近日，我区成功建成全市首个国土变更调查AI质量检查原型系统并投入试运行。该系统依托视觉语言模型技术实现图斑地类智能核验，构建起“AI判定-人工决断-反馈回流”的人机协同质检闭环，推动基层国土变更调查质检从传统“人海战术”向高效“智慧核验”转型，提升基层国土变更调查质检工作效率与判定准确率。

国土变更调查是全面掌握年度国土利用变化状况、夯实自然资源管理数据底座的核心基础性工作，是严守耕地保护红线、优化国土空间开发格局、支撑区域高质量发展的关键数据支撑。其成果直接服务于耕地保护责任目标考核、国土空间规划实施监督、生态保护修复、城乡建设管控等多项重点工作，数据的真实准确是自然资源治理科学化、精细化的前提。

原型系统架构示意图

以往完成这项工作，基层需要依赖人工逐图斑、逐照片进行核验，不仅耗费大量人力，也容易受人员经验差异影响出现判定失误。“为此，今年我们尝试利用多模态大模型在图像理解、图文问答和跨模态推理方面的优势，将多模态技术与自然资源专业业务规则深度融合，打造适配基层一线作业场景的AI质检工具。”区规自分局调查监测科科长沈贺宾说。

沈贺宾在深入学习视觉语言模型技术的基础上，充分参考多年国土变更调查技术规程与作业规范，将积累的业务经验与AI能力深度融合。最终，仅耗时一个多月，他便自主独立完成一个贯通从业务需求分析、系统架构设计、功能开发到部署应用全过程的AI质检系统。

系统使用开源量化模型，融合地类判定规则知识库与加权投票机制，支持本地化部署，可充分保障数据安全。在接收图斑上报信息与举证照片后，系统可自动识别照片中的地表覆盖类型与文字信息，通过与上报地类智能比对，输出“通过、建议修改、转人工复核”三级质检结论，并同步生成完整判定证据链。

系统推理界面示意图

针对在建工程、公用设施等地类判定难度较高的场景，系统还可通过识别工程铭牌文字，精准锚定地类。沈贺宾一边在系统中上传举证照片，一边举例说明，“过去像消防救援站、市政配套这类在建工程图斑，只看外观照片很难准确判定地类，需要人工核实项目信息。这个系统能准确抄录工程概况牌中的项目名称、建设单位等文字，据此将图斑归入正确地类。”