村景AI助力乡村建设评价

陈怡帆，许伟攀，李郇*

0 引言

2022 年5 月，国家发布的《乡村建设行动实施方案》中提出：“实施乡村建设评价，查找和解决乡村建设中的短板和问题。”建立科学有效的“实施乡村建设行动”的评价方法，是发现和缩小城乡差距、顺应乡村发展规律开展有序建设的重要基础[1]。当前全国约有2,450,000 个自然村，村庄的数量众多且空间分布极其分散，这就使得乡村社会经济信息主要为宏观抽样统计数据，小尺度、宽覆盖、动态的乡村人居环境调查数据仍然缺乏。传统的微观社会统计调查方式虽然能够获取小尺度数据，但也往往面临着 “从特殊到一般，从局部到整体” 难以有效衔接的困境[2]；而大规模的调查则将耗费巨大的人力和时间。

目前，我们正处在一个图文信息大爆发的时代。随着智能手机的普及，互联网平台上汇集了众多有关乡村的房屋、环境、生活等多方面的图文素材。这些动态大数据为我们研究乡村提供了新的途径。借助人工智能（Artificial Intelligence，AI）图像解译技术，我们可以通过识别和分割图像中包含的对象，将图像大数据转换为指标数据，进而对区域的发展情况进行评价。例如，通过识别城市街景图像中包含的汽车数量，进而对经济发展指标进行估计，研究结果发现汽车数量与家庭收入呈现较高的相关性[3]。此外还有研究利用AI 模型和街景图片，对道路开阔度和舒适度进行衡量[4]。但类似的研究多集中在城市区域，乡村相关的研究仍较为缺乏。因此，我们将借助AI 图像解译技术探索乡村建设评价的有效方法。

1 方法

为更好地收集乡村图片和视频数据，我们开发了“村景拍拍”乡村建设协作平台。这是一个面向乡村建设评价的图文众包平台，也是中国迄今为止村景图片数量最多的平台。用户可以在程序中选择所在的村庄，上传相关的图片和视频，并搭配介绍文字进行发布。“村景拍拍”中汇总了全国各地居民拍摄分享的村景图片近20 万张，覆盖全国近4/5 的县域乡村地区。图片内容涵盖房屋、农田、水塘、菜园、公共建筑、道路等多种村庄要素，较为全面地展现全国不同地区的村庄风貌以及乡村生活。对程序中发布的文案进行词云分析（图1）发现，用户更多关注于“村民”“发展”“乡村振兴”等关键词。“村景拍拍”程序同时开发了众包评分功能，用户可以对图片中呈现出的农房品质、村庄整洁度或风貌协调度等按照提供的参考指标进行评分，形成乡村建设主观评价数据。

1 热点词汇

另外，通过深度学习的方法对图片内容进行检测和识别，可实现对图片更为详细的定量描述。在自主构建AI 模型库中，利用Yolo、Deeplab、ResNet 等深度学习神经网络，构建适用于农村地区的多个目标识别和语义分割模型。模型实现了对图片中所包含农房的外立面材质、房屋层数、门窗数量、是否存在破损等与农房品质相关的要素进行较为精准的识别，检测结果如图2；检测村景图片中包含的汽车、空调外机和热水器等与财富相关的要素；识别村庄的垃圾点、小广场、公厕、学校等与村庄基础设施建设相关的要素，图3 展示了垃圾桶的识别结果。此外，也实现了对道路类型和道路整洁度等与道路质量相关要素的提取与评价。图4 展示了道路分割的结果。

2 房屋要素检测结果

3 垃圾分类检测结果

4 道路分割结果

2 成果

在农房品质方面，从专家评价的分数结合对农房品质相关要素的识别结果来看，层数较高、外立面有铺装、包含空调、热水器等要素的农房图片往往会获得更高的分数，拥有相对较高的品质；从区域差异上看，农房品质存在“南高北低”“东高西低”的分异特征，且南北差距大于东西差距。另外，将众包评分数据转化为深度学习模型的训练标签，构建了一套智能化评测农房品质的评估框架，实现对农房品质进行机器评分。

在道路质量方面，研究中采用路面类型和道路整洁度对道路质量进行衡量。经过训练的道路属性提取框架表现出良好的性能，在检测路面类型和道路整洁度方面的平均准确率分别为91%和93%。对于主观指标道路整洁度，模型也达到了90%以上的准确率。利用该模型对包含道路的村景图片进行预测评分，全国村庄的道路硬化率为89%，而平均整洁度仅为2.9 分（满分5 分）。将数值进行标准化后，发现整洁度整体低于硬化率（图5），这说明了乡村建设过程中存在道路管护不足的问题。

5 道路硬化率与整洁度对比

3 结论

“村景拍拍”乡村建设协作平台作为村庄大数据收集平台，解决了乡村数据难以获取的问题，其中众多图文数据为度量和描绘乡村特征提供了基础。借助AI 图像解译技术，研究初步实现了通过对村庄多维特征的刻画，进而评价村庄的建设情况。经过与问卷调查数据的交叉验证，证实了AI 图像解译技术在乡村建设评价中的可行性。在未来的研究中，仍需增加新的指标对乡村建设情况进行更全面的衡量，以及探索通过多个指标组合的方式构建新的评价指标的方法，以实现对中国乡村更为精准的刻画。□