混合AI系统SenseNet让卫星“看透”云层 观测性能提升近60%

近日，发表于《国际仿生计算期刊》的一项研究推出混合AI系统SenseNet，该系统搭载郊狼-狐狸优化算法，可精准去除卫星遥感图像中的云层与雾霾干扰。测试数据显示，其信噪比提升超2分贝，整体性能较传统技术改善近60%，将为农业监测、灾害应对等地球观测应用提供更可靠的高分辨率数据支持。

对于依赖卫星遥感数据的科研人员和行业从业者来说，云层与雾霾是绕不开的“拦路虎”——据统计，全球约70%的光学卫星图像会因云层遮挡出现信息缺失或失真，直接影响气候监测、作物长势评估等工作的准确性。传统去云技术要么依赖复杂的大气散射模型，对实时性要求高的场景适配性差；要么仅能处理厚云区域，对薄云、雾霾的干扰束手无策，导致可用数据率始终难以突破瓶颈。

此次发布的SenseNet混合AI系统，最大的创新在于引入了郊狼-狐狸优化算法作为核心驱动力。该算法模拟郊狼群体的协作觅食策略与狐狸的精准捕猎行为，能够快速定位卫星图像中的云层、雾霾区域，并通过多尺度特征融合技术重建被遮挡的地表细节。这项研究成果发表于《国际仿生计算期刊》，为AI在遥感领域的应用提供了全新的仿生算法思路。

测试数据显示，相较于传统AI去云方案，SenseNet的信噪比提升超2分贝，整体处理性能改善近60%，即使面对薄云、碎云与雾霾交织的复杂场景，也能输出清晰、完整的地表影像，有效解决了传统技术“顾此失彼”的问题。