让遥感在线计算拥抱人工智能！用AI赋能遥感图像智能解译

PIE-Engine AI是基于云端弹性GPU资源的端到端全栈式遥感图像智能解译开发平台，为个人和企业用户提供样本标注、模型训练、模型发布、解译应用及资源共享一站式服务，助力用户构建高效、高精度AI应用（对于此平台的详细介绍，可以参考之前发布的内容：“AI与遥感结合！利用深度学习实现对遥感影像中路网、车辆、桥梁...的提取”）。

在PIE-Engine AI中进行影像智能解译的流程如下图所示：

（1）首先基于样本协同标注平台进行样本集的生产，PIE-Engine AI支持上传个人数据集进行样本协同标注，也支持上传标准的样本数据集（影像+标签）；

（2）样本集生产完成后，导入样本库，基于模型自主训练平台建立训练任务，选择样本集和预置的网络模型结构，进行模型自主训练；

（3）模型训练完成后就是进行影像智能解译，PIE-Engine AI 目前支持通过以下三种途径进行影像智能解译。

• 模型训练完成后直接在影像智能处理平台进行影像的解译；

• 模型训练完成后通过模型部署发布平台进行部署发布；在影像智能处理平台利用发布的模型进行影像的智能解译；

• 模型训练完成后通过模型部署发布平台进行部署发布，模型发布成API接口应用服务；在遥感计算平台（PIE-Engine Studio）中可以调用该模型进行实时动态的解译。本期我们就对第三种方式进行详细说明。

PIE-Engine AI（以下简称AI）的模型部署发布平台，实现了深度学习模型在端、边、云多端的一键部署和监控。在此平台上，选择训练好的模型进行发布，进行应用授权后生成授权码，将此授权码在PIE-Engine Studio（以下简称Studio）平台中通过授权码标识进行关联，则实现了Studio平台与AI平台的联通，在Studio中直接调用对应的模型，利用Studio强大的算力可实时得到计算结果。具体包括以下三个步骤：（1）AI平台发布模型；（2）Studio平台关联AI发布的模型；（3）Studio平台调用AI发布的模型。

 AI平台发布模型

● 在AI的模型部署发布平台上选择已入库的模型，如下展示了平台模型库里的公用模型，这里以“储油罐目标检测模型”为例，配置模型应用名称及资源情况，并发布模型。

下图模型库中的每个模型都对训练该模型时采用的训练样本、网络结构及模型精度等进行了简要说明，如“储油罐目标检测（Google）”模型采用训练样本是0.5米3波段谷歌影像标注的储油罐样本，网络结构为“YOLOv4”，准确度为91.37%。在Studio中调用此模型时宜采用与训练样本同源的待解译影像，才能得到类似的精度。

▲选择模型库里的“储油罐目标检测（Google）”模型

下图“应用名称”用来区分不同的模型，也是在Studio平台中调用此模型时的输入参数之一，因此不可重复命名。

▲配置应用名称和应用描述

根据所用资源及有效时间确定消耗的积分，发布本模型1小时需要40积分。平台提供了积分获取方式，手机号注册、每日签到、邀请新用户手机号注册均可获取免费积分，另外充值1元可获取10积分。

▲配置资源

▲发布模型

▲模型发布成功

● 模型发布成功之后，选择“应用授权”，服务接口才有效，设置授权的有效期，并复制页面下方生成的授权码；

▲对发布的模型进行应用授权

▲对模型应用授权后生成的授权码

到此完成了AI平台模型的发布及授权，下面对此授权码在Studio平台中进行关联。

Studio平台关联AI发布的模型

● 在Studio平台中，点击个人账户，选择“授权码管理”，点击新建，在“授权码”处粘贴上一步生成的授权码，并填写授权码标识。

下图提供“是否公开”的选项，如果想跟其他人在Studio平台中共享这个模型，比如在模型发布有效时间内，其他用户也可在Studio平台中调用这个模型，则将“是否公开”置为公开，同时可进一步指定访问用户，限制公开范围。

▲将模型设置为公开访问

操作完成后，生成授权码记录如下：

▲授权码记录

上图的“授权码标识”即是“授权码”的另一种形式，也是在Studio平台中调用此模型时的输入参数之一，因此不可重复命名。

到此就实现了Studio和AI两个服务平台的连通，在Studio平台中可以调用AI平台发布的模型，实时显示解译结果。

目前已经接通的模型包括：

（1）水体识别模型；

（2）变化检测模型；

（3）油罐识别模型；

（4）垃圾识别模型等。

Studio平台调用AI发布的模型

已关联的模型在Studio平台中通过pie.Model模块下的

fromAiPlatformPredictor(appname,username, tokenname, options)算子来实现调用，其中第一个参数是在AI平台中发布模型时的“应用名称”，第二个参数是发布这个模型的“账户”，第三个参数就是在Studio平台根据这个模型的授权码所建的“授权码标识”。

具体代码如下所示：

// 加载原始数据var image = pie.Image("user/moreMoney/tianjingang_google_18") .select(["B1","B2","B3"]);Map.centerObject(image,15);// 加载模型var model = pie.Model.fromAiPlatformPredictor( "Google储油罐目标检测","chengwei","chengwei/Google储油罐识别Model"); print(model)// 预测结果并加载显示var result = model.predictImage(image);var visParams = { type:pie.CONSTANT.VECTOR, filter:[[">","score",0.3]], label:{ textField:["get","score"], textColor:"#ff0000", textSize:12 }, fillColor:"00000000",

前面提到在Studio中调用某个模型时宜采用与此模型训练样本同源的待解译影像，才能得到类似的精度，因此我们选用的待解译影像是自己上传的谷歌18级3波段影像，分辨率为0.5米。

油罐识别代码链接：

https://engine.piesat.cn/engine-share/shareCode.html?id=c7dbc7c01bba4b6f9227ca838dd67bb3

   油罐识别结果：

通过同样的流程，我们就可以对AI平台的“城市单类建筑变化检测（航空）”、“城市垃圾识别”、“水域信息提取”等模型进行发布并在Studio平台中调用，这种方式既集成了AI平台的深度学习框架，又利用了Studio平台强大的算力和数据资源，实现云计算平台上遥感影像的智能解译！

水体信息提取代码链接：

https://engine.piesat.cn/engine-share/shareCode.html?id=b64d5cc90d6242c3a78365e5cc876b3c

   水体提取结果：

垃圾识别代码链接：

https://engine.piesat.cn/engine-share/shareCode.html?id=da08d79730864094b6810940fddd50ca

   垃圾识别结果：

注意！

本期示例中发布的模型设置的有效时间为120小时，超过这个时间则失效，无法得到结果，读者可参考上述流程自己发布模型然后进行调用。

【PIE-Engine注册地址】

4https://engine.piesat.cn

扫描二维码即刻体验

新用户首次注册送惊喜大礼包

我们欢迎不同行业、不同背景、不同使用习惯的你，成为我们的用户。

如果你对于这款产品有着不同的看法、建议，以及在使用过程中遇到问题，除了查看在线帮助文档和教程外，还可以通过本文留言区或以下方式联系我们：

【长按添加社群小助手 进入企业微信群】

来源：航天宏图
- END -


戳原文，更有料！