。
渤海灣艦船智能識(shí)別
5.“AI+無(wú)人機(jī)遙感”窨井蓋普查
應(yīng)住建部等6個(gè)部門(mén)發(fā)布的加強(qiáng)窨井蓋安全管理的通知要求，利用“AI+無(wú)人機(jī)遙感”窨井蓋普查技術(shù)提取市區(qū)井蓋，提取查全率和準(zhǔn)確率均達(dá)到98%以上，創(chuàng)新點(diǎn)為影像智能解譯拓展了窨井蓋材質(zhì)、形狀等屬性的智能識(shí)別。
窨井蓋普查影像智能解譯效果
6.“AI+遙感”其他應(yīng)用場(chǎng)景
建筑物自動(dòng)解譯結(jié)果
電塔自動(dòng)解譯結(jié)果
光伏板自動(dòng)解譯結(jié)果
地物多分類(lèi)結(jié)果
下一篇：暫無(wú)
