薛武 赵玲,2 王鹏

星地协同光学遥感影像目标识别技术验证研究

薛武1赵玲1,2王鹏1

（1 航天工程大学，北京 101416）（291039部队，北京 102400）

为了提高光学遥感卫星信息处理的时效性，文章提出了星地协同光学遥感影像在轨目标智能识别技术框架。将基于遥感大数据的深度学习、神经网络模型训练等数据量大、运算量大、计算复杂、要求较高的处理任务部署在地面服务器，将深度学习训练得到的模型进行压缩并上注至卫星，卫星在轨利用轻量化模型对影像进行推理计算，最后把目标识别结果下传至用户。为了对所提出的技术框架进行验证，在高性能服务器和嵌入式开发板上进行了验证试验，利用YOLO-v5算法和DIOR遥感数据集进行了测试，结果表明：在模拟星载计算环境下，处理100km2范围1m分辨率遥感影像耗时17.74s，平均精确度（Mean Average Precision，mAP）为87.2%。文章提出的星地协同智能目标识别技术框架实时性和精度上能够满足应用需求，具备一定的可行性，可以进一步开展在轨验证试验。

星地协同 目标识别 深度学习 验证试验 遥感应用

0 引言

经过多年的建设发展，中国逐步构建了比较完备的航天遥感、地理测绘、海洋监测等对地观测卫星体系，在地理国情监测、资源普查、基础测绘等领域发挥了重要的作用，取得了显著的经济和社会效益。特别在“高分”专项的持续推动下，中国遥感卫星进入了空前发展时期，多平台、多传感器、多时相的海量对地观测数据，为国民经济建设提供日益丰富的数据资源[1]。……