遥感邂逅AI的价值与需求,新机遇也是新挑战

2019-07-19来源: eefocus关键字:深度学习  AI  无人机  遥感

作为一种可以渗入千行万业的通用技术,AI经常可以让一门听上去“古老”的技术,瞬间焕发新的想象力。比如遥感,这个中国人并不陌生的技术词汇。

 

所谓遥感,一般指运用遥感器对物体的电磁波的辐射、反射特性进行探测。通过远离目标和非接触的方式,来判断和识别探测目标。这种技术一般应用于空中平台,比如卫星、航空器、无人机等等。

 

在100年前,现代地理学和测量学当中,已经诞生了遥感科学的前身。1972年,美国宇航局发射了搭载有遥感器的地球资源技术卫星ERTS-1,宣告了现代遥感技术正式到来。

 

这门在数十年间帮助人类认识地球的技术,今天正在与AI技术展开一场充满想象力的邂逅。但是二者的结合并不那么容易。端侧AI算力的突破,算法模型的深度学习,正在成为AI+遥感产业,乃至冉冉升起的空间智能领域,不可或缺的产业基石。

 

比如说,今年6月,武汉大学测绘遥感信息工程国家重点实验室与华为携手举办了遥感图像稀疏表征与智能分析竞赛。这场旨在推动“空间信息稀疏表征与融合处理”的相关理论与技术的发展的比赛中,参赛选手将使用华为智能计算新产品Atlas 200 DK开发套件,在对应遥感图像测试数据集上实现算法模型的推理计算。

 

今天我们可以以此为契机,探讨一下遥感邂逅AI的价值与需求。

 

当遥感邂逅AI,新机遇也是新挑战

 

从现代遥感诞生之日起,在两弹一星项目的帮助下,中国一直是遥感技术的核心参与者。自70年代到如今,我国已经发展出了完善的遥感相关学科以及多元化的应用领域。在环境遥感、大气遥感、资源遥感、海洋遥感、地质遥感、农业遥感、林业遥感等领域,都有着大量的应用实践与前沿探索。

 

到了今天,遥感技术主要面对的机遇与挑战,是让这门技术普惠化落地,推向各行各业,甚至让遥感走入工农林业的垂直生产周期,成为城市规划、防灾救灾等领域的“一线工作者”。这其中有很多技术难点,就遥感科学本身是无法独立攻破的。比如说在无人机遥感领域,图像识别的周期长、从采集数据到应用数据的需要消耗大量时间与人力成本,就成为了遥感进入各行业的主要制约点之一。

 

 

而这个问题,恰好可以交给AI来解决。

 

我们知道,以深度学习代表的本轮AI技术,带来了一个重要能力,就是机器视觉技术体系。其中图像识别、图像处理、动态识别、图像分类等能力,恰好可以作用于遥感数据中。在理想状态下,实现从数据到有效结论信息的自动化识别和推理。

 

目前,国内已经有众多AI公司、研究机构参与到了AI+遥感产业的融合中,在自动化图像处理、遥感数据解译等领域完成了大批高质量算法开发。去年,中国首个遥感人工智能应用技术研究中心在重庆成立。目前,我国在农业、工业、路网、气象、水利、建筑等领域,都已经展开了遥感+AI的探索布局。

 

综合来看,目前业界对“智能遥感”的主要理解是,AI技术可以在遥感领域,提供主动、实时化、自动纠错的图像识别与推理能力。

 

具体到跟各行业垂直应用息息相关的无人机遥感,AI可以带来如下几项帮助:

 

1、完成大量自动识别工作,实现遥感数据到可用数据的自动化处理。

 

2、缩短遥感数据使用流程,通过自动识别、自动预处理,让遥感结果可以实时被读取和利用,从而让实时化的遥感+作业联动成为可能。

 

3、用算法还原图像数据,降低环境与天气带来的影响。无人机遥感要面临诸如复杂地形、雨雾天气等影响因素,而通过特定算法的还原,这些影响因素可以部分消弭。

 

4、降低人工消耗,提高测绘效率,并且在部分领域实现预警式遥感,比如我国目前在滇藏、青藏等高原公路路段,已经采用AI+遥感技术,来主动发现泥石流、塌方路段。

 

然而罗马不是一天建成的。虽然遥感与AI的结合可以解决大量问题,构建新的想象力。但是在真实结合中,依旧将面对不少产业障碍。

 

比如说,上文提到AI算法可以提高实时化自动识别遥感图像的能力,但在实际运用中。遥感卫星和无人机要将数据上传到云端,在数据中心进行处理后再回传,依旧无法达到实时化的效果。上传云端行为,限制了行业应用AI遥感技术的可行性,比如在很多涉及国计民生的行业并不适合大量数据上云。

 

为此,最好的解决方案是让无人机、遥感器等端侧设备上可以进行AI运算,数据本地预处理,实时贴近生产流程。然而产业现实是,目前AI+遥感行业中,绝大部分企业主要解决的是算法问题。然而算法问题需要有效的网络环境、计算环境去保障。就像再好的家电,没有电也是白搭。

 

于是我们可以看到,在遥感体系中硬件层面,尤其是边端侧的AI算力供给变得十分重要。

 

另一个方向来看,AI虽然降低了识别遥感数据所需的人力消耗,但复杂的硬件环境,很可能带来更多的AI技术人才消耗。而在目前产业环境下,AI硬件人才的成本是更大的。所以说,在硬件端保证遥感体系中,AI能力的兼容性和环境可用性,也是一个重要问题。

 

好在边端侧的AI算力解决方案已经在产业中浮现,比如说华为的Atlas智能计算产品,就带给遥感行业一个令人惊喜的突破:让AI算力飞在空中。

 

飞翔的AI算力

上文的逻辑中,我们讲述了这样一个现状:遥感想要走进各行各业,就需要加强无人机遥感的应用性。其中核心问题在于,要让无人机本身具备相对充沛的AI算力,让图像处理、图像识别、环境识别等相关运算,直接发生在设备当中。这样一方面避免了数据上传云端可能带来的安全问题,同时也加快了处理速度,缩短业务流程。

 

总而言之,这个问题目前最有效的解法,需要让AI算力飞起来,在无人机本身加装AI芯片。

 

飞在天空中的AI加速能力并不容易,这需要充沛的AI算力、多链路视觉数据处理能力,以及无人机场景中的环境适应性来进行集合保障。

 

回到武汉大学测绘遥感信息工程国家重点实验室所举办的比赛中,参赛选手们将使用Atlas 200 DK AI开发者套件来完成数据算法模型的推理计算。试想一下,如果不仅仅是算法侧引入华为Atlas智能计算平台,同时在无人机设备上搭载华为Atlas 200加速模块(Atlas 200 AI加速模块,是一个嵌入式AI模块,主要就是用于摄像机,无人机,机器人等硬件的端侧AI加速。在视频分析领域,可以处理16路高清视频的实时分析。而与之相配套的Atlas 200 DK AI开发者套件,可以在30分钟内完成开发环境搭建,提供高达16TOPS INT8的算力性能。)遥感将在端测和算法侧都得到强大的AI算力赋能,必将大大提升遥感测绘中的工作效率。

 

 

Atlas 200还可以与华为的全栈全场景AI能力与Atlas系列化产品相结合,在云端一体化和多设备计算领域获得更好的兼容性,有效应对AI+遥感可能需要的复杂解决方案部署和云端一体化应用。

 

AI算力飞在天上,仅仅是智能遥感大幕的一角。向更远处看,我们可以发现Atlas 200代表的机器视觉与万物相联模式,正在有效形成各产业的突破机遇。万物的智能迭代,都不可避免要从一枚芯片开始。

 

万物“芯”开始

综合来看,当Atlas 200走进无人机遥感空间,可以看到这样几个应用场景获得了突破:

 

1、增强了实时化图像识别与图像预处理能力。让农业灾害的实时分析,抗灾调度,以及路况、山体检测预警等实时化应用效率加强。

 

2、基于本地计算的安全性保障,提升终端处理能力,让电力、矿山,电力系统的遥感工作可以更好应用AI能力进行遥感测绘,提升了遥感技术的工业级应用能力。

 

3、Atlas系列产品的高性价比、主流算力特质,可以更好支持真实的产业项目落地,帮助产业完成低成本、低门槛部署AI遥感,并且可以避免出现大规模部署中的断货缺货状态,构筑更完善稳妥的供应链,让农业等需要广泛部署AI遥感的长尾产业获得了应用可能。

 

总体而言,Atlas让智能遥感可以真正在硬件通道上走入千行万业,让智能遥感技术一定程度上达成实时化、工业级、低门槛,适配各行各业的需求。

 

 

同时应该看到的是,这三点综合下来,就是让机器视觉能力高效率、高安全性、低成本地走入行业。目前这一能力并非仅仅被遥感领域需要,在大量需要应用视觉识别、图像与视频处理的行业当中,端侧AI加速都是必不可少的产业基座。

 

比如公共场所和交通场景中的智能摄像头、智能园区的门脸识别解决方案、导览机器人的视觉系统等等,都需要快速易获取,能够高效支撑产业应用的端侧AI算力。

 

万物智能,要从万物有“芯”开始。Atlas 200让AI算力飞翔在空中,遥感落地千行万业的故事,或许可以看作一个“公式“。它复用到今天无数产业端口中,构成真正的普惠AI蓝图。


关键字:深度学习  AI  无人机  遥感 编辑:什么鱼 引用地址:http://news.eeworld.com.cn/qrs/ic468612.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:吴军捕风捉影式的“口嗨”将三家科技巨头推至舆论的风口
下一篇:伟创力为何被华为踢出供应链,或进“不可靠实体清单”?

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

恩智浦开发汽车级深度学习工具包 加快汽车AI应用开发
据外媒报道,恩智浦(NXP)开发了深度学习工具包eIQ,使汽车AI应用开发性能提高30倍,并且能使客户更快开发AI应用。(图片来源:恩智浦半导体官网)该工具包支持使用基于深度学习的算法,如图像识别、自动驾驶、传感器数据融合、驾驶员监测和其他汽车应用。该工具包使客户能够在桌面、云和GPU环境中开发应用程序,并将神经网络移植到eIQ Autocompatible S32处理器中。恩智浦的工具包和汽车电子专用推理引擎有助于将神经网络轻松集成到高安全性要求的应用程序中。传统的图像识别算法逐渐转变为基于深度学习的算法。在对象识别和分类方面,基于深度学习的算法准确性更高,更易于维护。但是,目前在车辆中实施此类系统费用较高,并且非常复杂。新工
发表于 2019-10-15
恩智浦开发汽车级深度学习工具包 加快汽车AI应用开发
恩智浦开发汽车级深度学习工具包 加快汽车AI应用开发
据外媒报道,恩智浦(NXP)开发了深度学习工具包eIQ,使汽车AI应用开发性能提高30倍,并且能使客户更快开发AI应用。(图片来源:恩智浦半导体官网)该工具包支持使用基于深度学习的算法,如图像识别、自动驾驶、传感器数据融合、驾驶员监测和其他汽车应用。该工具包使客户能够在桌面、云和GPU环境中开发应用程序,并将神经网络移植到eIQ Autocompatible S32处理器中。恩智浦的工具包和汽车电子专用推理引擎有助于将神经网络轻松集成到高安全性要求的应用程序中。传统的图像识别算法逐渐转变为基于深度学习的算法。在对象识别和分类方面,基于深度学习的算法准确性更高,更易于维护。但是,目前在车辆中实施此类系统费用较高,并且非常复杂。新工
发表于 2019-10-15
恩智浦开发汽车级深度学习工具包 加快汽车AI应用开发
深度学习工业机器视觉处理
  2012年,多伦多大学首次使用深度学习训练的卷积神经网络模型在ImageNet的测试表现中取得突破性进展,并引发了一连串的基于卷积神经网络的优化并不断大幅提升ImageNet的测试表现。在2015年,通过深度学习训练的卷积神经网络模型,在ImageNet的测试表现中,错误率已经降到了2.3%,超越了人类的识别准确率,就此推动了在图像识别领域进行深度学习的大规模产业化应用的热潮。  (深度学习技术在2015年超越了人类)  以2012年为起点,各大互联网巨头开始落地深度学习技术。2013年,Google通过深度学习来进行街景地图的门牌号OCR识别;2014年,Facebook将其基于卷积神经网络模型的人脸识别技术DeepFace
发表于 2019-09-29
深度学习工业机器视觉处理
人工智能时代兴起,NLP何时能进入成熟期?
NLP是计算机科学,人工智能和语言学的交叉领域。目标是让计算机处理或“理解”自然语言,以执行语言翻译和问题回答等任务。 随着语音接口和聊天机器人的兴起,NLP正在成为信息时代最重要的技术之一,同时它也是人工智能的关键部分。充分理解和表达语言的含义是一个非常困难的目标。 大部分NLP技术都是由深度学习提供技术支持。在深度学习中,表示学习试图自动学习来自原始输入的良好特征或表示。而在机器学习中手动设计的特征通常过多且不完整,需要花费很长时间进行设计和验证。而且深度学习提供了一个非常灵活、通用且可学习的框架,用于呈现视觉和语言信息的世界。最初,它在语音识别和计算机视觉等领域取得突破。最近,深度学习方法在许多
发表于 2019-09-23
人工智能可预测自然灾害?厄尔尼诺事件已能被准确预测
目前厄尔尼诺事件被认为无法准确预测,但据英国《自然》杂志18日发表的一项人工智能(AI)与气候学研究,韩国科学家报告了一种可以提前一年半预测厄尔尼诺事件的深度学习方法,克服了该领域长期存在的一项挑战。  厄尔尼诺—南方涛动是地球上影响力最大的气候变化,并随着全球变暖而出现得越来越频繁。厄尔尼诺事件发生于太平洋东部和中部,已知其会引起极端气候,对当地生态系统造成严重损害。但现阶段,科学家对其部分相关模型无法达成统一,这意味着全球变暖对于厄尔尼诺事件的影响依然不甚明确,对这些事件进行准确判断一直以来困难重重。以往传统的气候预测方法,无法提供超过一年的准确预测。 厄尔尼诺的全过程分为发生期、发展期、维持期和衰减期,历时一般一年
发表于 2019-09-19
ZAO开局不利,怎样才能让技术被正确的使用?
的图像,可能那个难度是三分、四分,而合成视频就是要生成一系列图片,不再只是一张,难度也就五分、六分,实际上并没有进阶的突破。” ZAO应用的技术原理和Photoshop是类似的  事实上,在计算机视觉领域,生成一张图片的技术早已有之:把A的脸抠出来贴在B的脸上,Photoshop也可以完成。只是在深度学习的帮助下,程序可以快速、大量的P图。而视频人脸合成,实际上就是先生成一个视频序列的所有帧,之后加入检测或视频序列技术,进而生成人脸合成视频。  合成视频,这触达了许多人的心理底线:当视频也可以被伪造,还有什么可以甄别真实?  无论是今年6月被篡改的马克•扎克伯格的视频,还是被嫁接了美国女星面孔的色情视频,都足够引发大众对于视频
发表于 2019-09-03
ZAO开局不利,怎样才能让技术被正确的使用?
小广播
何立民专栏 单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved