一、产品概述
战场态势侦察感知系统是为了解决复杂环境下目标判别能力不足、典型目标识别时效性难以保障、陆战场综合态势要素侦查能力不足、作战环境地物要素分类不精细等问题，以某司国防大模型为基础，结合小样本深度神经网络学习的目标提取模型训练、视觉智能（CV）算法、特征增强的典型目标提取技术和时空匹配融合服务技术，面向光学、SAR等多模态数据实现目标自动探测、精准识别及基于时空的动态综合判读，还提供人机交互式并行解译；融入时空数字地球体系，结合NLP技术，提供人工智能驱动的目标检测和情报内容生成能力。
系统具备实时监测动态军事目标（如舰艇、飞机、车辆）的能力，提供战场态势感知和目标跟踪能力。同时结合多模态数据，提升对伪装目标和低可观测目标的识别能力。
二、体系架构图
三、技术特点
（一）多模态数据融合
融合光学、红外、雷达（SAR）等多源遥感数据，利用不同模态的互补性（如光学的高分辨率、红外的目标热特性、雷达的全天候能力），提升目标探测的鲁棒性和准确性。
通过特征级、决策级或像素级融合方法，提取多模态数据的深层关联特征，增强对复杂背景和时敏目标的识别能力。
（二）时敏目标探测
时敏目标（如动态变化的军事目标、突发事件、灾害等）具有时效性强、变化快的特点，要求探测系统具备实时或近实时的处理能力。
结合时间序列分析和动态目标跟踪算法，实现对时敏目标的持续监测和快速响应。
（三）智能算法驱动
利用深度学习（如卷积神经网络CNN、Transformer）、目标检测算法（YOLO、Faster R-CNN）和强化学习等技术，自动提取目标特征并优化识别模型。
通过迁移学习和小样本学习技术，解决遥感数据标注不足的问题，提升模型在复杂场景下的泛化能力。
（四）小样本与弱监督学习
针对遥感数据标注成本高的问题，采用半监督学习、自监督学习或元学习技术，利用少量标注数据训练高性能模型。通过生成对抗网络（GAN）合成模拟数据，扩充训练样本集。
四、系统组成
该系统由战略战场监视系统+智能辅助决策系统两个重要产品组成，核心是构建真实世界映射的全域灵境数字空间，在此基础上提供高度智能化的复杂场景自主认知推理能力，为国防单位提供辅助决策支持。同时具备广域数据采集汇聚、多模态跨域数据融合、复杂场景推理、智能化增效等能力，打造大数据智能分析和应用平台，为国防、政府、商业客户提供产品及解决方案等服务。
（一）寰宇——战略战场监视
寰宇主要以数字地球技术为基础，通过广域数据采集，关联融合全域信息（可引接内部信源），形成高价值全息孪生数据仓库，构建真实世界映射的灵境数字空间，透过数据看现象，实现战略战场监视。
灵境寰宇已完成重要方向透明战场构建，并以环境、目标、人物、态势、事件、武器、资料等为核心，持续积累了**大类**子类**项数据，总数据量约***TB。
（二）韬略——智能辅助决策
基于国防领域大模型，面向真实世界多变的复杂场景，整合专家智慧、知识体系、智能算法，形成高度智能化自主学习认知推理能力。结合百种多专业领域多模态算法模型、跨模态知识图谱、动态本体情境编排等智能化技术，为各级用户提供智能助手、智能参谋、智能专家。透过现象看本质，实现辅助指挥决策。已具备智能助手水平，基于公有知识库。
该子系统与用户私有知识库混合推理模式，具备对热点事件、重点人物、条令条例、战场环境以及多域态势等智能检索和深度分析能力；同时提供智能写作助手功能，可基于用户本地知识库实现公文写作。通过插件机制，有效拓宽大模型应用能力边界。
