🛰️ TerraSense AI (Local Edition) - 基于多模态大模型的遥感影像分析与语义理解

项目地址：https://mbd.pub/o/bread/YZWZl5xuag==
项目展示：

TerraSense AI (Local Edition) 是一个基于多模态大模型的遥感影像分析与语义理解。
它完全移除了云端依赖，通过 Ollama 调用本地部署的多模态大模型（如 LLaVA, Moondream），实现数据不离网的科研级分析。

系统具备 语义生成、目标识别、空间感知、地物分类、时序分析 五大核心能力，并支持生成分析报告。

---

📚 目录 (Table of Contents)

• 核心功能
• 系统架构
• 快速部署
• 本地模型指南
• 常见问题

---

🌟 核心功能 (Features)

1. 🛡️ 纯本地运行: 所有推理在本地 GPU/CPU 上完成，零数据泄露风险。
2. 📝 全维语义解译: 自动生成专业的遥感图像描述。
3. 🎯 目标识别与定位: 识别关键目标（车辆、建筑等）并在前端进行可视化高亮（支持多目标边界框）。
4. 🗺️ 地物分类: 统计地表覆盖类型占比。
5. 📄 报告生成: 一键生成离线 PDF 态势分析报告。

---

🏗️ 系统架构 (Architecture)

本系统采用前后端分离的本地化架构：

• Frontend: React + Vite (运行于浏览器)
• Inference Engine: Ollama (运行于本地后台)
• Communication: HTTP (REST API)

提示词工程 (Prompt Engineering)

针对本地小参数模型（如 LLaVA 7b）遵循指令能力较弱的问题，系统内置了 One-Shot Prompting 策略，通过提供具体的 JSON 样本，强制模型输出结构化数据，大幅提升了分析的成功率。

---

🚀 快速部署 (Quick Start)

1. 准备 Ollama 环境

1. 下载并安装 Ollama。
2. 拉取视觉模型：

   ollama pull llava
   

3. 关键：启动允许跨域的服务
   • Windows (PowerShell):

     $env:OLLAMA_ORIGINS="*"; ollama serve
     

   • Mac/Linux:

     OLLAMA_ORIGINS="*" ollama serve
     

2. 启动前端应用

# 安装依赖
npm install

# 启动开发服务器
npm run dev

3. 使用系统

1. 打开浏览器访问 http://localhost:5173。
2. 在右上角设置中，确认 API 地址为 http://localhost:11434，模型选择 llava。
3. 上传遥感影像即可开始分析。

---

🏠 本地模型指南 (Local Models)

本系统推荐使用以下模型：

模型名称	描述	显存需求	推荐场景
llava (7b)	均衡型，指令遵循能力较好	8GB+	通用解译、目标识别
moondream	轻量级，速度极快	4GB+	简单描述、快速概览
llama3.2-vision	最新一代，性能更强	12GB+	复杂场景推理

---