AI 如何“看懂”卫星影像？航天宏图 PIE-Engine 的智能解译

看懂一张卫星影像，过去靠的是人眼。解译员盯着屏幕，一格一格地判读——这里是不是水体，那里是不是道路，这块地去年还是农田、今年怎么变成了厂房。一张复杂的影像，一个人判下来要几十分钟到几天。而今天，这份“看”的工作正在被 AI 接管：大模型几秒就能“读懂”一张卫星影像，自动标出地物、检测变化，甚至回答你的提问。

一、先看问题：人眼看影像，为什么“看不过来”

遥感影像解译，本质是从影像里提取信息——识别哪里是水体、林地、道路、建筑，判断地表发生了什么变化。在很长一段时间里，这项工作主要靠人工目视判读：

• 慢：一张高分辨率影像，熟练的解译员也要几十分钟起步，大范围、多期次的影像更是“看不过来”；
• 贵：判读依赖人力，成本随影像量线性上升；
• 依赖经验：同一个地物，新手和老手的判读结果可能不同，需要长期训练；
• 难规模化：卫星越来越多、影像越积越多，人眼的产能是有限的。

矛盾在于：卫星在天上“看得见、看得勤”，但地面的解译产能跟不上，大量影像来不及被“翻译”成有用信息。这正是 AI 智能解译要解决的问题。

二、AI 是怎么“看懂”影像的：样本、算法、算力

AI 智能解译，简单说就是用深度学习模型代替人眼来识别影像。它的原理和教小孩认东西类似，可以拆成三步：

• 第一步，喂样本：给模型看大量已经标注好的影像——“这是水体”“这是道路”“这是建筑”，这叫样本库；
• 第二步，学特征：模型在海量样本里学习每类地物的特征——颜色、纹理、形状、上下文；
• 第三步，自动识别：训练好的模型遇到新影像，就能自动判断每个像素、每个目标是什么。

支撑这个过程的是三样东西：高质量的样本数据、深度学习算法框架，以及算力。航天宏图的 PIE-Engine AI，就是把这三样能力做成了一套云端服务。

三、PIE-Engine AI：从样本到解译的一站式服务

PIE-Engine AI 是 PIE-Engine 遥感云平台里的智能解译组件。它的核心能力可以概括为三点：

• 样本库：拥有几十类目标、地物的自主遥感样本库；
• 模型库：内置 40 多个深度学习模型，覆盖目标检测、语义分割、变化检测、场景分类等任务，35 类以上地物解译，单类解译精度达到 90% 以上；
• 多框架：支持 PyTorch、百度飞桨、TensorFlow、华为 MindSpore、清华 Jittor 等主流深度学习框架。

这套能力落成了一张算法矩阵：河湖巡检（识别河湖“四乱”问题）、船只识别、光伏巡检、人车识别跟踪、车牌识别、道路提取、烟火识别、安全生产（安全帽、反光服、锥桶检测）……覆盖生态环保、交通执法、道路养护、灾害应急等场景，多数算法的 mAP 精度在 80% 到 90% 以上。

▲ PIE-Engine AI 智能解译算法矩阵。覆盖生态环保、交通执法、道路养护、灾害应急等场景，多数算法 mAP 精度在 80%–90% 以上。

除了直接调用现成模型，PIE-Engine AI 还提供模型自主训练能力——用户可以上传自己的样本，在线完成标注、训练、发布，把通用模型“教”成自己的行业模型。

▲ PIE-Engine AI 模型自主训练平台。用户可在线完成样本管理、模型训练与发布，把通用模型训练成自己的行业模型。

四、天权大模型：从“专用模型”到“通用大模型”

如果说 PIE-Engine AI 的算法矩阵是“一事一模型”——每个任务训练一个专用模型；那么天权大模型就是把“看懂影像”这件事，交给一个更大的通用模型来做。

天权大模型（PIE-Engine GPT）是航天宏图自主研发的遥感大模型，参数量达到 10 亿以上，依托 女娲星座等多模态卫星影像资源，结合视觉大模型和人工智能内容生成技术，提供遥感影像智能解译、智能增强和三维重建服务。

▲ 天权遥感大模型能力总览：地物要素、目标检测、变化检测、道路提取、SAR 水体提取、三维重建，以及超分去雾等增强能力。

它目前已上线六大类能力——地物要素、目标检测、变化检测、道路提取、SAR 水体提取、三维重建，以及超分去雾等增强能力，可以直接在线实时解译。

▲ 天权大模型各能力的技术参数。不同任务在不同分辨率影像上的精度与处理速度。

从参数表能看到它的实用性——比如变化检测在 0.5 米到 2 米分辨率影像上，精度 F1 达到 70%，处理速度约 12 秒/平方公里；道路提取精度 F1 85%、约 8 秒/平方公里；SAR 水体提取更快，约 1.2 秒/平方公里。

在技术先进性上，天权大模型的影像超分在效率与超分倍数上具有竞争力，且不存在颜色畸变；其三维重建大模型支持 LOD3 级别的 AI 城市建筑快速建模。

五、落到真实场景：AI 解译在做什么

这些能力不是停留在参数表里，而是已经落地到真实业务：

• 国土与农业：耕地“非农化、非粮化”监测、地表覆盖变化检测；
• 水利：河湖“四乱”问题检测、SAR 水体提取，支撑洪水监测；
• 生态环保：光伏板缺陷检测、烟火识别；
• 灾害应急：灾后快速解译，第一时间看清灾区。

一个具体案例是鹤壁市自然灾害综合监测预警系统——天权大模型所在的平台接入 PB 级海量云影像资源（女娲星座、四象、齐鲁等），参与了海河流域特大洪涝灾害监测服务等实际项目。同时，平台在数据上传和导出环节采用自研国产商用密码算法，保障影像、矢量数据的安全。

六、从“看图”到“问图”：遥感解译的下一步

AI 智能解译带来的变化，不只是“更快”，而是“门槛更低”。

过去，看懂卫星影像是一项专业技能，需要专门的解译员；现在，大模型把这项能力封装成了在线服务，行业用户不需要懂深度学习，也能调用解译能力。更进一步，天权大模型还支持人机协作的智能问答——未来看影像，可能不再是一格一格地“看”，而是直接“问”：这块区域过去三年发生了什么变化？哪段河岸出现了淤积？

国产遥感云加大模型的意义也在于数据安全与自主可控：影像数据不出境、算力自主，更贴合国内的行业场景与规范要求。这正是航天宏图坚持自主研发 PIE-Engine 和天权大模型的价值所在。