遙感具有動(dòng)態(tài)、多時(shí)相采集空間信息的能力，遙感數(shù)據(jù)已經(jīng)成為GIS的主要信息源。但是傳統(tǒng)的遙感解譯技術(shù)主要依賴人工判讀和半自動(dòng)遙感處理軟件，難以快速獲得精準(zhǔn)的處理結(jié)果，對(duì)精細(xì)化狀態(tài)分析更是缺乏有效的手段。一方面，這使得遙感應(yīng)用無法從根本上脫離其勞動(dòng)密集型的屬性；另一方面，其生產(chǎn)的空間數(shù)據(jù)一般并不符合GIS嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)標(biāo)準(zhǔn)，需要額外的格式轉(zhuǎn)換、檢查處理等大量前期工作，消耗了過多人力物力。而人工智能的興起，則給了我們新的方向——GIS+RS+AI。

人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。因此，蒼穹數(shù)碼將人工智能的深度學(xué)習(xí)技術(shù)應(yīng)用于遙感數(shù)據(jù)解譯中，突破傳統(tǒng)遙感面向像素與面向?qū)ο蠼庾g手段桎梏，研發(fā)了智能遙感解譯產(chǎn)品體系——KQRS AI。它提供了一系列高效的智能算法以及訓(xùn)練框架，包括地物檢測(cè)，變化檢測(cè)，目標(biāo)檢測(cè)以及用地分類等。有效提升遙感影像的信息提取能力，節(jié)約人力與時(shí)間成本。

一、強(qiáng)大的跨平臺(tái)兼容性

KQRS AI平臺(tái)在底層硬件上不僅兼容包括Intel在內(nèi)的X86框架，同時(shí)也完美兼容包括鯤鵬和飛騰在內(nèi)ARM64框架芯片；在操作系統(tǒng)方面兼容麒麟、UOS等國產(chǎn)操作系統(tǒng)。強(qiáng)大的兼容性保證了軟件相比同類產(chǎn)品有著更多的應(yīng)用場(chǎng)景。

圖國產(chǎn)化環(huán)境運(yùn)行

二、支持模型自主訓(xùn)練

為了讓用戶實(shí)現(xiàn)更有針對(duì)性地檢測(cè)目標(biāo)，軟件還提供了訓(xùn)練接口，包括地物檢測(cè)訓(xùn)練、變化檢測(cè)訓(xùn)練和目標(biāo)檢測(cè)訓(xùn)練。用戶可以使用自己的數(shù)據(jù)集或是通過軟件集成的數(shù)據(jù)標(biāo)注功能生成的數(shù)據(jù)集，訓(xùn)練出新的模型替換軟件自帶的模型，實(shí)現(xiàn)定制化的檢測(cè)。

圖 軟件訓(xùn)練界面（左邊為功能選擇，右邊為參數(shù)設(shè)置）

三、高效的圖形學(xué)后處理算法

KQRS AI在使用優(yōu)秀的AI模型進(jìn)行推理后，軟件還提供了高效的圖形學(xué)后處理算法，來盡可能地消除檢測(cè)誤差，提供更好的檢測(cè)效果。包括邊界化簡(jiǎn)、邊界清理、建筑物規(guī)則化、填充孔洞、去除小連通域以及收縮和細(xì)化等。

圖建筑物規(guī)則化

四、智能語義分割

KQRS AI運(yùn)用FCN全卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，對(duì)圖像進(jìn)行像素級(jí)地分類，解決語義級(jí)別的圖像分割問題，對(duì)于地物分類，利用深度學(xué)習(xí)的方法，可以得到一個(gè)用來解譯影像中特定語義區(qū)域的模型，包括建筑群、獨(dú)棟房屋、水體、道路、林地、耕地、大棚、植被、雪線等地面區(qū)域。

圖語義分割

五、基于視頻目標(biāo)識(shí)別

基于KQRS AI的人工智能技術(shù)，我們實(shí)現(xiàn)了基于視頻目標(biāo)識(shí)別的能力，例如采集道路沿線信息，實(shí)時(shí)提取道路中心線、交通標(biāo)識(shí)牌等信息。我們采用圖像分割算法分割出車道、左右線及中心線，提取道路中心線。通過測(cè)試可以得出，我們的算法對(duì)光照、陰影及道路彎曲的適應(yīng)性很好，精度可達(dá)0.1米，識(shí)別率超過90%，而且可以進(jìn)行實(shí)時(shí)處理，可以滿足200KM/天的效率。

圖道路中心線提取

圖道路標(biāo)識(shí)牌識(shí)別

六、目標(biāo)自動(dòng)檢測(cè)

KQRS AI運(yùn)用CNN卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，使用自主研發(fā)KQGIS平臺(tái)進(jìn)行樣本標(biāo)注，實(shí)現(xiàn)目標(biāo)檢測(cè)識(shí)別，如圖，從衛(wèi)星、航空或無人機(jī)圖像中找到我們需要的類似于飛機(jī)、輪船、球場(chǎng)等目標(biāo)，并將其繪制在地圖上，其中球場(chǎng)識(shí)別率達(dá)90%以上。

圖 目標(biāo)識(shí)別

七、變換檢測(cè)

雪線提取的方法，從傳統(tǒng)的實(shí)地考察測(cè)量，到結(jié)合實(shí)測(cè)數(shù)據(jù)間接量測(cè)，發(fā)展到目前基于遙感手段進(jìn)行雪線高程的動(dòng)態(tài)研究。KQRS AI集成了“雪線變換檢測(cè)功能”，可根據(jù)遙感影像對(duì)雪線、湖面、陰影、背景等進(jìn)行檢測(cè)，其中雪線檢測(cè)準(zhǔn)確率達(dá)到95%以上。應(yīng)用于自然資源的水域、林地、建筑群等范圍檢測(cè)領(lǐng)域。

圖 變換檢測(cè)
fqj