07陈志远-超图自然资源智能体解决方案.pdf

《07陈志远-超图自然资源智能体解决方案.pdf》由会员分享，可在线阅读，更多相关《07陈志远-超图自然资源智能体解决方案.pdf（58页珍藏版）》请在三个皮匠报告上搜索。

1、P1陈 志 远超图软件 行业专家2025年6月25日超图自然资源智能体解决方案P2P2目录P3P3智能体理解01P4什么是智能体基于大模型的智能体的逻辑结构记忆感知决策行动AI智能体AI Agent（AI代理或AI智能体）是一种能够感知环境、进行决策和执行动作的智能实体。P5智能体基本特征以AI大模型为基础，以智能工具为抓手，能主动思考、理解任务，并能自己找方法来完成任务的AI程序。AI大模型智能工具能理解用户的自然语言请求通过独立思考、规划并分解任务调用相关智能软件工具达成目标的智能技术P6Manus成为首款通用Agent（自主智能体）Manus定位于一位性能强大的通用型助手，对于用户不仅仅

2、是提供想法，而是能将想法付诸实践，真正解决问题（如：股票分析交易、发票报销）。成为GAIA（是一个面向通用AI助手能力的基准评测体系）评分第一。P7智能体在自然资源行业应用大有可为空间规划不动产登记用途管制 耕地保护调查监测灾害防治智能生图智能推演智能监测智能分析智能问答智能决策.智能问答数字人办公助手智能审核智能监管智能决策.AI+选地数字人智能问答智能审核智能监管智能决策.智能感知对象识别变化检测语义分割三维模型AI自动化构建.图斑智能提取变化检测无人机智能检测智能识别.气象预测灾害预警模拟推演治理成效灾害监测.P8P8智能体构建02P9超图自然资源智能体解决方案自然资源行业大模型超图自然

3、资源智能体（SuperMap NR-Agents）智慧小登规划助手政务管家监测助手行政无忧自然资源行业知识库自然资源智能体应用构建中心P10为什么要行业大模型u 更精准的识别空间对象和变化u 按专业要求开展规划设计u 按行业管理逻辑开展自动化审批u 面向社会公众提供时空专题服务行业需求行业大模型u 资源调查u 规划设计u 审批监管u 公众服务通用大模型无法满足行业特性需求P11以通用遥感图像分割模型为例零样本泛化能力 无需遥感数据预训练即可分割未知地貌/地物（如耕地、建筑群），大幅降低数据标注成本。对复杂场景（农田不规则边界）保持较高分割鲁棒性。交互式高效采样 通过点选或框选快速生成目标掩膜，

4、样本制作效率提升约60%。高分辨率适应性 在亚米级遥感影像中精准捕捉地物细节（如道路网、小型建筑物）。规模化处理能力 GPU加速版本（如SAM-Road）推理速度达传统方法40倍，支持大区域实时分析。语义理解缺失 仅输出几何掩膜：无法自动识别地物类别。标签生成困难：缺乏语义标签，制约直接应用于分类任务。低分辨率数据局限性 对低分辨率影像（如土地利用数据）分割精度显著下降。细小目标（如独立树木、小型车辆）识别能力不足。遥感专属任务瓶颈 无法直接支持变化检测：缺乏时序分析能力。矢量输出缺失：需后处理转换栅格掩膜为地理矢量数据。场景复杂性挑战 对边界模糊地物（如水体与湿地过渡带）分割效果不稳定。光谱

5、特征利用不足：依赖RGB三通道，未充分融合多光谱/高光谱数据。P12行业遥感大模型构建遥感 基础模型训练数据遥感影像块600万大参数量网络500million+参数模型参数亿级参数量以捕获更多的复杂特征训练数据海量遥感影像数据以获得可用的大模型训练技术通过自监督训练大规模无标签数据学习数据的通用特征表示利用大量遥感数据对模型进行预训练，获取遥感数据的通用信息，再利用小样本面向任务进行微调满足单任务要求。P13遥感解译大模型精度提升0.9100.8390.9730.9430.9370.8320.9180.9130.8420.9760.9460.9400.8350.9210.7500.8000.8

6、500.9000.9501.000建筑道路水体耕地林地草地裸地验证集F1精度对比LIM 2024地物分类大模型LIM 2025地物分类大模型相比LIM 2024，LIM 2025 地物分类精度有提升P14SuperMap LIM 2025 地物分类更准确同等样本训练的小模型LIM 2024 地物分类大模型LIM 2025 地物分类大模型建筑物林地水体道路裸地耕地草地其他P15SuperMap LIM 2025 地物分类更准确同等样本训练的小模型LIM 2024 地物分类大模型LIM 2025 地物分类大模型建筑物林地水体道路裸地耕地草地其他P16以扩散大模型为例n 行业探索利用Stable D