案例简介

宁夏水土保持监测总站结合宁夏水土保持动态监测管理系统，基于卫星遥感影像的区域土地利用分类识别工作，使用百度深度学习平台飞桨开发了土地利用分类AI解译方案，提高了遥感解译的智能化程度，提升了土地利用分类解译效率，节约了资源投入，快速推进了区域水土流失动态监测工作进展。

相关产品

PaddleSeg

合作伙伴简介

北京北科博研科技有限公司成立于2005年，专注于行业信息化创新与实践，以组织人事、水利水务、电子政务等行业业务为主线，利用大数据、云计算、物联网、移动互联、人工智能、3S等先进技术，构建智慧 “云+端”及“智能应用服务平台”，形成了覆盖规划设计、咨询评估、软硬件产品研制、系统集成、运维服务于一体的经营模式。

业务挑战

土地利用是水土流失的重要影响因子。全国水土流失动态监测采用遥感调查、定位观测与模型计算相结合的技术方法，需要每年开展一次区域土地利用类别解译工作。随着我国经济建设的高速发展，区域土地利用情况每年都发生较大的变化，涉及的土地利用类别多达二十多个类别，空间范围数万平方公里。如果采用传统的人工目视解译方式，需要耗费大量的人力、物力资源，每人每天只能够解译300-400平方公里，在时效性方面难于满足区域水土流失动态监测工作需要。

卫星视角下的复杂土地利用情况示意图如下：

解决方案

北科博研决定尝试使用人工智能的方式解决问题，之后了解到百度飞桨是成熟的深度学习框架，飞桨图像分割开发工具库PaddleSeg可以帮助企业快速开发落地，并且飞桨有完善的技术支持体系。基于飞桨开发智能解译技术，能够快速提高基于遥感的土地利用分类解译。

针对基于飞桨土地利用遥感智能解译落地中面临的问题，北科博研找到了落地快、效率高、精度满足要求的解决方案：即基于飞桨PaddleSeg进行土地利用遥感智能解译算法的开发。PaddleSeg拥有丰富的语义分割算法模型库，有效地帮助技术人员快速进行AI算法的实施。

第一阶段：数据采集、标注和数据增强

通过历史累积的解译结果，结合土地利用类型卫星影像数据的特征，选择具备代表性的部分区域作为训练数据，并结合有规划的外业调研，使用协同解译工具对标注数据进行矫正，用于生成训练用数据，并将卫星底图和对应标注切片成512*512的图像对。采用512*512的切片，能够比256*256的切片给模型提供更大的感受野。再通过颜色扰动、旋转和翻转等数据增强手段对训练数据集进行扩充，最后生成训练用数据集，通过以上数据增强方法，有效地扩充了训练数据的数量，同时能够提高模型训练的泛化能力。

第二阶段：模型选择

PaddleSeg提供了多达十几种的语义分割模型，因模型在不同的数据集上表现有差异，我们选择了PaddleSeg中的DeepLapV3p、PSPNet和U-Net进行了对比测试，这三个模型都是深度学习语义分割领域的经典模型。PaddleSeg模型库的成熟实现，使得模型对比和评测变得非常容易。对比测试结果后，我们选择U-Net作为基础网络模型。此外，U-Net模型使用Skip Connection，让模型可以采集到更多的底层特征。U-Net模型还具备良好的扩展性，可以定制升级Backbone网络，通过替换Backbone可以提升模型的学习和特征泛化的能力。

第三阶段：训练及评估

模型训练是通过对训练数据的多轮学习，以Loss函数为优化目标，调整模型参数，最终得到最优参数集的过程；评估是使用训练后模型在验证数据集上进行预测并计算准确度的过程。通过PaddleSeg的评估功能，可以快速评估训练效果的准确度。

通过PaddleSeg进行模型训练时，需要编写全局配置文件，设置训练集、验证集、测试集的路径，配置翻转、旋转、颜色扰动的数据增强策略，设置模型结构为U-Net，模型输入为512*512，还要对优化器、迭代次数等训练参数进行设置。配置完毕后，即可调用训练脚本对模型进行训练。训练完成后，使用PaddleSeg的评估功能对训练效果进行评估。

同时，我们进行了多组对比试验，通过调整Loss函数以及数据增强方式来试验不同的超参数配置。经过多次对比选择了适合我们场景的超参数配置，最后取得了非常好的效果。根据PaddleSeg计算的评估指标，选取评估指标最高的迭代参数集作为最终的训练结果。

第四阶段：业务上线

训练完成后，即可使用脚本对模型进行导出，将模型部署到飞桨的预测服务器上。然后开发Web软件界面，设计多种图像读取方式，即可以使用批量预测的方式，或使用在前端页面选取需要预测范围的方式。服务端在后台调用PaddleSeg的Python推理脚本进行推理预测，再将预测结果保存或返回给前端，这样就完成了解译功能的部署。

至此，基于飞桨的土地利用类型AI遥感识别就完成了。下图为开发好的软件工具，虽然界面简单，但是应用效果很好，可以有效地提高土地利用类型AI遥感识别的效率。

价值成果

基于飞桨，北科博研实现了宁夏土地利用类型AI遥感识别，提取准确率达到90%以上，相对传统的人工解译项目有了很大的提升。使用飞桨人工智能解译方式，只需要两台GPU工作站，即可快速完成全省的解译工作，辅助宁夏水土保持监测总站极大地节约了人力物力，大幅提高土地利用识别效率，保障当地区域水土流失动态监测的顺利开展。