DIEY 遥感云脑升级 Harness 架构：遥感工程的无限自优化之路
当遥感影像处理不再是一次性任务，而是一场持续进化的旅程——每一张图、每一次修正，都在让系统变得更强。
DIEY 遥感云脑： 重新定义遥感生产
在介绍 Harness 架构之前，有必要先理解它要升级的对象——DIEY 遥感云脑。
DIEY（数慧云脑）是数慧时空以自主知识产权的生成式 AI 平台（DGAI）为基础，依托自然资源多模态基础大模型“长城”打造的影像智能工厂。它采用云原生、大数据、深度学习、知识图谱等新一代信息技术，构建国产化、自动化、智能化、业务化的遥感数据处理及应用服务框架，打通从原始卫星影像数据获取到行业应用的全链条生产工序，实现“一个人就是一个工厂，一个人就是一个公司”，开启“卫星即服务”应用新时代。
这不是一句口号。DIEY 集成了十三类遥感大模型——影像智能统筹、质检、超分、修复、填补、预测、光学/SAR 影像处理、自监督学习、变化检测、跨模态分析、后处理及反演——构建了覆盖遥感数据“统筹-质检-处理-分析-应用”全链条的智能能力体系。平台已支撑自然资源、应急管理、金融保险等 98 项细分业务场景，在 2P 算力支撑下单日处理效能达 200 万平方公里——是人工速度的 100 倍。
DIEY 的核心能力体现在以下三大功能模块：
一、影像智能统筹系统。摒弃以景为单元的传统组织模式，以“真实星座+虚拟星座”的方式统筹多源卫星数据。通过质量评价模型精准量化云、阴影，自动计算“可用域”，构建分析就绪数据（ARD）。支持镶嵌生产统筹、三维生产统筹、雷达生产统筹等多种智能推荐策略，实现 PB 级遥感数据的“即刻可用”。
二、影像预处理系统。全工序、自动化、微服务化的遥感数据生产框架，支持光学、高光谱、雷达卫星影像的标准化、美化、镶嵌生产。集成正射校正、几何配准、光谱误差补偿、数据融合、镶嵌线生成、匀光匀色等六大 AI 大模型，实现大规模多源多星影像产品的自动化协同生产。
三、在线训练与解译系统。基于弹性 GPU 资源的云原生智能解译平台，涵盖样本集管理、样本精化与进化、知识图谱、模型训练、模型评估、在线解译、模型发布的一站式服务。支持语义分割、实例分割、变化检测、目标检测等主流分类器，自监督大模型仅需少量样本即可实现高精度解译。
这些能力让 DIEY 成为遥感行业最强大的智能化生产中枢。但随着业务规模扩大和场景复杂度提升，一个新的挑战浮现了：
系统足够强大，但模块之间的协同仍然是“人工编排”的。统筹推荐的影像质量参差不齐，预处理参数靠经验设定，解译模型的训练样本需要人工筛选——每一次项目交付都是一次性的，上一个区域积累的经验无法自动流转到下一个区域。
DIEY 已经具备了“监测-优化-再监测”的闭环雏形，但它需要一套更强大的架构，让模块间真正联动起来，让每一次运行都比上一次更好。
这就是 Harness 架构要解决的问题。
从一个真实的痛点说起
做过遥感影像工程的人都知道一个残酷的事实：同一套算法，同一份数据，换一个区域、换一个时相、换一种地物类型，处理结果可能天差地别。
河湖管理地物解译，城区边缘的图斑边界清晰锐利，到了草原牧区就模糊一片；变化检测在华北平原准确率 95%，拿到西南山区直接跌到 70%。更让人头疼的是，工程师花了三天手工修正了一批结果，下一个季度同样的问题又从头来过——经验留在了人脑里，没有沉淀到系统中。
这不是算法的问题，是工程架构的问题。
传统的遥感处理管线是一个线性管道：输入 → 处理 → 输出。它没有“记忆”，没有“反思”，更没有“进化”能力。处理好了是运气，处理差了靠人工。每一次运行都是从零开始。
我们需要的不是更好的单点算法，而是一套能让工程能力持续积累的架构。
这就是 DIEY 升级为 Harness 架构的核心动机。
什么是 Harness 架构？
Harness 这个词，原意是“马具”——一套把力量引导到正确方向的装置。在软件工程语境中，Harness 指的是一种编排和控制执行过程的框架，它不限制你做什么，而是确保你做的每一件事都有记录、有评估、有反馈。
将 Harness 理念引入 DIEY，我们得到了一个四层闭环架构：
Plan → Run → Judge → Memory
↑ ↓
←←← 经验回放 ←←←←←←←
这四个环节构成了一个永不停止的优化循环：
Plan（规划）：根据任务目标和历史经验，生成处理策略和参数候选
Run（执行）：调用影像处理算子，完成实际计算
Judge（评判）：对处理结果进行质量评分、不确定性识别、风险分层
Memory（记忆）：将本轮经验——无论是成功还是失败——沉淀为可复用的工程资产
与传统管线最大的区别在于：Harness 不允许“沉默地失败”。每一个处理结果都必须经过评判，每一个评判都会触发下一步动作——要么收敛出图，要么回退优化，要么提交人工复核。
Harness 在 DIEY 模块间中的升级
Harness 不是一个独立于 DIEY 之外的系统，而是渗透到三大模块每一个环节的优化引擎。下面我们逐一说明每个模块如何在 Harness 架构下实现自进化。
01 影像智能统筹系统：从"推荐"到"推荐+记忆"
现状：统筹系统已经具备多策略智能推荐能力——变化影像推荐、高清影像推荐、增量统筹推荐等。但推荐质量依赖固定规则，上一次统筹中发现的“某颗卫星在该区域几何精度差”这样的经验，没有被系统记住。 Harness 升级： Plan：统筹推荐时，自动加载 Memory 中该区域的历史推荐经验——比如“内蒙古西部 GF-1 影像冬季偏色严重”，直接排除或降权 Run：执行推荐算法，生成候选影像集 Judge：对推荐结果进行多维评估——覆盖率是否达标、时相是否最优、质量分数分布是否合理、是否存在系统性偏差 Memory：将本次统筹的成功策略（如“S2 影像在该区域优于 GF-6”）和失败教训（如“冬季影像不足导致覆盖率缺口”）沉淀为区域化推荐规则 预期效果：统筹系统从“每次都从零推荐”升级为“越推荐越精准”。第三次统筹同一区域时，系统已经知道哪种星源组合最优、哪个季节需要提前储备影像。 02 影像预处理系统：从"流程化"到"流程化+自调优" 现状：预处理系统已实现全工序自动化——正射校正、几何配准、光谱补偿、融合、镶嵌线生成、匀光匀色。但每个工序的参数配置仍依赖工程师经验，DEM 选择、配准控制点策略、匀色模板等都需要人工判断。 Harness 升级： Plan：根据输入影像的传感器类型、地形特征、参考影像库，结合 Memory 中该区域的历史处理记录，自动生成预处理参数方案。比如“该区域建筑物密集，正射校正启用 SFIT+L1Norm 全局 RPC 修复” Run：按参数方案执行各工序 Judge：每个工序完成后自动质检——几何精度评估报告自动比对阈值、镶嵌线是否避开了建筑和耕地、匀色后色调是否均匀。对精度不达标的工序自动标注“需优化” Memory：将每个区域的最优预处理参数组合沉淀为“区域工艺包”。新影像进来时，系统自动匹配最相似的历史工艺包作为起点 预期效果：预处理从“每次调参”升级为“一次调优、永久复用”。处理过一次福建省的影像后，下次福建新影像进来，系统自动使用上次验证过的最优工艺。 03 在线训练与解译系统：从"训练+解译"到"训练+解译+自进化" 现状：这是 DIEY 中最具自进化潜力的模块。系统已经具备难例挖掘（“泛化不一致”检验）、样本精化、模型自优化的能力，模型已能通过强化学习将人工修正回流训练集，误差率降低 24%。 Harness 升级： Plan：解译任务启动时，自动加载 Memory 中该地物类型的历史训练记录——最佳模型版本、最优样本配比、推荐的分类器类型。新区域首次解译时，选择泛化能力最强的模型作为起点 Run：执行智能解译，生成图斑提取结果 Judge：三层质量评估——指标自动计算（几何精度、边界完整性）、不确定性识别（置信度低于阈值的图斑自动标注）、业务规则把控（核心地物识别准确率 ≥ 95%）。不达标的图斑自动进入优化循环 Memory：人工修正后的难例自动回流训练集，通过增量训练优化模型参数。更关键的是——修正的上下文（地貌类型、影像特征、错误模式）也被记录，系统逐步建立起“什么情况下容易出错”的知识库 预期效果：解译系统从“一次性训练”升级为“持续进化”。第一个月需要大量人工修正，第三个月 80% 的常规场景自动处理，第六个月系统已建立区域化的解译策略库，一年后成为团队的“数字专家”。
自进化飞轮： 模块间的协同进化
当上述模块各自嵌入 Harness 机制后，一个更大的跨模块自进化飞轮就形成了：
统筹系统推荐最优影像（基于历史经验）
↓
预处理系统自动匹配工艺包（基于区域记忆）
↓
解译系统精准提取+难例回流（基于增量训练）
↓
产出成果 → 人工复核 → 经验沉淀 → 回流四大模块
这个飞轮的转速会越来越快：
第一个月：系统需要大量人工干预，但每次干预都在积累经验——统筹的推荐规则、预处理的工艺包、解译的训练样本
第三个月：模块各自积累了足够的区域经验，80% 的常规场景可以自动处理，人工只需关注 20% 的疑难案例
第六个月：模块间的协同效应显现——统筹推荐的影像质量直接决定了下游解译的效果，系统开始自动优化跨模块的参数传递
一年后：DIEY 不再是一个工具集，而是一个拥有“记忆”和“判断力”的智能体——它知道哪个区域用哪种星源、哪种地貌用哪种模型、哪种错误需要提前规避
这不是渐进式改良，而是能力的指数级积累。 因为每一圈飞轮都不是独立的——上一圈的经验会直接加速下一圈的收敛，而模块间的经验可以交叉复用。
这对遥感工程意味着什么？
Harness 架构带来的不只是技术指标的提升，更是工程范式的转变：
从项目制到产品制。传统遥感项目是一次性的——做完就交付，经验就散了。Harness 让每一次项目交付都成为 DIEY 产品能力的一次升级。处理过一次内蒙古河湖解译，下一次内蒙古的项目直接复用积累的经验。
从依赖个人到组织赋能。专家的经验不再锁在个人脑子里，而是通过修正记录沉淀为系统能力。新人接手时，面对的是一个已经“见过世面”的系统。
从模块独立到协同进化。模块间不再是各自为战的独立系统，而是通过 Memory 层共享经验——统筹的推荐质量直接影响解译效果，解译的难例反馈优化了处理模型的训练数据。
对于正在推进遥感智能化的团队来说，Harness 架构的价值是明确的：它让“工程经验”这个最稀缺的资产，第一次有了系统化的积累路径。
写在最后
DIEY 从诞生之日起，就定位为“影像智能工厂”——十三类大模型覆盖全链条，三大模块支撑全流程。升级为 Harness 架构，是这个定位的自然延伸：不仅要能处理数据，更要能从处理过程中学习。
从影像统筹的智能推荐到预处理的自动工艺，再到解译的持续进化，Harness 让 DIEY 的每一个模块都拥有了“记忆”和“反思”能力。统筹系统记住哪颗卫星最好用，预处理系统记住哪个区域用什么工艺，解译系统记住什么场景容易出错。
每一张处理好的影像是一份成功经验，每一张处理差的影像是一个改进方向，每一次人工修正是一条进化指令。当这些信号被系统性地收集、分析、反馈，遥感工程就不再是“一次性的技术服务”，而是“持续生长的智能能力”。
这就是 Harness 架构的终极愿景：让 DIEY 的各模块协同进化，让遥感工程拥有记忆，让每一次运行都比上一次更好。
场持续进化的旅程——每一张图、每一次修正，都在让系统变得更强。
