研究新视角，AI + 卫星图像让经济可感知

在计算机视觉领域，2014 年，全卷积网络（FCN）被提出，它用卷积代替了网络的全连接层，比补丁分类方法获得了更高的精度，后来，在 ICCV 2019 上，北大团队演示了一种分割算法 “期望最大化注意力网络（EMANet）” 在多个数据集上取得了不错的测试结果。

吴海山团队提出的 SolarNet 算法结合了 FCN 和 EMANet 的优势，得到了一种自适应的多任务期望最大化注意网络，将对卫星图像中光伏电站的识别精准度提高到 94.21%，并对中国各省市的光伏电站体量进行了一次排名，展示了各省份光伏发电的现有规模。

另外，AI 算法的持续优化离不开持续的数据更新。据悉，微众银行 AI 团队目前已经覆盖国内外主流遥感卫星近 10 年影像数据，综合影像更新频率达到 1 天，最高分辨率可以到 0.5 米。

在下一阶段的研发计划中，吴海山的团队提出了 “在轨计算” 的设想，即把低功耗的 AI 芯片放到卫星里面，在卫星端就可以自行计算，如检测出一个区域有多少光伏设备或者其他图像目标。

目前 “在轨计算” 的设想正在开发测试中，太空中的真空、失重、温差等极端环境，以及太空中各种可能的辐射粒子、电磁脉冲等影响，都对芯片的稳定性、可靠性设计有极高要求。

但这些还是很有可能未来几年实现的。卫星遥感数据的更新目前按天计算其实有个很大的瓶颈，比如受到带宽影响，图像文件普遍很大但传输带宽很低，链路联通时间短，需要先回传到地面接收站，地面接收站再传到不同的卫星资源中心，之后企业才能得到这些数据。如果卫星通过在轨计算，能把分析检测结果直接传回来，这将对带宽的要求会大大降低，有望进一步提升对卫星数据的分析效率。

AI + 卫星图像数据预见更多可能

吴海山表示：“我们特别希望 SolarNet 的研究成果能真正帮助政府或产业做科学决策上的参考。”

目前关于光伏产业的统计数据大多是各个公司和地区上报统计出来的数据，但是如果有企业拿到政府的补贴和土地批文，却没有去建设光伏电厂，或者规模进度不符，之前是没有这方面监测系统的，SolarNet 或将填补这块空白。

一方面，从不同时间维度的光伏面积分布情况来看，能分析出多年来中国光伏产业发展的真实进度，有利于掌握变化趋势；另外，把光伏电厂分布面积跟发电量做关联分析，能了解到每个电站的发电量是多少，或能从卫星图像里面再提取特征来估算电量，输出一个更直观的参考标准，以便能够跟踪光伏产业的长期趋势和发展指数。

而从更广泛的商业应用角度来讲，AI 跟卫星图像结合做数据分析，或能在很多政策制定、经济监测、金融投资、环境防治等领域起到关键作用，近年来 ESG（Environmental, Social, Governance）投资评估理念兴起，环保、社会责任、企业治理等成了很重要的投资评估指标，而卫星数据的丰富度结合企业公开数据、移动数据、传感数据等，也能将数据评估更为精准化。

比如在宏观经济层面，通过对路网、区域变化等方面的长期监测，能更好量化分析不同区域的经济发展；通过对原油油罐、农作物或牧场进行监测，能侧面对大宗商品期货提供分析决策；对光伏、风电等产业监测可为国家新能源产业发展提供参考；在农业保险领域，基于卫星图像分析能对气象灾害防治、受损定损等方面提供精准评估；此外，基于卫星图像还可以对景区客流量、车流量、机场停机量、港口船舶等进行量化基本面的数据分析。

“人工智能技术接下来应该更多考虑怎么帮助可持续发展，解决一些对国家和社会有重大意义的现实问题，而不是局限在实验室某个识别准确率提高了一个点两个点，这些都不如在实际应用中落地更有意义。AI 跟卫星图像结合分析能够帮助解决很多社会经济层面的问题，这不但实现了 AI 真正的商业落地，也将为我们打开对经济系统新的认知方式。”吴海山总结说。

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!