面向空天智能体调用的多类型空天Token生成方法及系统与流程

本发明属于空天智能体token生成方式，涉及一种面向空天智能体调用的多类型空天token生成方法及系统。

背景技术：

1、随着卫星遥感、星上边缘计算和人工智能技术的飞速发展，空天信息处理领域正经历着从“集中式地面处理”向“分布式星地协同智能服务”的深刻变革。传统的遥感应用模式通常遵循“卫星成像→原始数据下传→地面预处理→人工或模型解译→结果汇总交付”的长链路流程。该模式在灾害应急、海事监管、农业监测、重点区域巡检等对时效性要求极高的场景下，暴露出了响应延迟高、数据传输压力大、信息利用不充分等固有缺陷。

2、目前，现有技术主要分为以下几类，并各自存在明显不足。

3、第一类为原始数据下传后处理方案。 该方案是当前的主流模式，卫星将原始影像或经压缩后的影像下传至地面，地面系统再执行辐射校正、几何校正、目标检测、变化检测、分类识别、报告生成等处理。该方案技术成熟，但其处理重心在地面，星上侧主要承担采集和传输功能。在高分辨率、多谱段、宽幅成像或连续观测场景下，原始数据量巨大，星地链路带宽和通信窗口容易成为瓶颈，尤其在灾害应急等时效性要求高的任务中，难以满足用户的实时响应需求。

4、第二类为单模型星上推理方案。 为缓解传输压力，部分方案开始在卫星上部署一个或多个轻量化模型，对影像进行目标检测、分类识别、语义分割或变化检测，输出检测框、类别、置信度、掩膜或变化区域等模型级结果。该方案能够减少部分无效数据下传，并提高局部任务的处理时效，但其输出通常停留在模型级识别结果，缺少用户任务上下文、业务规则、质量评价、模型溯源、证据关系和历史比对信息。这些结果仅能说明“模型识别到了什么”，而不能充分表达“该结果服务于哪个任务、对用户问题意味着什么、是否与历史状态相比发生变化、是否形成业务事件、可信度如何”。因此，下游的空天智能体或地面系统在调用这些结果时，仍需进行大量二次解释、语义拼接和上下文重建，导致推理效率低、上下文丢失，无法直接将其作为可信任的、结构化的认知单元进行高效决策。

5、第三类为地面智能体或工作流编排方案。 该类方案在地面端部署智能体、工作流系统或业务平台，对多源数据、多类模型和行业知识进行编排，生成面向行业场景的报告、图层或决策建议。该类方案具备较好的任务组织能力和复杂推理能力，但其智能体主要运行在地面，难以充分利用星上算力和近数据源处理优势。星上输出与地面智能体之间缺少统一的结构化认知接口，造成上下文丢失和重复处理，且星上处理与地面存储分析之间缺少闭环机制，当地面历史比对发现冲突或用户反馈结果有误时，缺少标准机制将修正信息反向作用于星上智能体和token生成规则。

6、第四类为传统时空数据库、图层标注或数据标签方案。 该类方案将遥感影像、目标、地物或事件结果以文件、图层、表格、标签或数据库记录形式存储，供后续查询和展示。该类方案能够提高结果管理效率，但多数标签或记录仅描述“识别到了什么”，难以表达“该结果服务于哪个任务、由哪个模型生成、质量是否可信、与历史状态有何关系、是否构成业务事件、能否被智能体直接调用”等高层语义信息。此外，不同传感器、不同模型和不同业务场景的输出格式差异较大，缺少统一的token结构，目标识别、状态评估、变化判断、事件生成、证据关联和报告输出之间难以形成稳定接口，结果通常以文件、表格或一次性报告形式存在，难以沉淀为可被智能体反复调用的认知资产。

7、综上所述，现有技术方案普遍存在以下缺陷：以原始数据或大体量影像下传为主，星地链路压力大，任务时效性不足；单模型推理结果缺少任务语义，难以被空天智能体直接调用；缺少统一数据结构，跨模型、跨任务、跨场景复用困难；缺少质量评价和溯源机制，难以支撑可信调用；星上处理与地面数字底座之间缺少闭环机制；缺少多类型token协同表达，难以支撑复杂任务推理。

8、在未来空天智能应用中，用户不再仅需要一张影像、一组检测框或一次静态报告，而是希望通过自然语言或结构化任务与空天智能体交互，提出诸如“某区域是否异常”“某港口是否拥堵”“某类目标是否新增”“某农田长势是否变差”等任务。空天智能体需要将上述任务转化为可执行流程，调用星上算力、模型工具链和地面数字底座，并输出可解释、可复用、可追溯的结构化认知结果。

9、因此，需要一种能够贯通用户任务、星上智能体、模型推理结果、星地链路、地面数字底座和后续智能体调用的统一技术方法，将空天数据从原始影像或单点识别结果转化为可被智能体调用的多类型空天token。本发明正是针对上述现有技术的缺陷和未来应用需求而提出的。

技术实现思路

1、本发明的目的在于：提供了一种面向空天智能体调用的多类型空天token生成方法及系统，解决了上述技术问题。

2、本发明采用的技术方案如下：

3、一种面向空天智能体调用的多类型空天token生成方法，包括：接收用户任务并生成结构化任务请求，根据所述结构化任务请求生成任务token，并根据所述任务token确定任务执行策略，通过星地链路将所述任务token发送至目标卫星；所述目标卫星接收所述任务token后，根据所述任务token进行语义解析并拆分子任务，根据所述子任务读取星上影像缓存或实时观测数据并生成观测token，以及根据所述任务token和所述观测token选择匹配的模型工具链；执行所述模型工具链对所述观测token对应的影像数据进行预处理和模型推理，生成模型识别结果，并将所述模型识别结果与所述任务token、所述观测token和业务规则进行融合加工，生成经智能体加工后的分析结果；根据所述任务token中携带的输出要求，从所述经智能体加工后的分析结果中选择性地生成一种或多种空天token，所述空天token的类型包括目标token、状态token、变化token、事件token、关系token、证据token、质量token和报告token，并将所生成的各token与生成其依据的父级token建立关联关系；对所生成的所述空天token执行质量校验，根据校验结果对未通过校验的token执行异常处理，生成或更新对应的质量token；根据预设优先级通过星地链路将校验后的所述空天token下传至地面数字底座，所述地面数字底座对接收到的所述空天token进行入库、时空索引，并根据所述空天token的时空信息检索历史token进行比对，生成历史比对结果；根据所述历史比对结果和所述空天token生成结构化报告并输出，获取用户反馈和地面复核结果，并根据所述用户反馈和地面复核结果更新任务模板、模型选择策略或质量评分权重，将更新后的策略上行至星上智能体。

4、可选地，所述多类型空天token采用统一的数据结构，所述数据结构至少包括：

5、基础标识字段，包含token_id、token_type和token_version，用于唯一标识、版本管理和状态追踪，其中所述token_id通过哈希算法结合卫星标识、任务标识、空间索引、时间索引和token类型生成；

6、任务字段，用于记录所服务的任务语义和约束条件；

7、时空字段，用于记录观测时间、生成时间、空间范围、空间索引和时间索引；

8、观测来源字段，用于记录卫星标识、传感器类型、数据产品标识和分辨率；

9、语义字段，用于表达目标类型及其属性、状态描述、变化描述和事件描述，其中所述目标token至少包括目标类别、位置、轮廓和置信度，所述状态token至少包括对象或区域在特定时刻的业务状态，所述变化token至少包括变化类型、变化幅度和变化区域，所述事件token至少包括事件类型、触发条件和严重程度；

10、模型溯源字段，用于记录模型标识、模型版本和推理时间；

11、证据字段，用于关联证据图块、掩膜、特征向量和中间结果；

12、质量字段，用于记录模型置信度、数据质量评分和最终质量评分；

13、关系字段，用于记录与本token关联的其他token标识及关联类型；

14、生命周期字段，用于记录创建时间、下传优先级和访问权限。

15、可选地，质量校验包括完整性校验、数据质量校验、模型置信度校验、时空一致性校验、规则一致性校验和历史一致性校验中的至少一项；

16、所述异常处理包括：

17、当模型加载失败时调用备用模型或降低精度后重试；

18、当算力或存储不足时调整子任务顺序或延迟执行；

19、当数据质量不足时生成低质量标记并关联证据token；

20、当模型置信度过低时调用第二模型交叉验证或将token状态设置为待复核；

21、当星地链路不可用时将token写入待下传队列；

22、当历史比对冲突时生成异常关系token或事件token。

23、可选地，预设优先级根据token类型、质量评分、任务优先级和链路状态确定，至少包括以下分级：

24、一级下传，包括事件token、变化token、报告token和质量异常token，具有最高传输优先级；

25、二级下传，包括目标token、状态token和证据token的缩略内容；

26、三级下传，包括观测token和模型溯源摘要；

27、四级下传，包括原始影像和完整中间结果，仅在任务要求或地面复核需要时下传。

28、可选地，所述历史比对包括：

29、根据所述空天token的空间索引和时间索引检索历史token库，将当前token的目标特征、状态描述或事件类型与历史token进行匹配，计算变化幅度和差异显著性，若变化超过预设阈值则生成变化token或事件token；

30、所述空天token之间通过关系字段组成有向关联图，其中任务token关联一个或多个观测token，观测token关联一个或多个目标token，多个目标token聚合形成状态token，当前状态token与历史状态token比较后生成变化token，变化token满足预设规则时生成事件token，证据token和质量token分别关联目标token、变化token和事件token，报告token引用上述token形成可解释的交付结果。

31、可选地，选择匹配的模型工具链的依据包括：模型是否支持当前传感器数据类型、星上剩余算力和存储是否满足模型运行要求、模型输出是否能够生成任务所需token类型、模型历史精度是否满足任务要求、以及当前模型是否已加载；

32、选择性生成一种或多种空天token的规则包括：

33、当任务类型为目标识别时至少生成目标token和证据token；

34、当任务类型为状态评估时至少生成状态token和质量token；

35、当任务类型为变化检测时至少生成变化token；

36、当任务类型为事件监测时至少生成事件token和报告token。

37、可选地，所述质量评分按照以下方式计算：

38、最终质量评分 = w1 ×模型置信度 + w2 ×数据质量评分 + w3 ×空间一致性评分 + w4 ×时间一致性评分 + w5 ×规则一致性评分 - w6 ×异常惩罚项；

39、其中，w1至w6为权重参数，由任务类型或业务场景确定；所述异常惩罚项包括数据缺失、云雾遮挡、模型不可用、星上资源不足和链路异常造成的惩罚。

40、另一方面，本技术实施例提供了一种面向空天智能体调用的多类型空天token生成系统，包括：

41、用户交互模块，用于接收用户任务和输出结构化报告及可视化结果；

42、任务理解模块，用于将所述用户任务解析为结构化任务请求；

43、星地任务路由模块，用于根据所述结构化任务请求确定任务执行策略；

44、星上智能体中枢，部署于目标卫星，用于根据任务token进行语义解析、子任务拆分、模型调度和token生成；

45、星上数据缓存模块，用于管理原始影像缓存、中间结果缓存和待下传队列；

46、模型工具管理模块，用于管理模型版本、适用条件和资源占用；

47、多类型token生成模块，用于将模型识别结果与任务token、观测token和业务规则融合，选择性地生成一种或多种空天token；

48、质量校验与异常处理模块，用于对token执行多维质量校验并根据校验结果执行异常自适应处理；

49、星地同步模块，用于根据预设优先级进行token和数据的上行及下行传输；

50、地面数字底座，用于对接收到的token进行入库、时空索引、历史比对和报告生成；

51、反馈更新模块，用于根据用户反馈和地面复核结果更新任务模板、模型选择策略或质量评分权重，并将更新后的策略上行至星上智能体。

52、综上所述，由于采用了上述技术方案，本发明的有益效果是：

53、（一）显著降低星地链路压力，大幅提升任务响应时效。

54、本发明通过在星上或近数据源位置将原始影像处理为结构化的多类型空天token，并根据token类型、质量评分、任务优先级和链路状态实施分级下传策略——事件token、变化token、报告token和质量异常token作为一级下传内容具有最高传输优先级，目标token、状态token和证据token缩略内容作为二级下传，观测token和模型溯源摘要作为三级下传，原始影像和完整中间结果仅在任务要求或地面复核需要时作为四级下传。相较于完整下传原始影像的传统方案，本发明优先传输高价值认知结果而非海量原始数据，极大地减少了无效或冗余数据的传输，有效缓解了星地链路带宽瓶颈，使用户能够在更短时间内获得任务结论，尤其适用于灾害应急、海上监管、重点区域巡检等时效性要求严苛的场景。

55、（二）将单模型结果升级为任务级认知结果，提升智能体调用效率。

56、本发明并非简单输出检测框、类别和置信度等模型级结果，而是通过s3步骤将模型识别结果与任务token、观测token和业务规则进行融合加工，在s4步骤中按任务需求选择性地生成目标token、状态token、变化token、事件token、关系token、证据token、质量token和报告token等多类型空天token，并将各token与生成其依据的父级token建立关联关系。这使得下游的空天智能体、行业应用或数字地球系统可以直接调用这些token进行后续分析和决策，无需进行额外的数据清洗、语义对齐和上下文重建，大幅提升了跨系统、跨任务的信息协同效率和智能化水平。例如，将多个船舶目标token聚合为港口拥堵状态token，再结合历史数据生成拥堵事件token，从而将基础的感知能力提升到高级的认知和判断层面。

57、（三）建立统一的数据结构和token体系，支撑跨场景的认知资产沉淀。

58、本发明定义了包含基础标识、任务、时空、观测来源、语义、模型溯源、证据、质量、关系和生命周期等字段的统一token数据结构，以及多类型token之间的有向关联图——任务token关联观测token，观测token关联目标token，多个目标token聚合形成状态token，当前状态token与历史状态token比较后生成变化token，变化token满足预设规则时生成事件token，报告token引用上述token形成可解释的交付结果。该统一结构使得不同卫星、不同传感器、不同模型和不同业务场景产生的信息均可以标准形式进行统一入库、索引和调用。一次任务生成的token可被后续任务、历史比对、报告生成和智能体训练重复使用，使空天数据不再只是一次性影像或报告，而能够沉淀为可持续调用的时空认知资产。

59、（四）构建完备的质量评价与溯源机制，显著提升结果可信度。

60、每个空天token内置了模型溯源字段（记录模型标识、版本和推理时间）、证据字段（关联证据图块和中间结果）以及质量字段（记录模型置信度、数据质量评分和最终质量评分），并在s5步骤中执行完整性校验、数据质量校验、模型置信度校验、时空一致性校验、规则一致性校验和历史一致性校验等多维质量校验，根据校验结果执行备用模型替换、降级处理、标记待复核等异常自适应处理。用户或系统可以追溯结果生成的全过程，判断其可信程度和适用范围，并在必要时进行复核或补充观测。这种透明性机制极大地增强了自动决策的可靠性，为人工复核和业务审计提供了有力支撑。

61、（五）形成高效的星地协同与持续演进闭环。

62、本发明通过s1至s7的完整方法链路，构建了“任务发起→星上处理→token生成→地面分析→反馈优化”的星地协同闭环。地面端的历史比对结果、用户纠偏和业务验证信息在s7步骤中被用于更新任务模板、模型选择策略或质量评分权重，并将更新后的策略上行至星上智能体以用于后续任务处理。该闭环机制使整个系统能够持续自我优化，不断提高后续任务的自动化处理精度和稳定性，解决了现有技术中星上处理与地面数字底座之间缺少闭环机制的根本缺陷。

63、（六）支持多类型token协同表达，满足复杂任务的联合推理需求。

64、本发明通过s4步骤按任务需求选择生成目标token、状态token、变化token、事件token、关系token、证据token、质量token和报告token中的一种或多种，支持不同任务类型的差异化输出——目标识别任务生成目标token和证据token，状态评估任务生成状态token和质量token，变化检测任务生成变化token，事件监测任务生成事件token和报告token。多个token通过关系字段组成有向关联图，能够同时表达任务目标、观测条件、目标对象、目标状态、状态变化、事件判断、对象关系、证据链、质量评价和报告交付等多维度信息，使复杂空天任务能够在统一框架下获得完整表达，克服了现有技术仅输出单一类型结果导致智能体推理效率低、可解释性弱、结果一致性差的问题。