我做了一个开源 AI 天眼，专门在卫星图上找偷倒垃圾

正文

我最近做了一个小实验：把几张疑似垃圾倾倒点的卫星图，直接丢给多模态大模型，问它一句：

“这个是垃圾倾倒的区域吗？”

结果很有意思。

模型不是完全看不懂图。它会认真分析道路、裸地、建筑、风机、施工痕迹，还会给出一长串看起来很专业的理由。

但问题是：它经常一本正经地判断错。

比如这张图，它把白色区域判断成了风电场施工痕迹：

另一张图，它觉得“有较大可能是垃圾倾倒区”，但语气非常犹豫：

再看这张，它更倾向认为是工程施工或临时堆土场：

这就是多模态模型落到真实业务里最常见的问题：

它不是不会分析，而是它会按照自己的“常识惯性”去分析。

你给它一张卫星图，问“是不是垃圾”，它脑子里先冒出来的不是环保巡查，而是更常见的图像解释：施工、裸地、风机、采石、土方、道路。

这听起来像是模型能力不行。

但我后来发现，问题不完全在模型。

更大的问题是：我们问错了问题。

直接问“是不是垃圾”，其实是一个很差的问题

人看到一张卫星图，会下意识结合很多背景经验：

尤其是居民区这个条件，很关键。

偷倒垃圾的人通常会避开居民区。因为垃圾有味道，运输和倾倒也会留下动静，如果附近有居民，很容易被发现和举报。

所以在这个场景里，“有没有居民区”不是一个普通视觉问题，而是判断倾倒行为是否合理的关键条件。

如果不把这层业务逻辑讲给模型，它就只会盯着画面里的白色区域、裸露地块、道路形态，然后用它自己的常识去猜。

这时候你问：

这是不是垃圾？

模型拿到的是一个很模糊的视觉分类题。

它会试图回答：

这块白色区域像不像垃圾？

这个问法本身就容易翻车。

因为在卫星图里，垃圾倾倒点不一定能看清“垃圾袋”“塑料瓶”“废料堆”。很多时候，它只是一个道路尽头的异常斑块、一片不规则裸露地、一段和周围环境不协调的扰动区域。

换句话说，垃圾倾倒识别不是单纯问：

图里有没有垃圾？

而是要问：

这个地点是否符合“偷偷倾倒垃圾”的空间行为逻辑？

这两个问题完全不一样。

真正有用的问法：把“识别垃圾”改成“判断倾倒行为链”

后来我把提示词改成了另一种结构。

不再让模型凭感觉判断“像不像垃圾”，而是让它按一个业务链条去判断：

最后再给它一个判断规则：

道路可达 + 周边没有成片敏感建筑 + 存在不规则异常扰动，才倾向判定为垃圾倾倒。

这个提示词不是让模型“更大胆”，也不是让模型“更保守”。

它的核心是把问题从一个视觉分类题，改成一个业务推理题。

改完之后，效果开始变得可用

我把这套逻辑做成了一个本地 Web 工具。

同样是上传卫星图，模型不再只是回答“像不像垃圾”，而是按照候选区域、道路、居民区、施工痕迹、异常扰动这些条件进行判断。

下面是几张真实跑出来的效果。

这组效果最重要的不是“模型终于会看图了”。

真正重要的是：我们把问题翻译成了它能判断的结构。

准确率怎样？

我用 36 张卫星图样本做了一轮测试。

默认模型使用qwen3.6-plus，提示词按上面的业务链条重写后，结果是：

这个数字不应该被夸大。36 张样本很少，一张图就会影响 2.78 个百分点。

但它至少说明一件事：

多模态模型不是直接拿来就能做业务，它需要被“翻译”成业务问题。

直接问“是不是垃圾”，模型会在自己的常识里打转。

把问题改成“是否符合垃圾倾倒行为链”，它才开始接近我们真正想要的判断。

我把它开源了

为了让这个实验能被复现，我把它做成了一个本地 Web 工具，并开源出来。

用法很简单：

开源地址：

https://github.com/CosmosShadow/satellite-waste-detector

它不是一个在线平台，也不是执法工具，更不能替代现场核查。

它更像是一个可以自己部署、自己改提示词、自己换模型的实验工具。

真正有意思的点是：

AI 不缺回答，真正稀缺的是把问题问对。

而想把问题问对，靠的不是玄学提示词。

靠的是你真的理解这个业务。