在新型城市建設和規劃中，以衛星遙感影象處理為代表的地理資訊科技正在發揮非常重要的作用，通過對城市範圍內的人、事件、基礎設施和環境等要素全面感知、實時動態識別和快速目標提取，為智慧城市的建設提供更多有價值的資訊。當前，基於人工智慧的遙感影象處理技術已被廣泛地應用在城市規劃、違章建築監管、工程環境監測、廢棄物管理、交通治理、城市安防等場景。

作為源於產業實踐的深度學習平臺，飛槳一直致力於為各行各業的開發者提供完備的產業應用開發方案。同樣在遙感領域，飛槳也提供了豐富的資料預處理方案，覆蓋地物檢測、地塊分割、變化檢測、地物分類等多種視覺任務，致力於更好地幫助開發者完成遙感專案的應用開發。

圖1 飛槳遙感應用開發方案

尤其是針對遙感領域普遍關注的資料標註困難的問題，飛槳團隊聯合中國四維，在原有互動式智慧標註軟體EISeg的基礎上，推出了專門針對遙感的互動式垂類模型，提供多通道提取（高光譜、多光譜資料）、大尺幅資料的切片（多宮格）處理和自動拼接等功能，使遙感場景的資料能夠被更便捷地處理。

圖2 EISeg 遙感功能智慧標註功能演示

當前，很多產業AI開發者正在基於飛槳提供的遙感應用開發方案解決實際應用問題。接下來我們將通過幾個具體的場景案例來為大家詳細解讀。

居民地資料提取

居民地資料是基礎地理資訊的核心要素之一。利用遙感技術及時、準確地發現、確定居民地變化對災害評估、城市擴張、環境變化、空間資料更新等有著重要意義。航天巨集圖資訊科技股份有限公司使用飛槳影象分割套件PaddleSeg中的Segformer系列演算法對居民地大類下的普通街區、高層建築、獨立房屋、體育場等二級類進行遙感監測，大大提升了製作基礎測繪底圖的工作效率。

該專案基於Segformer系列演算法，結合居民地5種二級類資料的不同遙感影象特徵進行了調優。調優後，在精度相當的情況下，飛槳模型的體積是其它框架實現的Segformer模型體積的1/3。最終，模型在2米解析度遙感影像上進行推理，結合柵格向量化、規則化等後處理工具，能夠快速地分割出居民地並生成測繪級地圖，相比於傳統人工地圖向量化的方法，工作效率提高了85倍，檢出準確率可以達到90.2%，符合產品上線要求。

圖3 居民用地分割示意圖

土地利用類別動態解譯

土地利用是水土流失的重要影響因子。全國水土流失動態監測採用遙感調查、定位觀測與模型計算相結合的技術方法，每年開展一次區域土地利用類別解譯工作。如果採用傳統的人工目視解譯方式，需要耗費大量的人力、物力資源，每人每天只能夠解譯300-400平方公里，在時效性方面難於滿足區域水土流失動態監測工作需要。基於飛槳，北科博研實現了寧夏土地利用型別AI遙感識別，提取準確率達到90%以上，相對傳統的人工解譯專案有了很大的提升。只需要兩臺GPU工作站，即可快速完成全省的解譯工作，大幅提高土地利用識別效率，保障當地區域水土流失動態監測工作的順利開展。

圖4 北科博研AI解譯平臺

高爾夫球場檢測

由於歷史上疏於監管，各地均存在著高爾夫球場濫建侵佔城市建設空間的問題，引起了發改委等相關部門的高度重視。中科院空天資訊創新研究院應用飛槳深度學習開源框架對高爾夫球場進行遙感監測，針對目標進行了一系列優化，大大提升了遙感影象解譯工作的效率，為高爾夫球場檢測提供半自動化技術手段。

在專案中採用經典的目標檢測演算法Faster R-CNN，並根據高爾夫球場的特性對輸入影象的長寬比進行了調優。專案上線後，相對於傳統方法效率大大提高，使週期性、自動化高爾夫球場遙感檢測成為可能。在京津冀地區GF-6 WFV影像中取得的面積檢測率為86%，數量檢測率為95%，單景 GF-6 WFV影像檢測耗時10分鐘。

圖5 高爾夫球場識別效果圖

同時，飛槳貼心地為大家準備了一節直播課並邀請了國內遙感能力領先的提供商—航天巨集圖的技術專家，從核心技術理論入手，全方位剖析遙感影象在智慧城市中的應用。在未來，飛槳會持續加強在遙感領域的能力建設。以最低門檻、最高效能為初心，更好地賦能智慧城市的建設。