一种基于大语言模型的遥感解译智能体系统技术方案

本发明专利技术公开了一种基于大语言模型的遥感解译智能体系统，该系统通过集成多种遥感专有模型，如高光谱分类、变化检测、目标检测和场景分类等，将其解耦为图像编码模块和任务相关的解码模块，并通过接口封装实现灵活组合，以便大语言模型能够针对不同的遥感解译任务进行处理。引入了结构化输出机制，系统还引入了检索增强生成技术(RAG)，建立了外部向量数据库，存储了标注好的决策流程示例和用户评价良好的决策流程。本发明专利技术不仅提出了一个适用于各类遥感解译场景下的通用智能体，还丰富了遥感解译任务的方法与应用，能够自适应地根据用户输入多模态数据解决用户需求，具有广泛的应用前景和实用价值，为遥感领域的研究和实践带来重要的技术支持。

【技术实现步骤摘要】

本专利技术涉及遥感智能解译领域，具体涉及开发一种基于大语言模型的遥感解译智能体系统。

技术介绍

1、遥感技术在地球观测、环境监测、农业管理、城市规划等多个领域具有广泛应用。遥感数据通常包括多光谱、超光谱、雷达等多种数据形式，这些数据通过卫星、无人机等平台获取，能够提供地表的详细信息。然而，随着遥感技术的快速发展和数据获取手段的多样化，遥感数据的数量和复杂度不断增加，对于不同的数据类型以及不同的解译任务类型，往往需要各种独立且冗余的方法来针对性应对各种应用场景。因此，开发一种集成遥感解译方法的智能体系统，以高效、准确地解译各种数据类型和统一处理多种应用场景，具有重要的实践价值。

2、现有的遥感数据解译方法主要依赖于专家经验和基于规则的算法，这些方法在应对简单、单一类型的数据时具有一定的优势，但面对多源、多模态数据时，容易出现效率低下和解译精度不高的问题。此外，传统方法往往是针对特定应用场景或单一任务进行优化的，每当引入新的数据源或新的应用需求时，通常需要重新构建模型并进行大量的训练和调优工作。尽管深度学习技术在遥感解译领域取得了显著成果，遥感大模本文档来自技高网...

【技术保护点】

1.一种基于大语言模型的遥感解译智能体系统，其特征在于，包括如下步骤：

2.如权利要求1所述一种基于大语言模型的遥感解译智能体系统，其特征在于，所述步骤1中，收集和解耦现有的各种模态类型的各种遥感专有模型，包括但不限于高光谱分类、高光谱变化检测、高分辨率遥感图像目标检测和场景分类等任务场景，通过将网络解耦成图像编码模块和与任务严重相关的解码模块并进行接口封装，进而让大语言模型能够合理地组合不同的模块以实现各种遥感解译的应用场景，做好智能体系统的准备工作。

3.如权利要求1所述一种基于大语言模型的遥感解译智能体系统，其特征在于，所述步骤2中，搭建大语言模型的结构化输...

【技术特征摘要】

1.一种基于大语言模型的遥感解译智能体系统，其特征在于，包括如下步骤：

2.如权利要求1所述一种基于大语言模型的遥感解译智能体系统，其特征在于，所述步骤1中，收集和解耦现有的各种模态类型的各种遥感专有模型，包括但不限于高光谱分类、高光谱变化检测、高分辨率遥感图像目标检测和场景分类等任务场景，通过将网络解耦成图像编码模块和与任务严重相关的解码模块并进行接口封装，进而让大语言模型能够合理地组合不同的模块以实现各种遥感解译的应用场景，做好智能体系统的准备工作。

3.如权利要求1所述一种基于大语言模型的遥感解译智能体系统，其特征在于，所述步骤2中，搭建大语言模型的结构化输出，使大语言模型的输出可被系统所解析。

4.如权利要求1所述一种基于大语言模型的遥感解译智能体系统，其特征在于，所述步骤3中，针对一些经典的具有代表性的遥感解译任务场景，收集并标注一定量的任务需求和决策流程对，并转化为步骤2中所对应的结构化输出形式，进而构成能供大语言模型训练的输入输出对。

5.如权利要求1所述一种基于大语言模型的遥感解译智能体系统，其特征在于，所述步骤4中，采用lora微调技术为大语言模型的权重附加一个可学习的低秩增量矩阵。

6.如权利要求1所述一种基于大语言模型的遥感解译智能体系统，其特征在于，所述步骤4中，通过在步骤3标注的训练样本上微调这一额外引入...

【专利技术属性】
技术研发人员：饶昱涛，张俊杰，李冠壹，周鑫，余鸿文，曾丹，
申请(专利权)人：上海大学，
类型：发明
国别省市：