案例簡介

寧夏水土保持監測總站結合寧夏水土保持動態監測管理系統，基于衛星遙感影像的區域土地利用分類識別工作，使用百度深度學習平臺飛槳開發了土地利用分類AI解譯方案，提高了遙感解譯的智能化程度，提升了土地利用分類解譯效率，節約了資源投入，快速推進了區域水土流失動態監測工作進展。

相關產品

PaddleSeg

合作伙伴簡介

北京北科博研科技有限公司成立于2005年，專注于行業信息化創新與實踐，以組織人事、水利水務、電子政務等行業業務為主線，利用大數據、云計算、物聯網、移動互聯、人工智能、3S等先進技術，構建智慧 “云+端”及“智能應用服務平臺”，形成了覆蓋規劃設計、咨詢評估、軟硬件產品研制、系統集成、運維服務于一體的經營模式。

業務挑戰

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采用遙感調查、定位觀測與模型計算相結合的技術方法，需要每年開展一次區域土地利用類別解譯工作。隨著我國經濟建設的高速發展，區域土地利用情況每年都發生較大的變化，涉及的土地利用類別多達二十多個類別，空間范圍數萬平方公里。如果采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，在時效性方面難于滿足區域水土流失動態監測工作需要。

衛星視角下的復雜土地利用情況示意圖如下：

解決方案

北科博研決定嘗試使用人工智能的方式解決問題，之后了解到百度飛槳是成熟的深度學習框架，飛槳圖像分割開發工具庫PaddleSeg可以幫助企業快速開發落地，并且飛槳有完善的技術支持體系?；陲w槳開發智能解譯技術，能夠快速提高基于遙感的土地利用分類解譯。

針對基于飛槳土地利用遙感智能解譯落地中面臨的問題，北科博研找到了落地快、效率高、精度滿足要求的解決方案：即基于飛槳PaddleSeg進行土地利用遙感智能解譯算法的開發。PaddleSeg擁有豐富的語義分割算法模型庫，有效地幫助技術人員快速進行AI算法的實施。

第一階段：數據采集、標注和數據增強

通過歷史累積的解譯結果，結合土地利用類型衛星影像數據的特征，選擇具備代表性的部分區域作為訓練數據，并結合有規劃的外業調研，使用協同解譯工具對標注數據進行矯正，用于生成訓練用數據，并將衛星底圖和對應標注切片成512*512的圖像對。采用512*512的切片，能夠比256*256的切片給模型提供更大的感受野。再通過顏色擾動、旋轉和翻轉等數據增強手段對訓練數據集進行擴充，最后生成訓練用數據集，通過以上數據增強方法，有效地擴充了訓練數據的數量，同時能夠提高模型訓練的泛化能力。

第二階段：模型選擇

PaddleSeg提供了多達十幾種的語義分割模型，因模型在不同的數據集上表現有差異，我們選擇了PaddleSeg中的DeepLapV3p、PSPNet和U-Net進行了對比測試，這三個模型都是深度學習語義分割領域的經典模型。PaddleSeg模型庫的成熟實現，使得模型對比和評測變得非常容易。對比測試結果后，我們選擇U-Net作為基礎網絡模型。此外，U-Net模型使用Skip Connection，讓模型可以采集到更多的底層特征。U-Net模型還具備良好的擴展性，可以定制升級Backbone網絡，通過替換Backbone可以提升模型的學習和特征泛化的能力。

第三階段：訓練及評估

模型訓練是通過對訓練數據的多輪學習，以Loss函數為優化目標，調整模型參數，最終得到最優參數集的過程；評估是使用訓練后模型在驗證數據集上進行預測并計算準確度的過程。通過PaddleSeg的評估功能，可以快速評估訓練效果的準確度。

通過PaddleSeg進行模型訓練時，需要編寫全局配置文件，設置訓練集、驗證集、測試集的路徑，配置翻轉、旋轉、顏色擾動的數據增強策略，設置模型結構為U-Net，模型輸入為512*512，還要對優化器、迭代次數等訓練參數進行設置。配置完畢后，即可調用訓練腳本對模型進行訓練。訓練完成后，使用PaddleSeg的評估功能對訓練效果進行評估。

同時，我們進行了多組對比試驗，通過調整Loss函數以及數據增強方式來試驗不同的超參數配置。經過多次對比選擇了適合我們場景的超參數配置，最后取得了非常好的效果。根據PaddleSeg計算的評估指標，選取評估指標最高的迭代參數集作為最終的訓練結果。

第四階段：業務上線

訓練完成后，即可使用腳本對模型進行導出，將模型部署到飛槳的預測服務器上。然后開發Web軟件界面，設計多種圖像讀取方式，即可以使用批量預測的方式，或使用在前端頁面選取需要預測范圍的方式。服務端在后臺調用PaddleSeg的Python推理腳本進行推理預測，再將預測結果保存或返回給前端，這樣就完成了解譯功能的部署。

至此，基于飛槳的土地利用類型AI遙感識別就完成了。下圖為開發好的軟件工具，雖然界面簡單，但是應用效果很好，可以有效地提高土地利用類型AI遙感識別的效率。

價值成果

基于飛槳，北科博研實現了寧夏土地利用類型AI遙感識別，提取準確率達到90%以上，相對傳統的人工解譯項目有了很大的提升。使用飛槳人工智能解譯方式，只需要兩臺GPU工作站，即可快速完成全省的解譯工作，輔助寧夏水土保持監測總站極大地節約了人力物力，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的順利開展。