多人在线样本的深度学习分析能力，兼容多种深度学习网络。 模型训练 无人机智能解译样本集 样本管理系统 构建多时相、多尺度等多区域适应的飞行器智能解译样本集 飞行要素模拟样本集 航路规划样本集 多任务负载样本集 应急模拟样本集 GISTC

统一，数据链路开放易被干扰，无法互联互通等状况。云侧的监控服务管理平台 则面临黑飞等异常情况难以管控，AI 算法存在不可解释性等难题。同时，复杂 环境中的随机干扰和人为蓄意攻击，如障碍物遮蔽、电离层活动、电磁干扰、网 电攻击、样本攻击等，严重威胁低空智联网安全，可能导致无人机飞行失控、数 据泄露等后果。 图 5 CPS 漏洞后门或设计缺陷示意 2.内生安全防护增益 内生安全理论是一种创新的安全范式，能一体化解决网络安全、功能安全和 检测是首要任务，利用统计方法、聚类分析或深度学习技术来识别并排除可能含 有恶意样本的异常数据点。在数据采样和验证方面，分层采样有助于确保每个类 别的数据平衡，防止通过数据注入进行攻击，同时通过交叉验证来评估模型的泛 化能力，从而减少恶意样本的影响。 特征工程和数据集异构构造也是提升数据安全性的重要技术手段。特征工程 通过提取语法、图像纹理等特征来帮助识别异常样本，同时引入统计特征如平均 31 值和方差，可以进一 值和方差，可以进一步提高模型的抗干扰能力。数据集异构则通过内生安全拟态 化构造，使得模型在面对对抗样本攻击时展现出更强的鲁棒性。通过数据增强技 术引入对抗样本、差异性样本和扰动样本，可以有效提高多模型的鲁棒性，降低 数据被投毒的风险。 2.模型安全技术 为保障人工智能应用的安全，除了数据本身的防护之外，还可以从人工智能 模型本身入手，采取模型结构改造和模型训练改造方式进行内生安全加固。 模型结构改造模

项目的主要技术难点在于 AI 模型的训练和优化，需要大量的 标注数据进行模型训练，并不断调整模型参数以提高识别精度。为 此，项目将建立一个大规模的图像数据库，涵盖各种地形和气候条 件下的图像样本。同时，项目还将开发一套自动标注工具，减少人 工标注的工作量，提高数据处理的效率。 项目的实施将分为以下几个阶段： - 需求分析与系统设计 - 硬 件选型与集成 - 软件开发与测试 ，筛选出对目 标识别最有贡献的特征，减少冗余信息。 为了确保数据处理算法的鲁棒性和适应性，还需要引入数据增 强技术。数据增强通过对原始图像进行旋转、缩放、平移、翻转等 操作，生成多样化的训练样本，从而提高模型的泛化能力。此外， 还可以通过添加随机噪声或模拟不同光照条件来增强数据集的多样 性。数据增强不仅能够提高模型的识别精度，还能有效防止过拟合 现象的发生。 最后，数据处理算法的输出需要与后续的 噪、灰度化、直方图均衡化等操作。测试数据将包括不同光照条 件、不同分辨率和不同背景复杂度的图像样本。通过对比处理前后 的图像质量，评估预处理算法的效果。 接下来，我们将对图像特征提取功能进行测试。测试内容包括 边缘检测、角点检测、纹理分析等。我们将使用标准图像库中的图 像作为测试样本，并对比不同算法在不同场景下的表现。测试结果 将以表格形式呈现，包括检测准确率、处理时间和资源消耗等指

桌面研究、行业访谈、市场调查及 其他研究方法，并且结合艾瑞监测产品数据，通过艾瑞统计预测模型估算获得；企业数据主 要为访谈获得，仅供参考。本报告中发布的调研数据采用样本调研方法，其数据结果受到样 本的影响。由于调研方法及样本的限制，调查资料收集范围的限制，该数据仅代表调研时间 和人群的基本状况，仅服务于当前的调研目的，为市场和客户提供基本参考。受研究方法和 数据获取资源的限制，本报告只提

在紧急情况下，地面交通无法通行或需要避开拥堵区域时，无人机能够在短时间内将急 救药品、血液样本、疫苗等重要医疗物资快速送达目的地。这种高效的运输方式在疫情期间、 救灾现场和医疗资源匮乏地区，显著缩短了救援物资的到达时间，提高了医疗响应能力。 根据中国国家卫生健康委员会案例报告 2020 年四川省凉山彝族自治州试点医疗无人机 项目，成功将急救药品和血液样本从县城医院运送至偏远山区的卫生所，配送时间从 4 小时 缩短至

区，提供紧急物资。智能飞行器在环境监测、野生动物保护等领域也发挥着不可 或缺的作用，帮助科学家收集数据，实现无干扰观察。低空经济不仅改变物流， 更在重塑我们的生活方式。 无人机技术在医疗领域展现出潜力，紧急药品和医疗样本运送，以及在影视 拍摄、房地产评估、灾害勘查等多方面大放异彩。随着技术的持续创新，无人 机 正逐步融入公共安全、建筑施工管理，甚至个人消费市场，如无人机摄影、 个人 旅行伴侣等，不断拓宽其应

急救中心、重要医院、高速口等交通繁忙和拥堵 点附件规划建设医疗救护类起降点，满足医疗救护和交通事故救援需要。 医疗物资配送。依托攀钢总医院现有空中物资配送能力，统筹调度市内、 外大型医疗机构优势资源，探索在医疗物资、血液运输、样本转运、特殊药品 配送等方面，畅通救援和运送通道快速提升紧急医疗物资运输效率。 3、发展低空体育竞技赛事 用好阳光城市、康养城市品牌，做好“低空+运动”场景开发。 规划建设低空冬训基地，筹备大型低空飞行赛事，承接竞技类、设计

5G-A通感基站通过识别引擎区分无人机和鸟，以减少不必要的预警。目标识别的基本原理是利用感知回波中的幅度、相 位、频谱和极化等目标特征信息，通过多维空间变换来估算目标的大小、形状等参数，最后根据大量训练样本所确定的鉴别 函数，在分类器中进行识别判决。为了提升目标识别效果，在5G-A通感基站中，还会引入AI技术，对不同场景不同类型的目 标信号特征和运动特征进行数据收集、模型训练和学习，并将训练好的模

以确保全面覆盖和获取有效数据。为此，可以将监测网分为城市中 心区、工业区、交通繁忙区域及居民生活区，由此形成多层次、多 维度的空气质量监测体系。 针对不同的监测指标，应根据实际情况设定合理的监测频率和 样本量。例如，PM2.5 和 PM10 可采用 24 小时连续监测，而 NO2 和 O3 则可在交通高峰时期进行重点监测。 数据的准确性和及时性是监测网络成功的关键，因此，选用高 灵敏度的监测设备 应用场景 ARIMA 适合时间序列数据分析 短期环境因素预测 线性回 归 简单易理解，适合线性关系 AQI 长期趋势分析 随机森 林 强大的非线性建模能力 多因素环境监测 SVM 在小样本数据中有效 精细化空气质量预测 集成学 习 提高模型稳定性与准确性 不确定性环境数据分析 总结而言，预测模型在低空环保监测网络中的应用，不仅要结 合监测纬度与时间尺度的需求，还需依据不同的环境因素与数据特

要将其转化为无人机可运行的模型。在控制台的模型管理页 自然资源 xxx 项目建设方案 165 自然资源 xxx 项目建设方案 面，点击“上传模型”进行模型转化。转化完成后，可以检验 转化效果。大疆不会保存训练样本与模型数据。 图30 AI 模型管理 第四步，模型分发。量化转化完成的模型可以通 过在线分发，直接分发给指定 SN 的设备。 图31 AI 模型分发 模型还支持通过离线方式进行分发。基于在线分