
北京愛特拉斯信息科技有限公司以ATLAS大模型標(biāo)注技術(shù)為核心,在智慧農(nóng)林、衛(wèi)星遙感、低空無(wú)人機(jī)等多領(lǐng)域持續(xù)深耕,助力AI實(shí)現(xiàn)從“數(shù)據(jù)感知”到“智能決策”的跨越,為傳統(tǒng)行業(yè)向精準(zhǔn)化、智能化升級(jí)注入強(qiáng)勁動(dòng)力。
在產(chǎn)業(yè)數(shù)據(jù)智能市場(chǎng)高速增長(zhǎng)的背景下,大模型標(biāo)注已成為多行業(yè)智能化轉(zhuǎn)型的關(guān)鍵支撐。其中,地理信息行業(yè)2024年產(chǎn)業(yè)總產(chǎn)值為8501億元,經(jīng)預(yù)測(cè),2025年全國(guó)地理信息產(chǎn)業(yè)總產(chǎn)值有望突破萬(wàn)億元,而衛(wèi)星影像、無(wú)人機(jī)影像作為地理信息獲取的核心載體,其精準(zhǔn)標(biāo)注需求持續(xù)攀升。
公司構(gòu)建“數(shù)據(jù)管理-樣本標(biāo)注-模型訓(xùn)練”全流程大模型標(biāo)注能力,依托多模態(tài)標(biāo)注引擎,可實(shí)現(xiàn)病蟲害圖片、衛(wèi)星影像、低空無(wú)人機(jī)影像、視頻等數(shù)據(jù)與行業(yè)語(yǔ)義的精準(zhǔn)關(guān)聯(lián),既能為農(nóng)林場(chǎng)景AI決策提供支撐,也能滿足國(guó)土測(cè)繪、環(huán)境監(jiān)測(cè)、城市規(guī)劃等領(lǐng)域?qū)τ跋窠馕龅母呔刃枨螅瑸槎嘈袠I(yè)AI應(yīng)用筑牢底層數(shù)據(jù)根基。
目前,公司已憑借這一核心技術(shù),在智慧農(nóng)林、衛(wèi)星影像處理、無(wú)人機(jī)影像分析等領(lǐng)域落地運(yùn)城智慧農(nóng)業(yè)、蔬菜病害識(shí)別、區(qū)域國(guó)土監(jiān)測(cè)等多個(gè)標(biāo)桿項(xiàng)目,不僅推動(dòng)各領(lǐng)域向精準(zhǔn)化、智能化邁進(jìn),更形成了可復(fù)制的跨行業(yè)技術(shù)應(yīng)用范本。
無(wú)論是作物病害篩查,還是衛(wèi)星、無(wú)人機(jī)影像解析,公司均嚴(yán)格遵循“數(shù)據(jù)處理-模型訓(xùn)練-性能驗(yàn)證”全流程邏輯推進(jìn),各環(huán)節(jié)無(wú)縫銜接,確保技術(shù)成果可落地、可驗(yàn)證。
數(shù)據(jù)清洗:針對(duì)不同場(chǎng)景數(shù)據(jù)特性開展專項(xiàng)質(zhì)量篩查——處理作物病害圖像時(shí),剔除模糊、重復(fù)、標(biāo)注錯(cuò)誤的無(wú)效影像;解析衛(wèi)星與無(wú)人機(jī)影像時(shí),重點(diǎn)修正云層遮擋、光影干擾、坐標(biāo)偏移等問(wèn)題數(shù)據(jù),從源頭保障數(shù)據(jù)基礎(chǔ)質(zhì)量。
標(biāo)準(zhǔn)化標(biāo)注:依據(jù)各行業(yè)專屬標(biāo)準(zhǔn)開展精細(xì)化標(biāo)注——農(nóng)業(yè)場(chǎng)景中,按作物病害識(shí)別規(guī)范校準(zhǔn)標(biāo)注邊界與標(biāo)簽信息;衛(wèi)星/無(wú)人機(jī)影像場(chǎng)景中,參照地理信息分類體系,對(duì)土地利用類型、建筑分布、植被覆蓋區(qū)域等目標(biāo)進(jìn)行精準(zhǔn)圈定與語(yǔ)義標(biāo)注,形成覆蓋多領(lǐng)域、多場(chǎng)景的高質(zhì)量增量訓(xùn)練數(shù)據(jù)集。
增量訓(xùn)練:針對(duì)不同領(lǐng)域需求,以對(duì)應(yīng)預(yù)訓(xùn)練模型為基礎(chǔ)導(dǎo)入標(biāo)準(zhǔn)化數(shù)據(jù)集——農(nóng)業(yè)領(lǐng)域用作物病害識(shí)別預(yù)訓(xùn)練模型,衛(wèi)星影像領(lǐng)域用地理目標(biāo)檢測(cè)預(yù)訓(xùn)練模型,通過(guò)增量訓(xùn)練提升模型專項(xiàng)任務(wù)處理能力。
數(shù)據(jù)增強(qiáng):結(jié)合場(chǎng)景特性設(shè)計(jì)專屬增強(qiáng)策略——農(nóng)業(yè)場(chǎng)景引入隨機(jī)旋轉(zhuǎn)、尺度變換模擬田間環(huán)境;衛(wèi)星/無(wú)人機(jī)影像場(chǎng)景則通過(guò)光照模擬、視角變換、噪聲添加等,還原不同天氣、不同拍攝高度下的影像特征,大幅強(qiáng)化模型對(duì)多樣樣本和復(fù)雜場(chǎng)景的適應(yīng)能力。
性能評(píng)估:針對(duì)不同領(lǐng)域模型設(shè)置專項(xiàng)評(píng)估指標(biāo)——農(nóng)業(yè)病害識(shí)別重點(diǎn)監(jiān)測(cè)精確率、召回率;衛(wèi)星/無(wú)人機(jī)影像解析則額外關(guān)注坐標(biāo)精度、目標(biāo)分類準(zhǔn)確率等,系統(tǒng)性測(cè)試并定位模型在復(fù)雜場(chǎng)景下的性能短板。
迭代優(yōu)化:針對(duì)測(cè)試不足持續(xù)調(diào)整參數(shù)與策略,經(jīng)多輪迭代后,各領(lǐng)域模型均能達(dá)到預(yù)期性能標(biāo)準(zhǔn),為田間智能偵檢、國(guó)土動(dòng)態(tài)監(jiān)測(cè)、城市違建排查等實(shí)際應(yīng)用筑牢技術(shù)基礎(chǔ)。
依托自研空間影像標(biāo)注工具,公司ImageAI產(chǎn)品構(gòu)建“數(shù)據(jù)集管理-樣本標(biāo)注-標(biāo)注標(biāo)簽”三位一體功能體系,為用戶提供全流程標(biāo)注支持。用戶可通過(guò)該工具對(duì)樣本數(shù)據(jù)進(jìn)行精準(zhǔn)標(biāo)注,使模型能從中學(xué)習(xí)并構(gòu)建原始圖像數(shù)據(jù)到預(yù)期輸出結(jié)果的復(fù)雜映射關(guān)系,進(jìn)而借助定制化標(biāo)注數(shù)據(jù)集,有效優(yōu)化并提升模型在特定應(yīng)用場(chǎng)景下的識(shí)別準(zhǔn)確率。同時(shí),產(chǎn)品搭載AI輔助標(biāo)注能力,可依據(jù)地物特征自動(dòng)完成標(biāo)注,大幅縮減大數(shù)據(jù)標(biāo)注的人工工作量,兼顧標(biāo)注精度與效率。

聚焦農(nóng)作物病蟲害監(jiān)測(cè)核心需求,通過(guò)對(duì)病蟲害特征、果實(shí)瑕疵圖像的高精度標(biāo)注,為系統(tǒng)深度學(xué)習(xí)模型搭建高質(zhì)量數(shù)據(jù)支撐底座,最終實(shí)現(xiàn)運(yùn)城市農(nóng)業(yè)病害的精準(zhǔn)識(shí)別與高效判定。

針對(duì)瓜類果斑病、番茄潰瘍病等病害,經(jīng)數(shù)據(jù)清洗、標(biāo)準(zhǔn)化標(biāo)注、增量訓(xùn)練與迭代優(yōu)化,形成高性能識(shí)別模型,推動(dòng)病害智能偵檢從實(shí)驗(yàn)室走向田間應(yīng)用。

在城市治理領(lǐng)域,公司依托ATLAS大模型標(biāo)注技術(shù),針對(duì)無(wú)人機(jī)動(dòng)態(tài)視頻打造專業(yè)化標(biāo)注方案,已成功落地多場(chǎng)景實(shí)踐。林火監(jiān)測(cè)方面通過(guò)對(duì)無(wú)人機(jī)巡航拍攝的林地巡檢視頻進(jìn)行幀級(jí)標(biāo)注,精準(zhǔn)識(shí)別煙霧、明火等火情特征并追蹤蔓延軌跡,助力火情預(yù)警響應(yīng)時(shí)間縮短;對(duì)城市河湖沿岸視頻中的漂浮垃圾、違規(guī)排污口等目標(biāo)分類標(biāo)注,結(jié)合時(shí)間戳記錄動(dòng)態(tài)異常,支撐河湖監(jiān)測(cè)AI模型實(shí)現(xiàn)90%以上的異物識(shí)別準(zhǔn)確率,巡檢效率較人工提升5倍;同時(shí)針對(duì)城區(qū)道路、公園等公共空間視頻,標(biāo)注垃圾桶滿溢、綠化帶散落垃圾等場(chǎng)景,并關(guān)聯(lián)時(shí)空信息標(biāo)注高頻出現(xiàn)時(shí)段與區(qū)域,協(xié)助環(huán)衛(wèi)部門將垃圾清運(yùn)響應(yīng)時(shí)間壓縮至40分鐘,重點(diǎn)區(qū)域垃圾滯留率下降60%,全方位為森林防護(hù)、河湖治理、城區(qū)環(huán)境維護(hù)提供數(shù)據(jù)支撐,推動(dòng)城市治理向精細(xì)化、高效化升級(jí)。
