企业官网建设流程全解析

说起AI领域的RSI，不少做金融的朋友第一反应是相对强弱指标（Relative Strength Index）。但在地球观测和遥感圈子里，RSI这个词指向的是Remote Sensing Imagery，也就是遥感影像技术。这几年AI在遥感领域渗透得极快，从地表分类到目标检测，从灾害评估到精准农业，几乎每个方向都有深度学习模型的影子。这篇综述不打算堆砌论文式的大而全，而是从一个长期在遥感数据上做AI落地的从业者角度，把“AI+RSI”这条技术链路拆开揉碎，讲讲整体框架、核心方法、实操要点和常见的坑。无论你是刚入门的算法工程师，还是准备用AI改造遥感业务的产品经理，这篇文章应该都能帮你少走不少弯路。

1. 整体图景：AI为什么能重塑遥感影像分析

1.1 遥感数据本身的“硬骨头”特性

遥感影像不像普通照片，它有自己的一套脾气。首先是波段多，常见的光学卫星比如Sentinel-2有13个波段，从可见光到红边再到短波红外；高光谱卫星动辄上百个波段，一张图就是一个高维数据立方体。其次是时相繁，同一天上下午多颗卫星过境，同一个地方会反复拍摄，再加上无人机航拍，数据量根本不是人工能看完的。最后是分辨率高，亚米级影像里一辆汽车、一棵树都清清楚楚，信息密度极大。

这三高特性叠加在一起，传统基于规则的解译方法就非常吃力。过去做土地覆盖分类靠人工设计光谱指数和阈值，例如用NDVI区分植被，用NDWI提取水体，但一遇到复杂地表形态立刻失效。城市阴影、盐碱地、云影遮挡、异物同谱、同物异谱，这些老问题整整困扰了遥感解译几十年。AI，尤其是深度学习模型，正好是从数据中自己学特征的，不需要人为预设光谱规则，面对这种高维非线性的数据天然占优势。

我常说一句话：遥感本质上是计算机视觉的“困难模式”。目标尺度跨度大，小目标只有几个像素；地物边界模糊，像田地与草地的过渡带；多时相数据还有季节变化这种非刚性形变。能在这类数据上跑通的AI方案，往往拿到自然图像上去是降维打击。

1.2 两条技术路线的对比：传统机器学习与深度学习

很多人以为遥感AI是这两年才开始的，其实早在2015年前后，随机森林和SVM就已经大量用在遥感分类上了。直到2017年以后，U-Net、FPN、DeepLab等语义分割网络被证明在遥感数据上效果碾压传统方法，深度学习才真正成为主流。

这里有个非常实际的对比，我直接做成表格，方便你做技术选型时参考：

从我的实际经验来看，如果你的任务比较简单，比如大尺度土地覆盖分类，类别少、区域光谱稳定，随机森林加少量特征完全够用，跑起来还快。但一旦涉及复杂场景检测、变化检测、高精度边界提取，深度学习就是必选项。

1.3 典型遥感数据源与格式基础

做AI遥感，先得搞定数据。主流数据源有几类：

• 光学多光谱卫星：Landsat-8/9（30米）、Sentinel-2（10米）、高分系列（2米以下分辨率）
• 高光谱卫星/机载：几十到几百个连续波段，适合矿物填图、作物养分反演
• SAR雷达卫星：Sentinel-1等，不受云雨影响，适合洪水监测、船舰识别
• 无人机影像：厘米级高清，适合精细化农业、电力巡检、灾害评估

存储格式上几乎绕不开GeoTIFF。它除了图像像素矩阵外，还封装了地理坐标系、仿射变换信息、投影参数。用工具读的时候如果不注意地理信息，纯当普通图片处理，后面输出结果坐标对不上就在所难免。

提示：拿到一份遥感数据，先别急着看像素，第一时间用GDAL或Rasterio读取元数据，确认坐标系（EPSG代码）、分辨率、波段数量、无效值（NoData）是怎么表示的。这一步做不好，后续整条管道都会跟着出问题。

2. 核心方法拆解：数据预处理到模型调优的完整链路

2.1 数据预处理四板斧：辐射、大气、几何、云掩膜

预处理是AI遥感中最脏最累但又决定上限的环节。很多人在Kaggue这类平台上跑自然图像竞赛跑惯了，拿到GeoTIFF直接缩放成RGB就丢进模型，这不叫遥感AI，这叫自欺欺人。

第一是辐射定标，把DN值（数字量化值）转成表观反射率或辐亮度；第二是大气校正，消除大气分子和气溶胶散射吸收影响，得到地表真实反射率。大气校正工具常见的有ENVI的FLAASH、6S模型，以及开源方案Py6S、Sen2Cor。有人说我不做大气校正行不行？如果你的训练集和测试集是同一个传感器、同一季节、相似天气条件下拍的，相对变化不大，勉强可行。但只要跨时相、跨传感器，不做大气校正的模型泛化能力很容易崩塌。

第三是几何校正和正射校正。尤其无人机影像，畸变严重，不做正射校正直接拼接，边缘误差可以达到几十米。第四是云掩膜。训练模型时如果混入云、云影的像素，相当于给模型喂错误标签。光学遥感必备步骤就是用CFMask、Sen2Cor或者S2cloudless等工具生成云掩膜，把云影区域从训练样本里剔除。

2.2 样本标注策略：比你想象的更费人力和时间

AI遥感绕不开样本。遥感标注比自然图像标注难得多，原因很简单：一张1024x1024的遥感图上可能有几千个实例，飞机、车辆、油罐、建筑物，密密麻麻。标注员需要有一定的遥感知识才能分清楚水田和旱地、集装箱和厂房。

常用的标注工具我建议按场景选：

• QGIS：免费开源，不支持AI模型直接训练，但可以快速人工勾绘多边形用于样本生成
• Labelme：轻量级多边形标注，适合小规模语义分割和检测标注，导出的JSON方便转成COCO或VOC格式
• CVAT：在线协作标注工具，支持目标检测、分割、旋转框标注，团队使用效率高
• roboflow等平台：自动化增强和数据集管理，可以快速导出多种格式

我踩过的一个大坑是标注一致性。两个人标同一个建筑物边缘，一个按屋顶外沿标，一个按墙基外沿标，差出两三个像素在亚米级影像上就是一两米。训练出来的模型边界会飘忽不定。后来我们做了严格的标注规范文档，每个类别还配了可视化示例，定期抽检标注结果，画IoU一致性曲线来监控标注质量。

开源数据集这块可以省很多时间。DeepGlobe（土地覆盖）、LoveDA（城市土地覆盖）、DOTA（航空图像旋转目标检测）、xView（检测与地块分割）、SpaceNet（建筑与道路提取）都是业内常用的基准数据集，用来做预训练或者验证模型选型非常合适。

注意：用开源数据集预训练模型时，一定要确认传感器分辨率和你实际业务数据是否接近。拿DOTA里面的大目标影像训练出来的模型，去检测只有10个像素的汽车，效果大概是灾难级的。

2.3 模型选型：U-Net、DeepLabv3+、SegFormer到SAM

模型选择没有绝对最优，只有适合场景。我按任务类型来拆：

• 语义分割（土地分类、水体提取、农作物识别）：首选U-Net及其变体（U-Net++、ResNet-UNet），参数量适中，标注样本少也能训起来。大范围场景建议DeepLabv3+或SegFormer，感受野更大，边界更稳。
• 目标检测（船舰、车辆、油罐）：首选YOLO系列，速度极快，配合SiLU激活和Focal Loss可以处理遥感密集小目标；旋转框场景可用RoI Transformer或Oriented R-CNN，因为飞机和船舶的方向不固定，水平框会引入太多背景噪声。
• 变化检测：两时相影像是输入对，常用Siam-Net、ChangeFormer这类孪生网络，本质上先共享特征提取，再对比特征差异图。对季节差异不敏感是这类模型的核心竞争力。
• 实例分割（建筑物轮廓、单棵树木分割）：Mask R-CNN和PointRend表现稳定，SAM出来后可以用它做半自动标注，效果比人工硬画好不少。

关于SAM，我的经验是直接拿SAM做遥感自适应分割并不可靠。遥感影像中地物尺度差异太大，SAM默认的图像编码器对微小目标不敏感，建议用SAM做辅助标注工具，生成粗糙掩膜再人工修正，效率能提升好几倍，而不是直接端到端使用。

2.4 训练技巧与归一化、损失函数、数据增强

遥感模型训练有一系列不成文的门道。最关键的一点是通道处理。多光谱影像波段多，直接扔给ImageNet预训练模型是不行的，因为ImageNet预训练模型的输入是三通道。常见的做法有两种：

一是波段选择，从Sentinel-2的13个波段中挑出红、绿、蓝、近红外这四个信息量最大的组合；二是波段重组，把近红外、红、绿合成假彩色图像，植被呈红色，视觉效果上反而对地物解译更有利。如果硬要用全部波段，就随机初始化第一个卷积层的通道权重，然后冻结其它层做迁移学习，也能收敛。

归一化上，遥感影像不像ImageNet有天然的RGB均值和方差，建议从你自己的训练数据中统计每个波段的均值和标准差，做Z-Score标准化。我见过不少团队直接把遥感影像除以255就完事，模型一样能训练，但精度上限会受限。

损失函数方面，纯CrossEntropy在类别不平衡场景下效果不好。水体、建筑、裸地这些类别占比差距有时候超过100倍，建议用Dice Loss或Focal Loss配合加权交叉熵。我个人经验是Dice Loss加CrossEntropy按1:1加权，在大多数遥感分割任务中效果均衡。

数据增强除了常规的翻转、旋转、色彩抖动，遥感数据一定要加两种专用增强：一是多尺度缩放，让模型适应遥感目标尺度差异极大的特点；二是MixUp或CutMix，对遥感地物边缘混叠处理非常好用。实测下来，多尺度增强对小目标检测的mAP提升能达到5到8个点。

3. 典型应用场景与实战记录

3.1 地表覆盖分类：从建模到推理的完整流程

地表覆盖分类是所有遥感任务的基石，训练样本相对易得，结果直观看得懂。这里我以一块包含耕地、林地、水体、建筑、裸地五类地物的区域为例，走一遍实际流程。

数据准备阶段，收集Sentinel-2无云影像，做大气校正和正射校正，然后生成NDVI、NDWI、NDBI等光谱指数作为额外特征通道。样本标注用QGIS人工勾绘多边形，每个类别至少300个样本多边形，随机分成训练、验证、测试，注意按区域分而不是按像素分，防止空间自相关导致的数据泄漏。

模型用ResNet50编码器加U-Net解码器，输入尺寸512x512，批量大小8张，AdamW优化器，初始学习率3e-4，配合余弦退火。训练50轮后停止，选取验证集IoU最高的权重。

推理阶段用滑动窗口重叠预测，窗口大小与训练一致，步长设为窗口的50%，相邻窗口重叠部分取平均预测。这是常被忽略的一步，能有效消除窗口接缝效应。最后把预测结果栅格化到原始坐标系下，做连通域分析和形态学后处理，去除微小孤立块。用这种方法做大面积耕地制图，总体精度一般能到90%以上。

3.2 目标检测：小目标与方向性目标的处理经验

遥感目标检测公认最头疼的是小目标。自然场景中小于32x32像素的目标已经算小目标，但遥感图中一辆小车可能只有十几像素，密集排列的油罐区更是成百上千个大小接近的圆。

针对这个问题，我的实践方案是切图策略加多尺度训练。在数据处理阶段，把大幅影像切分成带重叠的瓦片（tile），重叠加30到50个像素，避免目标正好被切在边缘。对训练数据，做在线随机尺度变换，0.5到1.5倍采样，让模型见到更多尺度的目标。检测头层的特征图增加小目标检测分支，比如YOLO系列中的P2层，可以保留更高分辨率的特征信息。

方向性目标的二阶段检测去年在DOTA这类数据集上已经卷到很卷了。实操中如果你业务范围内目标方向相对固定，比如港口内的船舶基本平行泊位，其实用水平框加足够数据也能解决。只有目标方向完全随机且密集时，才需要上旋转框检测。

3.3 变化检测：双时相对比的核心逻辑

变化检测一直是遥感AI里应用价值很高的方向，违建监测、城市扩张、森林砍伐、灾害损毁评估都靠它。它的输入是两个时相的影像，输出是一张变化掩膜，标注哪些地方变了、怎么变的。

基于深度学习的做法主要有两类：一类是后分类比较法，先把两个时相分别做分类，再逐像素比较结果差异，这类方法受分类误差影响大，变化区域边缘很毛糙；另一类是孪生网络法，两时相影像共享编码器提取特征，然后在特征层面做差或拼接，用注意力机制捕捉变化区域，代表模型就是ChangeFormer。

我实际跑ChangeFormer的经验：训练数据必须覆盖不同季节的组合变化，否则模型分不清季节性变化和真实地表变化。举个例子，农田从绿变黄是季节性变化，不是地表覆盖变化，但纯像素差分的模型会把整片农田标成变化区域。解决思路是在训练集中加入大量“伪变化”样本，即同一地物不同季节的两时相影像，标签为不变，强迫模型学到光谱变化与地表变化的解耦。

3.4 农业遥感与灾害评估中的落地场景

农业方向，AI更多用在作物分类、长势监测、产量估算。传统方法依赖NDVI时间序列，需要生长季内多个时相的影像拼成曲线，再套分类器。现在可以直接用时序Transformer模型（如Unet3D，或者基于时间注意力的模型）对多时相影像序列做端到端分类，效果比逐时相分类后投票好很多。

以水稻识别为例，水稻移栽期田块灌水，光谱上有明显的短时水体特征，后续秧苗生长又呈现独特的时序响应。用多时相数据建模这种时序节律，准确率能轻松超过95%。但这对数据质量要求极高，每个时相都要精确配准，一旦影像间偏移超过一两个像素，时序信号就被拆散了，精度直线下降。

灾害评估方向上，洪水提取与燃烧区制图是相对成熟的应用。洪水淹没区在SAR影像上呈现均质暗区，但山体阴影有时也呈现暗区，容易混淆。我的做法是多源联合：SAR加光学、加上坡度地形因子辅助，山坡阴影区域总在高程起伏大处，与洪水淹没的平坦地形特征明显不同。融合地形特征后，洪水提取的误检率能降低接近一半。

4. 工程落地与部署调优：从算法到产品的最后一公里

4.1 数据管道搭建：Rasterio切图与标准化

模型训练前的数据管线，我推荐直接用Rasterio来搭建，底层是GDAL，Python接口友好。

import rasterio from rasterio.windows import Window import numpy as np def load_tile(path, row_off, col_off, height, width): with rasterio.open(path) as src: window = Window(col_off, row_off, width, height) # out_shape参数实现缩放读取，大影像切块时可以降采样 data = src.read(window=window, out_shape=(src.count, height, width)) transform = src.window_transform(window) profile = src.profile.copy() profile.update( height=height, width=width, transform=transform ) return data, profile

切图时建议加重叠。假设训练窗口是512x512，切图步长用384，重叠128像素，这样边缘目标不会漏。一个很值得做的优化是无效值掩膜：遥感影像经常有边缘黑边或NoData区域，切图时判断当前窗口内有效像素比例，低于阈值的瓦片直接丢弃，避免把大量空值喂给模型。这个阈值我一般定在0.8，即有效像素占比低于80%的瓦片就不用了。

标准化环节要小心一个陷阱：统计均值和标准差必须在有效像素上统计，不能把NoData数字（比如0或-9999）也算进去，否则统计值会被污染，模型输入偏到离谱。

4.2 模型部署：ONNX导出与TensorRT加速的实践

训练完的模型终究要出产品。遥感模型部署有两类典型场景：一类是云端大规模推理，处理几十TB的全区影像；另一类是边缘部署，直接跑在无人机机载电脑或地面小盒子上。

云端推理，我通常把PyTorch模型导出成ONNX，再用TensorRT做引擎优化。举个例子，一个输入为512x512x12通道的U-Net，PyTorch原生推理一帧大约需要80毫秒，TensorRT FP16优化后能压到25毫秒以内，速度提升三倍以上，精度损失不到1个点。

边缘部署更看重的则是模型体积和功耗。常用手段有量化（INT8量化可以让模型体积压缩到四分之一，但遥感影像高动态范围损失较大，需谨慎）、剪枝和蒸馏。我现在倾向用蒸馏方案训练一个轻量级学生网络，比如用大模型U-Net作为教师，训练一个MobileNetV3编码器加轻量解码器的学生模型，精度能保住教师模型的95%，但体积和时延都能降一个数量级。

4.3 GPU资源估算与训练成本控制

遥感影像模型训练比自然图像训练吃显存得多，因为输入通道多、分辨率高。以U-Net输入512x512、12个波段为例，FP32训练下大约需要8GB显存；同样输入尺寸但换更深的ResNet50编码器，12GB显存才算稳。我这里直接给一个经验公式参考：显存需求约等于（输入高x输入宽x通道数x 4字节x 批量大小x 4)，roughly等于训练时实际占据，再考虑梯度和优化器状态翻两倍。

不算特别精确，但对预算规划足够用了。省钱经验如下：能用混合精度就用混合精度，AMP能把显存占用降到原来一半多一点，训练速度提升接近一倍；ReduceLROnPlateau比固定学习率省心，验证Loss连续5轮不下降时学习率降一半，迭代20轮后再降，这种纯经验的调度法在遥感场景中表现意外地好。

注意：遥感场景的批次大小别盲目追求大。批次太小统计噪声大，批次太大容易过拟合到少数类别。我自己体验下来，分割任务批大小8到16之间是甜点区间，没必要跟自然图像任务一样堆到64以上。

4.4 实际落地中反复遇到的坑

第一个坑是坐标偏移。训练时为了方便把GeoTIFF当普通数组读，推理完输出时忘记把地理变换信息带回来，最终预测结果全部漂移了几百米。这不是算法问题，是工程意识问题。强烈建议在推理模块内部把GeoTransform和投影信息作为对象成员完整贯穿整个流程，任何一步都不要丢弃。

第二个坑是训练集和测试集的空间自相关。遥感影像的相邻像素天然高度相关，如果训练集和测试集来自同一区域，模型可能记住的是纹理模式而非语义类别，测试指标会极其虚高。务必保证训练区域和测试区域空间上完全分离，比如按行政区或经纬度格网分隔，这样报告的精度才是可信的。

第三个坑是多时相信息被忽略。很多业务场景其实有多期历史影像，但业务方总是拿单时相影像做模型。加入历史同期影像做比对输入，误检率能大幅降低，尤其在变化检测和异常目标识别任务中。有时候业务瓶颈不在模型结构，而在你根本没有用好已有的数据。

5. 常见问题速查与排查思路

我整理了一份高频问题排查表，全部来自真实项目血泪：

遥感AI这个方向的工程化程度，比很多人想象的要高得多。模型选型只是很小的一环，数据质量、预处理流程、空间统计特性、部署优化，每一环都能决定项目成败。

我自己的体会是，做遥感AI项目最容易犯的错，是不把遥感当遥感——还是拿自然图像的思路硬套。但RSI数据的波段特性、尺度特性、时相特性，以及地理坐标这个隐含维度，处处都需要专门设计。一个合格的遥感AI工程师，一半是算法工程师，另一半得是半个遥感专家。

如果你正打算开始接触这个方向，我的建议很简单：先完整跑通一个最小闭环，从一块小区域、三个类别、单时相影像开始，把数据管线、训练、推理、矢量化输出全链路走一遍，再考虑加花活。这个闭环的价值远大于你在模型结构上多追几个新论文。数据质量永远优先于模型复杂度，这是我在无数项目里验证过的真理。