¡Producido por DAMO Academy, el primer modelo de inteligencia artificial de detección remota a gran escala de la industria ya está aquí! Un único modelo puede identificar todo lo que se encuentra en la superficie, como tierras de cultivo, cultivos y edificios, lo que puede mejorar en gran medida la eficiencia del análisis de las aplicaciones de detección remota, como la prevención de desastres, la gestión de recursos naturales y la estimación del rendimiento agrícola. El modelo ahora está disponible en la plataforma AIEarth Earth Science Cloud.
Por ejemplo, si ingresa "Extraer tierras de cultivo de imágenes", el objetivo seleccionado se reconocerá automáticamente.
El modelo de segmentación universal de interpretación de IA de teledetección (AIE-SEG) propuesto por DAMO Academy es el primero en lograr tareas unificadas de segmentación de imágenes en el campo de la teledetección.
Un modelo puede extraer rápidamente "cero muestras de todo" y puede identificar casi cien tipos de objetos terrestres de detección remota, como tierras de cultivo, agua y edificios. Aún puede mantener un reconocimiento de alta precisión bajo el procesamiento de tareas múltiples y también puede ajustar automáticamente los resultados del reconocimiento en función de los comentarios interactivos del usuario.
En algunos escenarios específicos, en comparación con los modelos tradicionales de detección remota, la precisión de la extracción de instancias se puede aumentar en un 25% y la precisión de la detección de cambios se puede aumentar en un 30%.
Basado en las capacidades básicas anteriores, el modelo grande de IA de detección remota proporciona servicios de llamadas API "listos para usar". Los usuarios pueden personalizar diferentes funciones de interpretación de IA de teledetección según las diferentes necesidades, como extracción de agua, monitoreo de cambios en tierras agrícolas, identificación fotovoltaica, etc.
El Instituto Provincial de Topografía y Cartografía de la Tierra de Shandong ha cooperado con el Instituto DAMO en los campos de estudio de recursos naturales y protección de tierras cultivadas desde 2022, utilizando grandes modelos de inteligencia artificial de teledetección para realizar investigaciones de seguimiento del crecimiento del trigo de invierno en la provincia de Shandong. La precisión del reconocimiento alcanzó más del 90 %, mejorando efectivamente la eficiencia de la interpretación de la teledetección del trigo de invierno, ayudando a los administradores agrícolas a predecir mejor los rendimientos de los cereales y mejorar la eficiencia de la producción agrícola.
El Instituto Nacional de Prevención y Control de Desastres Naturales utiliza grandes modelos de inteligencia artificial de teledetección para identificar deslizamientos de tierra y edificios derrumbados. En la prueba de imágenes de teledetección de áreas históricas de desastres naturales, solo se necesitan más de diez minutos para extraer esta información del desastre, que es docenas de veces más eficiente que los métodos de identificación manual, proporcionando soporte de análisis de teledetección eficiente y preciso para el socorro científico en casos de desastre.
Luo Hao, jefe del algoritmo AIEarth en el laboratorio de tecnología visual de la Academia DAMO, dijo que la detección remota multimodal es la única forma de hacer avanzar a los seres humanos para comprender mejor la Tierra. La Academia DAMO continuará promoviendo la investigación de grandes modelos de IA de teledetección y utilizará la IA para ayudar en la exploración y aplicación de las ciencias de la tierra.
AIEarth es una plataforma integral en la nube de ciencias de la tierra lanzada por DAMO Academy en 2022. Basada en la acumulación de tecnologías como el aprendizaje profundo, la visión por computadora y el análisis geoespacial, proporciona servicios de análisis de computación en la nube para datos de observación de múltiples fuentes. Actualmente coopera con más de 50 universidades en China y se han aplicado tecnologías relacionadas en instituciones como el Ministerio de Recursos Hídricos, el Centro Meteorológico Nacional y el Ministerio de Ecología y Medio Ambiente.