Page 52 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

3. 遥感影像领域
近年来，遥感卫星数量不断增长，在中国，每年有超过 30 颗的遥感卫星发
射升空，这些遥感卫星被广泛用于气象，物种资源，测绘等领域，给相关研究人
员带来了海量的多波段数据。此外，随着无人机更多地民用化、商用化，大量的

低空飞行器也为人们带来了粒度更细，分辨率更高的地面视频和图像。丰富的
影像数据和不断发展的计算机视觉技术叠加，催生出了新一代的遥感 +AI 视觉
技术。
遥感影像的常见分析任务包含但不限于地物分类、变化检测、路网提取等。

地物分类，是对图像上的物体进行分类，比如楼房、道路、水域、耕田等。虽然
是一个分类问题，本质上是一个视觉里的分割任务，最终输出的结果是对遥感影
像里的各种语义进行着色，凸显其边界和范围。有了地面物体的信息之后，既可
以在时序上对比前后两次的遥感影像，进行变化检测。也可以在空间上进行路网，

水网信息的提取，获得一个城市的“脉络图”。变化检测可以被用于检测季节的
变化，自然灾害带来的变化，如洪涝、暴雪、地震等，以及人为带来的变化，比
如城市发展建设、退耕还林等。而路网、水网的信息提取则为把控地理空间上的
信息提供了有力的帮助，通过对遥感影像的分析，可以大范围、快速高效地进行

路网提取，再进行从影像到地理坐标系的映射，最终可将其纳入地图系统当中用
于导航和提供基于地理信息的服务。
以上介绍的一些任务主要集中在可见光波段，而事实上，遥感卫星所提供的
数据，覆盖了从整个可见光波段，再到近红外，短波红外以及热红外波段，这些

波段的数据，同样拓展了更多地物分类的场景以及语义，也使得计算机视觉技术
加持的遥感影像分析可以被运用到气象预报、极端自然灾害监测、森林火险预警、
资源勘探等各种领域，这降低了处理海量数据的人工参与成本，同时提高了处理
能力和响应速度，并能获得不俗的准确率和召回率。

4. 其他领域
诸如此类的视觉应用领域还有许多，常见的有医疗领域根据核磁、CT、B
超影像的早期症状诊断；工厂流水线上根据图像识别来判断工件的质量，清点工
件的数量；农业领域通过视觉的方式无接触地获取植物当前生长状况。限于篇幅

此处不一一展开陈述。可以说一般只要拥有足够的规范数据和一个符合视觉任务
的目标定义，都可以让计算机视觉技术一展身手。

44