『评论』

华为Atlas:AI遥感的“碧空慧眼”

遥感就像是碧空中的“慧眼”,通过遥感技术,我们才可以看得更广、更深、更清晰。
 
简单的说,遥感是通过对于地表地物的电磁波辐射特征的准确记录,客观、实时地反映出地表景观,例如可真实形象地反映地物分布的现状,地物或现象间的相互关系,以及地物间相互影响变化的情况。
 
传统定义下,遥感技术是指从人造卫星、飞机或其他飞行器上收集地物目标的电磁辐射信息,判认地球环境和资源的技术。它是60年代在航空摄影和判读的基础上随航天技术和电子计算机技术的发展而逐渐形成的综合性感测技术。


而AI算力的不断突破,算法模型的不断成熟,让AI图像识别技术让现代遥感技术充满了无限可能。比如近年来,智能化的图像识别技术推动了遥感技术,在智能交通、智慧城市、公共安全等应用中起到重要的作用。
 
2019年遥感图像稀疏表征与智能分析竞赛在6月初启动,这项比赛本身正是为了推动“空间信息网络基础理论与关键技术”重大研究计划科学问题之一“空间信息稀疏表征与融合处理”的相关理论与技术的发展而来的。
 
而华为作为赛事的赞助单位,并提供了Atlas 200 DK AI开发者套件作为决赛的竞赛设备,成为了遥感识别背后真正意义上“碧空慧眼”。
 
AI与遥感技术融合的价值与意义
 
就在2018年,一则“雪豹保护”的消息,登上了微博热搜。
 
因为,雪豹保护面临的威胁主要是栖息地减少、过度放牧、偷猎、气候变化以及保护意识的缺乏。因为特别适合用遥感技术对这种稀有动物,进行保护。所以,国际雪豹保护大会研究通过了《国际雪豹保护深圳共识》,共识提出将充分研发和应用无人机、人工智能、遥感和遗传学方法等高新技术,促进雪豹保护。
 
这种典型的通过AI+遥感技术,形成的令人意想不到的解决方案,一度因为“雪豹”的稀有,被更多的人关注到。


事实上,遥感影像一直是自然资源调查、监测和管理的重要数据源,基于深度学习的遥感影像信息提取大幅提升遥感数据解译和信息提取的精度和效率,为提升自然资源调查监管决策能力,建立高效、完善的自然资源遥感监测服务体系提供更为先进的技术手段。
 
而AI+遥感能够做到自然资源多时相变化检测,有机会为开展国土空间、资源变化、自然环境和综合治理等卫星遥感监测,为自然资源管理、生态保护和修复、地质灾害应对、综合治理、督察执法等提供重要的技术支撑。
 
比如,利用AI+遥感技术,国土空间开发保护,可以最大限度保护耕地、林地、草原、河流、湖泊、湿地等自然生态用地。再比如,AI+遥感的多种技术和应用,可以加强陆地、大气、海洋遥感监测,提升对资源环境、生态保护、应急减灾的服务保障能力等等。
 
正因为AI+遥感对诸多产业的促进作用。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,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。
 
AI+遥感技术之所以如此炙手可热,最大的关键还在于,传统的专业遥感监测专家利用人眼目视判读,存在效率低,人工误差较大的痛点。而基于AI的影像变化检测技术,能够快速发现特定时间内区域面积内的变化,效率更高而且误差更小。所以,催生了AI与遥感技术的融合。
 
“AI+遥感”,正在遭遇这些挑战
 
但是,罗马不是一天建成的,AI技术与遥感技术的融合也绝非一蹴而就,也在面临各种各样的挑战。
 
第一个挑战,就是人才的缺失。我们知道,AI人才的供需之间本身就存在巨大的缺口,那么细分到遥感行业,AI人才就更为稀有。这也是华为作为遥感图像稀疏表征与智能分析竞赛赞助单位的意义所在,华为一直倡导AI普惠,通过各种各样的AI赛事为行业培养优秀的AI人才。

 
第二个挑战,是巨大的数据量给AI算力提出了挑战。

通常意义上看,高分遥感影像的分辨率越大,数据就越大。 因为,分辨率越高记录的数据信息越详细,不仅仅是像元随着高分影像增大,其每个像元的信息复杂性也在增加。那么当遥感卫星和无人机将如此巨大的数据上传到云端处理时,必然会遭遇到很长的延迟,也就会影响遥感的实时反馈。所以,华为提出了在端侧AI处理的方案,通过华为 Atlas 200 加速模块的嵌入,得益于内置的Ascend 310芯片,可实现最大16TOPS INT8的计算能力,可以让遥感无人机等设备满足端侧AI算力的高需求。
 
第三个挑战,复杂的地面信息对AI算法的高要求提出了挑战。
 
因为,高分辨率遥感影像随着分辨率越高获取的地面数据越多,信息就越复杂,AI算法来处理分辨率越高的影像就越困难。所以为人工智能模型结果的可用性带来了不确定性。所以,华为为竞赛提供了Atlas 200 DK AI开发者套件,其目的就是让开发者可以快速搭建开发环境,更利于算法的迭代。
 
不难发现,AI技术与遥感技术的融合是大势所趋,但是要充分考虑到端侧的AI算力是否能够分担云端AI算力不足的难题,也要有成熟的AI算法和模型为具体的应用进行赋能,还要有持续不断的人才涌现,以及更多华为这样的公司,来推动行业的稳步前进。
 
Atlas的AI赋能,源自背后全栈全场景的生态
 
事实上,华为Atlas背后的强大产品组合与生态,完全可以做到为遥感行业的AI化进程赋能。

首先,在算法层面,以华为Atlas 200 DK AI开发者套件为例。这是以华为Ascend 310芯片为核心的一个开发者板形态产品,主要功能是将Ascend 310芯片的核心功能通过该板上的外围接口开放出来,方便用户快速简捷的接入并使用Ascend 310芯片强大的处理能力,更快速和方便的通过深度学习获得更好的算法能力。


其次,在端侧AI算力层面,华为 Atlas 200 AI加速模块,可以直接嵌入式摄像机,无人机,机器人等硬件,而仅有半张信用卡大小,可支持16路高清视频实时分析,功耗仅10瓦左右,特别适用于在AI遥感这种,在终端侧有较高算力需求的场景。


第三,除此之外,在Atlas的产品组合中,还有Atlas 300 AI加速卡,它单卡即可提供64TOPS INT8计算性能,为深度学习和推理提供更强大的算力,可广泛应用于视频分析领域;再有Atlas 500智能小站,机顶盒大小即可实现16路高清视频处理能力,相比业界产品性能提高四倍。这两个产品,丰富了Atlas适用的场景,无论对遥感行业,还是更丰富的智慧城市、智能交通、智慧电力等行业智能化都具有很高的价值。
 
第四,在Atlas背后,其实是昇腾芯片的全栈全场景能力。这是包括了芯片、芯片使能、训练和推理框架和应用使能在内的全堆栈方案,和包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等在内的全场景部署环境。我们知道,类似于AI遥感这样的大部分场景,都需要云边协同的能力,那么Atlas背后的全栈全场景就是最佳的支撑。
 
如今,Atlas人工智能计算平台,正通过模块、板卡、小站、一体机等丰富的产品形态,打造出面向“云、边、端”的全场景AI基础设施方案,成为各行各业走向智能世界的推动力。通过对遥感行业智能化的使能,Atlas就是那只在碧空上散发着智慧光芒的“慧眼”。


AWS补习班

上一篇

理解云计算 才理解青云QingCloud

下一篇

你也可能喜欢

热门标签

微信扫一扫

微信扫一扫