在某工業(yè)園區(qū)，一輛裝載建筑垃圾的貨車趁著夜色駛?cè)氡O(jiān)控盲區(qū)。

次日清晨，距離地面630公里的高分辨率遙感衛(wèi)星已將這一區(qū)域異常影像傳回地面系統(tǒng)。通過AI模型自動解譯，一處占地約200平方米的非法傾倒點位被精準(zhǔn)鎖定。

從衛(wèi)星影像處理到發(fā)現(xiàn)問題線索，僅耗時32分鐘。這一幕科技執(zhí)法的場景，正是生態(tài)環(huán)境部衛(wèi)星環(huán)境應(yīng)用中心（以下簡稱衛(wèi)星中心）創(chuàng)新“AI+遙感”技術(shù)的最新實踐成果。

一段時間以來，衛(wèi)星中心研發(fā)團隊積極探索構(gòu)建多維度技術(shù)突破體系，研究建立基于AI的固體廢物人機交互解譯技術(shù)方法，取得了階段性成效。

傳統(tǒng)監(jiān)測手段耗時耗力

經(jīng)過多年發(fā)展，我國在生態(tài)、水、大氣監(jiān)測領(lǐng)域已形成較為完備的數(shù)據(jù)體系。但是，在固體廢物識別領(lǐng)域，相關(guān)技術(shù)起步較晚，缺乏系統(tǒng)性、權(quán)威性的樣本數(shù)據(jù)集，而且固廢種類繁多（如工業(yè)廢渣、建筑垃圾、生活垃圾等），形態(tài)、顏色、分布特征差異顯著，容易受到地形、植被、天氣等干擾，難以構(gòu)建統(tǒng)一的樣本數(shù)據(jù)集。

衛(wèi)星中心固廢遙感中心工程師余嘉琦長期從事固廢遙感監(jiān)測相關(guān)研究。她告訴記者，在2019年“清廢行動”前，相對于生態(tài)、水、大氣等環(huán)境監(jiān)測領(lǐng)域，固體廢物識別屬于新興領(lǐng)域，相關(guān)研究應(yīng)用較少，現(xiàn)成的技術(shù)方法和應(yīng)用范例也有限。“數(shù)據(jù)基礎(chǔ)的薄弱直接限制了識別技術(shù)的訓(xùn)練和優(yōu)化。”

“你看，這張圖片中的綠色小方點就是一處建筑垃圾。”衛(wèi)星中心固廢遙感中心工程師陸麗告訴記者，在實際案例中，非法傾倒、堆存的固體廢物占地面積通常在幾十平方米至幾千平方米之間，屬于典型的小尺度目標(biāo)。

根據(jù)最小成像單元原理，這些目標(biāo)只能通過高分辨率衛(wèi)星影像進行識別。但高分辨率衛(wèi)星影像的波段數(shù)量較少，可利用的光譜特征較少，導(dǎo)致固體廢物識別難度增加。

“固體廢物非法傾倒具有‘小、散、隱’的特征，傳統(tǒng)監(jiān)測手段長期面臨數(shù)據(jù)基礎(chǔ)薄弱、復(fù)雜環(huán)境適應(yīng)性差、動態(tài)監(jiān)測能力有限等困境。”陸麗表示。

特別是在偏遠山區(qū)、河流沿岸等執(zhí)法力量薄弱區(qū)域，固廢問題線索發(fā)現(xiàn)滯后，監(jiān)管覆蓋有所局限，容易錯過問題治理最佳時機。

“過去，面對衛(wèi)星影像中的可疑斑塊，我們需要像進行‘找不同’游戲般反復(fù)比對。”陸麗說，傳統(tǒng)人工解譯準(zhǔn)確率雖然能達到72%，但時間成本和人工成本較高。

自動提取模型大幅降低成本

針對相關(guān)問題，近期，衛(wèi)星中心研發(fā)團隊探索構(gòu)建起多維度技術(shù)突破體系，將遙感技術(shù)與AI結(jié)合，創(chuàng)新開發(fā)SFE-YOLO等深度學(xué)習(xí)模型，研究建立基于AI的固體廢物人機交互解譯技術(shù)方法，初步實現(xiàn)遙感影像處理、固體廢物識別、問題圖斑導(dǎo)出等自動化作業(yè)。

“常規(guī)遙感識別模型對固廢目標(biāo)的復(fù)雜形態(tài)和背景干擾適應(yīng)性差，應(yīng)用于固體廢物自動識別的精度僅為20%左右，遠不能滿足實際需求。”余嘉琦表示，“我們進一步探索固體廢物智能識別的方法，結(jié)合多尺度特征融合、注意力機制、目標(biāo)檢測優(yōu)化等技術(shù)，研發(fā)了全國首個固體廢物遙感自動提取模型。”

為確保技術(shù)與業(yè)務(wù)無縫銜接，讓技術(shù)成果能夠真正賦能固體廢物監(jiān)管執(zhí)法，衛(wèi)星中心采取“并行驗證—區(qū)域試點—全國推廣”業(yè)務(wù)化推進策略，將技術(shù)成果轉(zhuǎn)化為實際應(yīng)用。

“我們優(yōu)先選擇在山東省濟南市‘清廢行動’中開展技術(shù)驗證，設(shè)計了傳統(tǒng)人工解譯與自動提取模型并行驗證方案。”陸麗說。

測試中，自動提取模型僅耗時12小時便成功排查出200余處疑似固廢問題點位，經(jīng)現(xiàn)場核查確認(rèn)，準(zhǔn)確率為63%。而傳統(tǒng)人工解譯耗時156小時，準(zhǔn)確率約72%。

“結(jié)果表明，模型在效率上具有顯著優(yōu)勢，但在精度上仍有提升空間。為此，我們深入分析誤差原因，優(yōu)化模型參數(shù)，力求兼顧效率與精度。”余嘉琦表示。

技術(shù)人員在并行驗證的基礎(chǔ)上，進一步提出了“AI識別—人工質(zhì)檢—地面驗證—清單修正”的固體廢物非法傾倒問題主動發(fā)現(xiàn)機制。這一機制將AI技術(shù)的高效性與人工經(jīng)驗的精準(zhǔn)性相結(jié)合，形成從遙感發(fā)現(xiàn)到執(zhí)法核查的全流程閉環(huán)管理體系。

隨后，在黃河流域“清廢行動”中試點應(yīng)用，利用自動提取模型開展遙感排查準(zhǔn)確率保持在70%以上，但人工成本和時間成本均降低了60%，大幅提高了問題線索發(fā)現(xiàn)效率。

“目前，這一工作機制已在全國10余個省份推廣，累計排查固廢問題線索4000余條，為打擊非法傾倒、加強源頭治理提供了強有力的技術(shù)支撐。”陸麗說。

力爭實現(xiàn)從“事后發(fā)現(xiàn)”到“事前預(yù)警”的轉(zhuǎn)變

當(dāng)前，固廢監(jiān)管工作正從被動響應(yīng)轉(zhuǎn)向主動防控，這也對監(jiān)管技術(shù)的發(fā)展和應(yīng)用提出了更高要求。

加強技術(shù)創(chuàng)新，提升AI模型的環(huán)境適應(yīng)性與識別精度，成為衛(wèi)星中心下一步重點任務(wù)之一。“例如，研發(fā)多模態(tài)融合模型，結(jié)合光學(xué)遙感、紅外成像和SAR（合成孔徑雷達）數(shù)據(jù)，提升復(fù)雜場景下的目標(biāo)檢測能力。”余嘉琦告訴記者。

“同時，我們正在收集全國范圍內(nèi)的固廢樣本，涵蓋不同地域、類型和環(huán)境條件，形成動態(tài)更新的標(biāo)準(zhǔn)化數(shù)據(jù)庫。”余嘉琦表示，還將與網(wǎng)絡(luò)輿情、信訪舉報、交通運輸?shù)榷嘣磾?shù)據(jù)結(jié)合，開發(fā)基于時間序列分析的AI預(yù)測模型，利用歷史遙感數(shù)據(jù)預(yù)測高風(fēng)險區(qū)域和傾倒趨勢，實現(xiàn)從“事后發(fā)現(xiàn)”到“事前預(yù)警”的轉(zhuǎn)變，提前鎖定潛在違法點位，降低污染擴散風(fēng)險。

此外，衛(wèi)星中心將推動技術(shù)標(biāo)準(zhǔn)化與產(chǎn)業(yè)化。制定《固體廢物遙感監(jiān)測技術(shù)規(guī)范》，統(tǒng)一AI解譯流程和數(shù)據(jù)標(biāo)準(zhǔn)，提升固體廢物遙感監(jiān)測技術(shù)的應(yīng)用水平，確保技術(shù)在不同地區(qū)、不同場景下的適用性和可靠性。

從156小時到12小時的效率躍升，從人工辨識到智能預(yù)警的模式變革，這場固廢監(jiān)管的技術(shù)革命正推動治理方式的深刻轉(zhuǎn)型。

【來源：中國環(huán)境】