【技術實現步驟摘要】
本專利技術涉及空間數據分析，特別是涉及一種空間數據ai智能分析系統。
技術介紹
1、遙感數據即空間數據，是通過遙感技術從遠距離(通常是從衛星、飛機或無人機)獲取的地球表面信息。遙感技術利用傳感器捕捉電磁波譜中的不同波段(如可見光、紅外線、微波等)反射或發射的信號，以生成關于地球表面特征的圖像和數據。利用遙感數據可以進行環境監測、農業管理、城市規劃、災害響應、氣候研究等。
2、現有的遙感數據(空間數據)分析技術包括圖像處理、深度學習、機器學習等技術，但是現有技術依然存在著：數據處理能力有限，在處理大規模、高分辨率數據時效率較低。模型泛化能力不足，許多模型在不同環境或數據集上的表現不一致，缺乏泛化能力。數據標注困難，高質量的訓練數據集需要大量的人工標注，耗時且昂貴。實時性不足，許多分析技術無法實時處理數據，限制了其在應急響應中的應用。復雜性和可解釋性，深度學習模型雖然強大，但通常被視為“黑箱”，缺乏可解釋性等。因此，本專利技術提出一種空間數據ai智能分析系統，以解決上述問題。
技術實現思路
1、為了克服現有技術的不足，本專利技術的目的是提供一種空間數據ai智能分析系統，能夠對輸入的多期遙感影像數據(空間數據)進行像素級的快速變化檢測，提高提取精度，得到更為準確的變化區域信息。
2、為實現上述目的，本專利技術提供了如下方案：一種空間數據ai智能分析系統，包括相互連接的平臺界面、ai地球模塊、模型構建模塊、后處理模塊和任務管理模塊；
3、所述ai地球模塊
4、所述模型構建模塊用于利用自動變化檢測算法和基于編碼-解碼結構的深度學習模型構建初檢模型，利用所述初檢模型進行所述變化圖斑的變化檢測任務，并利用構建的測試數據集進行模型訓練和模型預測，得到初檢結果；
5、所述后處理模塊用于利用無監督變化檢測算法分析檢測所述初檢結果，完成最終檢測；
6、所述任務管理模塊用于將所述遙感影像的檢測過程整合為一個任務，并在所述平臺界面上進行多個任務的創建和執行。
7、可選的，所述ai地球模塊包括：
8、圖層管理單元，用于利用所述平臺界面對上傳的遙感圖像中的柵格圖層和矢量圖層進行管理，所述圖層管理單元包括背景圖層、柵格圖層、矢量圖層和圖層菜單面板；
9、數據上傳單元，用于利用所述平臺界面添加新的矢量數據和柵格數據，所述數據上傳單元包括矢量上傳功能和柵格上傳功能；
10、在線解譯單元，用于基于所述圖層管理單元和所述數據上傳單元的操作結果，對遙感圖像進行aoi繪制，得到目標區域，對所述目標區域進行變化檢測，提取遙感影像圖像中相同區域內不同時相影像的異同，得到變化圖斑，所述在線解譯單元包括aoi繪制功能、地物提取功能、目標識別功能和專題檢測功能；
11、在線編輯單元，用于利用所述平臺界面對所述矢量圖層和所述矢量數據進行編輯修改操作，所述在線編輯單元包括要素添加選項、要素選中選項、要素移動選項、要素識別選項、要素粘貼選項、要素刪除選項。
12、可選的，所述專題檢測功能包括多源變化檢測任務、迭代多元變化檢測任務、主成分分析變化檢測任務、變化矢量分析變化檢測任務、基于對象的變化檢測任務和深度學習變化檢測任務。
13、可選的，所述模型構建模塊包括：
14、特征提取單元，用于基于孿生網絡結構，利用resnet50和殘差網絡學習和提取雙時相遙感圖像的特征，得到差異特征圖；
15、特征融合單元，用于利用特征金字塔網絡擴大所述差異特征圖的尺寸，得到特征擴大圖，將所述特征擴大圖橫向連接到對應的編碼層，并將所述特征擴大圖的底層和高層的特征進行融合，得到具有不同尺寸的多層次特征圖，將所述多層次特征圖輸入解碼器進行多倍上采樣，得到具備細節信息和語義特征的新特征圖；
16、深度監督單元，用于根據各個尺度的編碼層的輸出，在隱藏層中引入中間損失函數進行監督，并增加輔助分類器對主干網絡進行監督，再根據各個尺度的編碼結構對所述新特征圖進行多倍上采樣，利用sigmoid分類器將完成多倍上采樣的所述新特征圖映射為二值圖，將所述二值圖與標簽圖進行比較并計算損失；
17、模型訓練單元，用于構建動態加權交叉熵損失函數，并利用所述測試數據集對所述初檢模型進行訓練迭代，并在訓練迭代過程中隨機選擇數據增強進行組合；
18、模型預測單元，用于輸入遙感影像數據，并對輸入數據進行增強操作，生成多個增強樣本，將所述增強樣本輸入迭代訓練后的所述初檢模型進行預測，得到初始預測結果，將所述初始預測結果進行平均或投票，得到最終預測結果；其中，所述增強操作包括隨機縮放和隨機翻轉。
19、可選的，所述后處理模塊包括：
20、不變特征分析單元，用于利用偏差計算、位置矯正和不變性度量方法處理所述初檢結果，剔除所述初檢結果中幾何位移導致的偽變化，得到二次檢測結果；
21、形態學操作單元，用于利用形態學開閉操作對所述二次檢測結果中的圖斑進行填洞處理，并根據預設的像素閾值刪除小圖斑，再利用具有7個像素的形態學膨脹操作和腐蝕操作剔除所述二次檢測結果中圖斑邊界的毛刺和尖銳凹槽，并利用dp算法對所述二次檢測結果中的圖斑邊界進行平滑處理，完成邊界優化，得到最終檢測結果。
22、可選的，所述無監督變化檢測算法包括多元變化檢測法、主成分分析法、變化矢量分析法、基于對象的變化圖斑分析法和基于分割對象的約束后處理方法；其中，所述基于對象的變化圖斑分析法包括影像對象疊加比較法、影像對象直接對比法和多時相影像對象比較法，所述基于分割對象的約束后處理方法用于分析圖斑內每個分割單元的變化像素的占比，設定閾值進行偽變化的濾除，并引入分割對象與所述最終檢測結果進行對比，完成邊界優化。
23、可選的，所述任務管理模塊包括：
24、新建任務單元，用于輸入任務名稱、解譯類型和影像數據集；所述解譯類型包括地物、目標和專題，所述地物包括深度學習變化檢測選項、變化矢量分析變化檢測選項、迭代多元變化檢測選項、基于對象的變化檢測選項、主成分分析變化檢測選項、多元變化檢測功能和變化檢測精度評測選項；
25、任務列表單元，用于顯示列表信息和進行列表操作；
26、列表排序單元，用于進行列表的升序或降序排序；
27、任務搜索單元，用于通過關鍵字進行列表搜索。
28、本專利技術通過提供一種空間數據ai智能分析系統，公開了以下技術效果：
29、1、本專利技術可以部署在bs端，使用便利。
30、2、本專利技術集成自動變化檢測算法和無監督變化檢測算法，通過輸入多期遙感影像數據，進行像素級的快速變化檢測，實現相同區域內不同時相影像異同的提取；同時還可以對提取的變化圖斑進行發布本文檔來自技高網...
【技術保護點】
1.一種空間數據AI智能分析系統，其特征在于，包括相互連接的平臺界面、AI地球模塊、模型構建模塊、后處理模塊和任務管理模塊；
2.根據權利要求1所述的一種空間數據AI智能分析系統，其特征在于，所述AI地球模塊包括：
3.根據權利要求2所述的一種空間數據AI智能分析系統，其特征在于，所述專題檢測功能包括多源變化檢測任務、迭代多元變化檢測任務、主成分分析變化檢測任務、變化矢量分析變化檢測任務、基于對象的變化檢測任務和深度學習變化檢測任務。
4.根據權利要求3所述的一種空間數據AI智能分析系統，其特征在于，所述模型構建模塊包括：
5.根據權利要求4所述的一種空間數據AI智能分析系統，其特征在于，所述后處理模塊包括：
6.根據權利要求5所述的一種空間數據AI智能分析系統，其特征在于，所述無監督變化檢測算法包括多元變化檢測法、主成分分析法、變化矢量分析法、基于對象的變化圖斑分析法和基于分割對象的約束后處理方法；其中，所述基于對象的變化圖斑分析法包括影像對象疊加比較法、影像對象直接對比法和多時相影像對象比較法，所述基于分割對象的約束
7.根據權利要求6所述的一種空間數據AI智能分析系統，其特征在于，所述任務管理模塊包括：
...【技術特征摘要】
1.一種空間數據ai智能分析系統，其特征在于，包括相互連接的平臺界面、ai地球模塊、模型構建模塊、后處理模塊和任務管理模塊；
2.根據權利要求1所述的一種空間數據ai智能分析系統，其特征在于，所述ai地球模塊包括：
3.根據權利要求2所述的一種空間數據ai智能分析系統，其特征在于，所述專題檢測功能包括多源變化檢測任務、迭代多元變化檢測任務、主成分分析變化檢測任務、變化矢量分析變化檢測任務、基于對象的變化檢測任務和深度學習變化檢測任務。
4.根據權利要求3所述的一種空間數據ai智能分析系統，其特征在于，所述模型構建模塊包括：
5.根據權利要求4所述的一種空間數據a...
【專利技術屬性】
技術研發人員：關瑞華，劉廣順，呂力，張舜乙，
申請(專利權)人：內蒙古萬嘉信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。