智能遥感解译研究面临的挑战、最新进展及解决方案(2)

落实到具体的智能遥感解译研究，我们始终保持探索。围绕国家重大需求，武汉大学建立了中国第一个测绘遥感学科国家级重点实验室——测绘遥感信息工程国家重点实验室，开展包括航空航天摄影测量、空间信息系统与服务、遥感信息处理、3S集成与网络通信及导航定位与位置服务等在内的针对性研究。武汉大学测绘遥感信息工程国家重点实验室和遥感信息工程学院申请获批了国家自然科学基金委“空间信息网络”重大计划集成项目“大规模遥感影像样本库构建及开源遥感深度网络框架模型研究”，目标是构建大规模遥感影像样本库和专用遥感深度学习网络框架。项目明确提出了五个”一”的研发目标，即“一套”遥感框架 、“一个”样本库、“一套”众包样本采集工具、建立“一个”开源遥感智能解译社区和“一系列”应用研究成果。

目前，该项目组与华为保持着深度合作，并基于武汉人工智能计算中心“全栈国产AI系统”打造遥感影像样本库（LuojiaSet）和遥感影像专用框架（LuojiaNet），为自然资源监测、社会经济发展评估、灾害应急等重大科研任务提供技术、平台及应用支撑，助力建设中国遥感科研生态圈，推进中国遥感产业化应用。

作为遥感影像样本库，LuojiaSet致力于打造完备遥感影像样本库，持续精化影像样本，使能模型进化。目前，项目组已完成五大类遥感典型任务的影像样本库概念、逻辑、物理设计，从区域到全球样本数量达500万以上。而遥感影像专用框架——LuojiaNet，是基于国产自研的昇腾AI计算框架MindSpore打造而成，并可兼容其它计算构架和深度学习网络框架，具有高效的开发及运行能力，可实现遥感特性嵌入，能处理“大幅面，多通道”遥感影像，通过深度神经网络与遥感知识图谱推理深度耦合，实现遥感特性的全面优化。同时，基于全栈国产AI系统打造的遥感影像样本库及专用框架，在信息数据安全及技术应用的自主性方面，为我国的智能遥感研究筑起了一座牢固的安全堡垒，对于提升我国遥感领域研究竞争力具有重要意义。

从未来产业应用方向来看，人工智能特别是深度学习方法已经在遥感目标与场景识别、信息提取、地物分类、变化检测、三维重建等方面取得重要进展，但是有些还没有达到实用的水平。要进一步解决人工智能方法在遥感自动解译方面存在的问题，需要继续扩大样本数据库，并增加多样性和区域性的样本；另一方面需要设计遥感专用的深度学习神经网络，将光谱信息和地学知识融入到网络框架中，使之能够有效解决自然地理要素地物分类等难题。这无疑都需要依托于我国人工智能安全自主的核心技术和基础设施的发展，助力智能遥感解译研究等科研创新突破，实现产业生态繁荣。