基于人工智能的遙感實習創(chuàng)新教學方式研究

陳偉

關鍵詞：人工智能;遙感;實習

1引言

遙感科學與技術是在是測繪科學與計算機科學等相關學科交叉滲透、相互融合后發(fā)展起來的一門新興交叉學科[1]。遙感技術通過非接觸式的成像方式獲取空間目標的信息，不僅能夠解決目標的幾何定位的相關問題，亦能通過目標的輻射信息獲取其屬性信息。得益于其快速獲取大范圍地表信息的能力，遙感技術已經(jīng)受到了廣泛關注，并在國土普查、環(huán)境監(jiān)測、農(nóng)業(yè)等領域發(fā)揮了重要的作用[2-4]。值得一提的是，遙感是快速獲取地表表層信息的唯一手段，在國家層面?zhèn)涫苤匾?，其中“高分辨率對系統(tǒng)”作為國家中長期科學和技術發(fā)展規(guī)劃綱要中的專項之一，長期受到科技部與國家自然科學基金委的重視。因此，培養(yǎng)具有創(chuàng)新意識，動手能力強的遙感人才對于我國遙感科技水平的發(fā)展具有重要意義。

隨著人工智能技術在各行各業(yè)的普及與深度介入，遙感行業(yè)也面臨從信息化到智能化發(fā)展的機遇[5]。由于遙感處理的對象大多涉及圖像，而深度學習技術的兩大方向之一即為圖像處理（計算機視覺），因此遙感行業(yè)也越來越多地與人工智能結(jié)合到一起，如利用遙感進行作物相關信息的提取[6]、建筑物的提取[7]。隨著技術的不斷進步，越來越多的遙感研究與遙感應用已經(jīng)與人工智能相結(jié)合。人工智能技術已經(jīng)成為第四次工業(yè)革命的核心突破口。隨著世界上主要大國將人工智能技術上升為國家戰(zhàn)略，人工智能已經(jīng)開始與各行各業(yè)交叉融合。如何將這些新一代人工智能理論與技術用于遙感信息相結(jié)合，不僅是一個巨大的挑戰(zhàn)，而且是一個重大的機遇。然而，隨著遙感地理信息服務不斷融人大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等信息技術，目前人才培養(yǎng)體系下成長的學生已難以為各大IT企業(yè)提供具有競爭力的策略和方案，主要存在以下兩個問題：首先，當前大部分高校遙感科學與技術專業(yè)培養(yǎng)方案停留在測繪類的傳統(tǒng)模式框架之內(nèi)，其培養(yǎng)方案與模式更加類似于增加了遙感應用內(nèi)容的測繪工程專業(yè)，教學內(nèi)容偏向于外業(yè)測量，這在很大程度上限制了遙感科學與技術專業(yè)學生未來的就業(yè)與深造。其次，遙感科學與技術專業(yè)人才培養(yǎng)實踐中缺少與人工智能的融合，當前很大一部分高校遙感專業(yè)在培養(yǎng)學生編程手段上較為缺乏，對人工智能技術在實踐教學中的滲透少之又少，難以滿足當前社會對遙感人才的要求。

2結(jié)合人工智能技術的遙感實習創(chuàng)新教學方式研究

2.1關于培養(yǎng)方案改造的總體研究

遙感科學與技術專業(yè)在人工智能浪潮下面臨一系列的機遇與挑戰(zhàn)，如何擁抱人工智能革命，對專業(yè)進行改造升級對本專業(yè)學生發(fā)展、就業(yè)均有重要意義。從體系上來看，根據(jù)遙感專業(yè)的特點與人才培養(yǎng)的問題，培養(yǎng)方案升級可以分為五部分（圖1），即公共基礎課人工智能基礎知識加強、人工智能編程基礎能力提升、人工智能編程遙感應用、實踐創(chuàng)新及實習與畢業(yè)設計提升五個部分。

2.2公共基礎課人工智能基礎知識加強

當前，人工智能有六個大的研究領域，包括自然語言處理、計算機視覺、機器學習、知識表示、自動推理和機器人學，這些研究方向都離不開數(shù)學知識，所以若要在遙感人工智能領域走得更遠，必須擁有一定的、扎實的數(shù)學基礎。而遙感更加注重圖像處理，即計算機視覺等領域，因此在專業(yè)基礎課中需加強矩陣、概率論相關知識。

2.3人工智能編程基礎能力提升

當前，大部分測繪類專業(yè)培養(yǎng)過程中對編程課程并不重視，而主要注重外業(yè)測量技術，對人工智能的編程基礎與編程思維培養(yǎng)不夠。因此，實踐創(chuàng)新培養(yǎng)方案須針對當前人工智能的發(fā)展，提升學生在基礎編程上的能力。

2.4人工智能編程遙感應用

遙感科學與技術更加專注于遙感數(shù)字圖像的處理，傳統(tǒng)的遙感數(shù)字圖像處理是基于像素的，而當前的遙感數(shù)字圖像教學過程中也是基于傳統(tǒng)的教學方案，一方面部分教學集中在遙感圖像的軟件操作，另一方面也缺少引入人工智能的教學內(nèi)容。因此，在當前遙感課程體系中需要增加如人工智能應用等課程，突出地表建筑物識別、遙感影像地塊分割等圖像處理的教學內(nèi)容。通過人工智能在具體遙感圖像上的應用，提升學生利用人工智能解決具體遙感問題的能力。

2.5實踐創(chuàng)新

為了提升遙感科學與技術專業(yè)學生實踐創(chuàng)新能力及解決實際問題的能力，一方面可以鼓勵同學組隊參加人工智能與遙感相結(jié)合的比賽，如Kaggle、天池、高分大賽等：另一方面，在每年的大學生創(chuàng)新項目中引入一定比例的人工智能與遙感相結(jié)合的項目，進一步提升學生的實踐能力。

2.6實習與畢業(yè)設計提升

在實習過程中，通過設計遙感應用項目，如高分遙感地表分類，從數(shù)據(jù)收集、數(shù)據(jù)標注方案、數(shù)據(jù)標注、算法設計、算法開發(fā)、結(jié)果比對、現(xiàn)場答辯等環(huán)節(jié)，將學生分為若干組，共同實現(xiàn)一整個人工智能遙感應用的任務，從而全面提升學生思考問題、分析問題與解決問題的能力，促進人工智能相關技術與遙感行業(yè)應用的融合。在畢業(yè)設計方面，提升與人工智能相結(jié)合的選題比例，以進一步鍛煉學生的動手能力。

3實踐情況

針對以上結(jié)合人工智能技術的遙感實習創(chuàng)新教學方式研究，本文在實踐創(chuàng)新、實習與畢業(yè)設計兩個方面進行了實踐，在中國礦業(yè)大學（北京）2017、2018兩個年級本科生的畢業(yè)實習環(huán)節(jié)中布置了人工智能進行圖像分類的相關任務，將學生分為7組，獨立完成數(shù)據(jù)采集、數(shù)據(jù)標注、模型訓練與測試精度等工作，采集的數(shù)據(jù)如圖2所示。

在各組實踐過程中，通過天地圖在線地圖，采集3500組固定分辨率的遙感數(shù)據(jù)，并根據(jù)草地、農(nóng)田、工礦用地、水體、林地、居民地、停車場進行分類，形成訓練集。各組獨立開發(fā)基于VCC和Resnet等深度學習模型進行圖像分類，最后根據(jù)教師提供的測試集進行測試。結(jié)果顯示，各組訓練精度可達70%-95%，在測試集上的精度一般也在70%-85%。通過實踐，大部分學生的動手能力得到了顯著提升。

4結(jié)束語

當前，人工智能的發(fā)展對各行各業(yè)影響深遠，既是挑戰(zhàn)亦是機遇。遙感作為一門新興技術學科，與圖像處理深度綁定，也受到人工智能的深度影響。長期以來，由于遙感是測繪科學與技術的一部分，在教學過程中受到傳統(tǒng)測繪課程體系的影響，大部分高校的遙感科學與技術課程體系還是偏向于測繪，因此對學生未來發(fā)展產(chǎn)生了一定的影響。本文通過能遙感專業(yè)培養(yǎng)體系的研究，提出了在公共基礎課人工智能基礎知識、人工智能編程基礎能力、人工智能編程遙感應用、實踐創(chuàng)新及實習與畢業(yè)設計五方面的提升思路，并在中國礦業(yè)大學（北京）遙感專業(yè)實習中予以實踐，取得了良好的效果。