FME与AI处理大范围影像或空间数据：把整幅高分辨率正射影像直接丢给Vision AI做目标检测，token账单和推理延迟都随面积线性膨胀，但真正有目标的区域可能不到10%——在FME里到底该先用空间分区把“值得送AI的区域”圈出来，还是该先做一遍降采样粗筛再对疑似区域精细化？

一、问题的本质：为什么"整幅丢给AI"必然失败

遥感与空间数据领域对"大范围"的定义一直在变。十年前，一幅 10 平方公里的 0.5 米影像已经算大；今天，无人机倾斜摄影与卫星星座让单项目动辄数百平方公里、亚米级分辨率成为常态。与此同时，Vision AI 的输入接口却仍以"单张图像"为基本单位，这就产生了一个结构性错配：空间数据以面积计量，AI 推理以图幅计量，而两者之间的换算系数（切片数、重叠率、token 数）是乘法关系。

1.1 面积膨胀的三重放大器

面积到成本的膨胀并非简单线性，而是被三重因素放大。第一重是切片重叠：为保证边缘目标不被切断，工程上常用 10%–30% 重叠，直接使瓦片数增加 20%–70%。第二重是分辨率冗余：0.2 米影像对"识别一辆车"是必要的，但对"判断这片区域有没有车"是过度的。第三重是背景占比：城市影像中道路、绿地、水体等无目标区域通常占 70%–90%，这些瓦片消耗了同等 token 却产出零信息。

笔者认为，第三重放大器才是真正的杠杆点。前两重是工程参数，可优化空间有限；而背景占比是数据本身的统计特性，谁先识别并剔除背景，谁就拿到了数量级的成本优势。这也解释了为什么"先分区"与"先粗筛"的争论，本质上是两种剔除背景的时机与粒度之争。

1.2 一个可复算的算例

设一幅 50 平方公里、0.2 米分辨率的正射影像。按 512×512 像素切片，单瓦片地面覆盖约 102 米见方，即约 0.0105 平方公里。无重叠需约 4760 张；20% 重叠后约 6850 张。若采用某开放视觉检测模型每图约 800 token 的输入估算（此为模拟数据，用于量级说明，实际随模型与提示词变化），全图约 548 万 token。若目标区域仅占 8%，理论上只需约 440 张瓦片、35 万 token，成本相差约 15 倍。这 15 倍，就是预处理策略的全部价值空间。

本文评述：很多团队把优化重点放在"换更便宜的模型"上，却忽略了在送入模型之前剔除 90% 背景瓦片，其成本收益远高于模型选型。预处理不是配角，而是成本结构的主战场。

二、成本模型：token、延迟与面积的线性关系拆解

要把争论变成可计算的问题，先得把"成本"拆开。Vision AI 的成本至少包含三项：输入 token 费用、推理时延、以及后处理与人工复核成本。三者对面积的敏感度并不相同。

2.1 token 成本：近似线性，但斜率可变

主流视觉语言模型的图像 token 数与图像分块方式、分辨率自适应策略相关。以公开技术报告披露的分块机制为例，图像被切为若干 patch 后线性映射为 token，因此 token 数大致与像素面积成正比。这意味着降采样到 1/4 边长，token 可降至约 1/16，这是粗筛路线最直接的算术依据。但需注意，部分模型对输入分辨率有下限要求，过度降采样会导致 patch 内信息坍缩，检测能力急剧下降。

2.2 延迟成本：批处理下的非线性

单张推理延迟与批大小并非线性。工程实践中，批处理能显著摊薄单图延迟，但当批大小超过显存阈值后会出现排队与显存换页，延迟反而上升。因此"减少瓦片数"对总时延的收益，往往比 token 费用的收益更明显——因为瓦片数减少直接减少了批次数与调度开销。

2.3 复核成本：最容易被低估的一项

检测结果需要人工复核。若全图推理产生大量低置信度误检，复核成本会随瓦片数线性甚至超线性增长。反过来，粗筛若漏检，则产生"漏检风险成本"，这部分难以量化但真实存在。笔者认为，复核成本是决定"分区"与"粗筛"取舍的隐藏变量：分区法误检少、复核轻；粗筛法若召回不足，漏检代价可能远超省下的 token 费。

表1 两类预处理路线的成本结构对比（定性归纳，量级为模拟估算）

三、路线A：空间分区的逻辑、方法与边界

空间分区的核心思想是：用与目标相关的先验知识，把"可能有目标"的区域从全图中圈出来，只对圈内区域做高分辨率推理。先验可以来自矢量数据（用地性质、规划红线、POI）、影像统计特征（纹理、光谱异常）、或历史检测结果。

3.1 三类可用先验及其可靠性

第一类是语义先验：例如检测光伏板，可先用土地利用数据筛出工业与仓储用地；检测违建，可对比审批红线与建筑轮廓。这类先验精度高但覆盖不全，依赖数据现势性。第二类是统计先验：用低分辨率影像的纹理熵、边缘密度、NDVI 等指标做异常区域提取。第三类是历史先验：用上一期检测结果做缓冲区扩展，适合周期性监测。

笔者认为，三类先验的可靠性排序并非固定，而取决于目标类型的"空间可预测性"。光伏板、停车场这类目标空间分布高度结构化，语义先验极强；而临时堆料、流动摊贩这类目标几乎无先验可依，分区法就会失效。这正是分区路线的第一道边界。

3.2 FME中的分区实现路径

在 FME 中，分区通常走"矢量裁剪—栅格掩膜—瓦片生成"三步。先用 FeatureReader 读入先验矢量，用 SpatialFilter 或 Clipper 与影像范围求交；再用 RasterMasker 或 ImageRasterizer 生成掩膜；最后用 Tiler 或自定义网格生成器按固定尺寸切片，并用 SpatialFilter 剔除与掩膜无交集的瓦片。整个链路是纯矢量与栅格运算，不涉及 AI 推理，开销可控。

# FME 分区伪流程（示意）
FeatureReader(先验矢量) → Reprojector → Clipper(与影像范围求交)
  → RasterMasker(生成掩膜) → Tiler(512×512网格)
  → SpatialFilter(剔除无交集瓦片) → RasterSelector(按掩膜裁剪)
  → 输出待推理瓦片集

3.3 分区的固有风险：先验即偏见

分区法最大的风险不是技术实现，而是先验本身可能错误或过时。若用地数据把某地块标为绿地，而实际已开工，分区就会系统性漏检。这类漏检具有"结构性"，不会因模型变强而消失。因此分区法必须配套"先验校验"环节，例如用低分辨率全图做一次异常扫描，反向检验分区是否遗漏。

本文评述：分区法把"检测问题"部分转化成了"数据治理问题"。它的上限由先验数据质量决定，而非模型能力。工程上必须清醒：分区省下的成本，可能以漏检风险的形式被重新支付。

四、路线B：降采样粗筛的可行性、召回风险与补偿

降采样粗筛的逻辑更"数据驱动"：先把全图降采样到较低分辨率，用一个轻量模型或传统算法做一遍粗筛，标记出疑似含目标的瓦片，再回到原分辨率对这些瓦片做精细推理。它不依赖外部先验，适用面更广，但引入了"粗筛漏检"这一新风险。

4.1 降采样对目标可检测性的影响

目标检测对分辨率的敏感度取决于目标像素尺寸。以车辆为例，原分辨率下车辆约占 40–80 像素，降采样 4 倍后仅剩 10–20 像素，接近甚至低于多数检测器的最小可识别尺寸。这意味着粗筛不能简单等同于"缩小后检测同一目标"，而应设计为"检测目标的聚集性特征"——例如车辆密集区的纹理与边缘密度，而非逐辆车识别。

这一区分至关重要。笔者认为，粗筛阶段的目标不应是"检出目标"，而应是"排除确定无目标的区域"。前者要求高精度，后者只要求高召回。把粗筛定位为"背景剔除器"而非"目标检测器"，是降低其精度要求、提升其可行性的关键认知转换。

4.2 粗筛器的选型谱系

粗筛器可从轻到重分为四档：传统影像统计（方差、熵、边缘密度）、经典机器学习（随机森林、SVM 基于纹理特征）、轻量 CNN 分类器、以及小尺寸目标检测模型。档位越高，召回与精度越好，但预处理开销也越大。工程上需在"粗筛成本"与"节省的精筛成本"之间求平衡。

表2 粗筛器选型谱系（方法归类，非性能实测）

4.3 召回补偿：缓冲区与多尺度

粗筛漏检可通过两种方式补偿。其一是空间缓冲区：对粗筛标记的疑似瓦片向外扩展一圈邻接瓦片，牺牲少量成本换取召回。其二是多尺度粗筛：用两个不同降采样倍率各跑一遍，取并集，降低单一尺度漏检概率。两种补偿都会增加精筛瓦片数，需在召回目标下反推可接受的成本上限。

五、核心思辨：两条路线的信息论比较

把分区与粗筛放在一起看，会发现它们并非对立，而是从两个不同方向逼近同一个目标：用最低成本获得"哪些瓦片值得精细推理"的判断。分区法从"外部知识"出发，粗筛法从"内部数据"出发。前者是演绎，后者是归纳。

5.1 信息熵视角

从信息论看，一幅影像的"检测信息量"集中在少数高熵区域。分区法用先验直接定位高熵区，粗筛法用低分辨率采样估计高熵区。两者都在做"信息筛选"，区别在于筛选依据的可靠性。笔者认为，当先验可靠时，分区法信息效率更高；当先验缺失时，粗筛法是唯一可行解。这构成了路线选择的第一个判据。

5.2 风险结构对比

分区法的风险是"系统性漏检"——先验错则整片漏；粗筛法的风险是"随机性漏检"——模型弱则零星漏。前者可通过先验校验缓解，后者可通过缓冲区与多尺度缓解。工程上，系统性漏检更危险，因为它难以被抽样复核发现；随机性漏检相对可控，因为复核抽样更容易命中。

5.3 成本拐点分析

设分区法预处理成本为 C1、粗筛法为 C2，精筛成本与待推理瓦片数成正比。当目标区域占比极低（如 2%）且先验可靠时，分区法直接圈定，成本最低；当目标占比中等（如 15%）且先验缺失时，粗筛法更优；当目标占比高（如 40%）时，两者收益都下降，甚至不如直接全图推理。这说明没有普适最优路线，只有与目标占比、先验质量匹配的路线。

本文评述：争论"先分区还是先粗筛"本身是个伪命题。真正的问题是"我的目标占比是多少、我的先验有多可靠"。回答这两个问题，路线自然浮现。

六、三级漏斗：分区—粗筛—精筛的混合架构

基于前述分析，笔者提出一条可落地的混合架构：三级漏斗。第一级用先验分区做"粗粒度圈定"，第二级用降采样粗筛做"数据驱动补漏"，第三级对候选瓦片做原分辨率精筛。三级之间是"与"与"或"的混合逻辑，而非简单串联。

6.1 漏斗结构设计

第一级输出"高置信候选区"，第二级输出"疑似补漏区"，两者取并集进入第三级。这样既利用了先验的效率，又用粗筛兜住了先验的盲区。关键在于第二级只需覆盖第一级未覆盖的区域，避免重复计算。

全图
 ├─ L1 先验分区 → 高置信候选区 A
 └─ 剩余区域 → L2 降采样粗筛 → 疑似补漏区 B
        ↓
   A ∪ B → L3 原分辨率精筛 → 检测结果
        ↓
   抽样复核 → 反馈校准 L1/L2 参数

6.2 各级参数建议

L1 分区建议保留 200–500 米缓冲，避免边界目标被切；L2 降采样倍率建议 2–4 倍，超过 4 倍时小目标召回急剧下降；L3 精筛瓦片建议 512×512、重叠 10%–20%。这些参数需按目标尺寸与影像分辨率实测标定，不能照搬。

表3 三级漏斗参数建议（工程经验值，需按项目标定）

七、FME工程实现：从Workspace到参数调优

FME 的价值在于把上述漏斗串成可复用、可调参、可审计的自动化流水线。相比脚本拼装，FME 的图形化工作流在参数调优与结果追溯上更直观，尤其适合需要反复迭代阈值的项目。

7.1 关键转换器组合

分区用 FeatureReader、Clipper、RasterMasker；切片用 Tiler 或自定义网格；粗筛用 RasterResampler 降采样后接 PythonCaller 调用轻量模型；精筛用 HTTPCaller 调用视觉模型 API 或本地推理服务；结果回写用 FeatureWriter。整个链路建议用 WorkspaceRunner 拆分为子工作流，便于单独调试。

7.2 调优的三个抓手

第一抓召回率标定：抽取若干已知含目标的瓦片，测试粗筛在各阈值下的召回，取满足业务要求的阈值。第二抓成本核算：统计各级瓦片数与 token 消耗，找出成本瓶颈。第三抓反馈闭环：把复核发现的漏检瓦片回灌，定期更新先验与粗筛阈值。

7.3 拓展资源

FME 官方社区有大量栅格切片与分区教程，可参考 community.safe.com 的 Raster 与 Tiling 专题；视觉模型 API 调用可参考各厂商官方文档；目标检测工程实践可关注 github.com/ultralytics 的开源实现与示例。

八、前沿预判：开放词汇检测与自适应采样

两条前沿方向可能改变上述成本结构。其一是开放词汇检测：用文本提示直接指定目标类别，减少对专用训练数据的依赖，使"先验分区"的语义描述更灵活。其二是自适应采样：模型根据图像内容动态决定分辨率与计算量，从机制上替代人工降采样。

笔者认为，自适应采样若成熟，将部分消解"分区还是粗筛"的争论，因为模型自身就在做信息筛选。但在当前阶段，显式的预处理漏斗仍是成本可控、可解释、可审计的工程选择。前沿方法应作为漏斗的增强项，而非替代项。

九、结论与操作清单

回到开篇的问题：先分区还是先粗筛？答案是先判断目标占比与先验质量，再决定主路线，并用另一条路线做补漏。目标占比低、先验可靠，以分区为主；先验缺失，以粗筛为主；两者都不可靠，则考虑全图推理并接受成本。核心操作清单如下：

1. 统计目标区域占比，估算全图推理成本基线；
2. 盘点可用先验数据，评估其现势性与覆盖度；
3. 按目标尺寸确定最小可检测分辨率，反推降采样上限；
4. 搭建三级漏斗 Workspace，先用小样本标定召回；
5. 建立复核反馈闭环，定期校准阈值与先验。