2.2.1 无人机飞行控制.........................................................................40 2.2.2 AI 算法集成................................................................................42 3. 系统设计...... ...................................90 5.2 算法开发.............................................................................................93 5.2.1 图像识别算法............................................ .................................95 5.2.2 数据处理算法.............................................................................99 6. 系统集成...............................................................

3.1 图像采集与处理.........................................................................65 3.3.2 火灾特征识别算法......................................................................67 4. 实施计划.................. 低空无人机消防部署 AI 识别项目旨在利用先进的无人机技术 和人工智能算法，提升火灾预防、监测和应急响应的效率。该项目 通过部署具备高精度传感器和 AI 识别能力的无人机，实现对火灾 隐患的实时监测、火情的快速识别与定位，以及火灾现场的动态评 估。无人机将搭载多光谱摄像头、红外热成像仪和气体传感器等设 备，结合 AI 算法，能够在复杂环境中快速识别火源、烟雾、温度 异常等关键信息，并通过实时数据传输系统将信息反馈至指挥中 余火监测和灾后评估，确保火灾彻底扑灭，减少复燃风险。 项目的核心功能包括以下几个方面： - 实时监测与预警：通过 无人机搭载的多光谱摄像头和红外热成像仪，实时监测目标区域的 火情变化，结合 AI 算法对火灾隐患进行预警。 - 火源定位与识别： 利用 AI 图像识别技术，快速定位火源位置，识别火灾类型（如明 火、阴燃火等），并评估火势蔓延趋势。 - 环境数据采集：通过气 体传感器和温湿度

深度融合并赋能物流、农业、交通、旅游、城市管理、应急救援等多个领域的新型经济形态。 人工智能通过赋予低空飞行器“智慧大脑”，正成为驱动低空经济高质量发展的核心引擎。 它通过多源传感器融合与智能算法，显著提升了飞行器在复杂环境下的感知、决策与控制能 力，例如实现精准目标识别、动态空域调度以及多机协同作业，从而将低空系统从传统的“消 费电子产品”升级为高效的“智能工业装备”。广泛应用于物流配送、农林植保、电力巡检、 ........................................................................................ 143 2.5.2 算法安全问题............................................................................................... ...............................................172 3.2 算法介绍 ................................................................174 3.2.1 通用目标检测算法........................................................

市场缺口巨大 全国已备案核心基础大模型 寒武纪 2023 年市场规 模 N 种模型 场景算法 感知大模型 模型储备丰富 自研算法突破感知瓶颈 算法模型开发模块化 低空感知场景的云端大脑 “ 采、识、管、处、析、报”生命周期管理， 形成的洞察反哺优化后续巡检策略与 AI 算法， 构建智慧运维的增强闭环。 VisDrone 双千万数据基座先发优 势数据标注标准 ，评测体系完善 ，评测体系完善 数据库覆盖场景多样、丰富 品类繁多但分散 缺乏统一标准和整合机制 数据孤岛现象明显 算法适配度低 准确度不满足需求 开源算法 传统小模型 缺乏系统性解决方案 场景技术迁移成本高 Platform Solution 处置 接单 模型自适应进化 大模型事件审核 模型生产流水线 任务编排智能体 无人机集群调度系统 l 机场机巢接入 l 无人机接入 l 分飞行区域划分 派 图像识别 大模型技术 智能体嵌入 集群调度系统 实时视频分析 理论计算法 API 接入 机场上云 API 接入 智能算法 API 接入 基础设备 中科云图无人机设备 操作系统 麒 麟 /openEuler Ubuntu/Debian 编程语言 Python 硬件平台 ARM 平台 英伟达

向等气象参数，采用高精度传感器确保数据准确性，并支持动态调整采样频率以适应不同 天气条件。 数据处理与分析模块 服务应用模块 集成边缘计算与云计算能力，对采集的原始数据进行清洗、校准和融合处理，结合机器学 习算法预测短时气象变化趋势，生成可视化报告供决策参考。 提供 API 接口和用户交互界面，支持农业、航空、城市管理等行业定制化需求，如无人机 航线规划、灾害预警推送等，实现低空气象数据的商业化应用。 上 传至云端数据中心，确保数据链路的低延迟（ <500ms ）和高可靠性（ 99.9% 可用 性）。 数据流与业务逻辑 数据采集与传输 系统整合卫星遥感、地面气象站等第三方数据源，通过时空对齐算法消除数据偏差，构 建覆盖 1000 米低空的立体气象模型，提升预测精度。 多源数据融合 基于业务规则引擎和 AI 模型，自动触发预警阈值（如风速超限时暂停无人机作业）， 并通过短信、邮件或平台通知多端推送告警信息。 节点，与地面雷达组网形成立体探 测体系，数据更新频率达 10 秒 / 次，完整覆盖城市低空交通走 廊。 数据采集传输方案 边缘计算节点 在各观测站点部署 AI 边缘计算网关，内置 LSTM 时序预测算法，实现原始数据的本地质 量控制和特征提取，将传输数据量压缩至原始值的 15% ，同时保证关键信息完整度 ≥ 99% 。 5G+ 北斗双通道传输 时空数据库架构 采用 5G URLLC （超

如何解决以上问题， 已经成 为市场规模发展的瓶颈， 电信核心能力可精准匹配市场需求 。 能力二： 监管能力 低空感知设备和监管平台维护低空秩序 能力三： 飞服能力 飞服平台和 AI 算法赋能千行百 业 能力一： 云网能力 5G 网络替代私有化链路 市场分析 - 电信核心能力助力低空经济规模化发 展 痛点 2 痛点 1 痛点 3 飞行服务 通航运输 空域侦测 多品牌无人机接入 产品特色 • 覆盖政务需求的场景应用及算法 • 100% 自研且在省内有成熟案例 • 平台支持私有化部署、 SAAS 化接入 巡线 巡检 违建、市 容巡察 水利日常 巡检 应急 救援 道路交通 治理 农林 植保 • AI 算法： 自研“扶摇 ”平台依托省内四级算力， 统一 AI 算法 调用， 纳管集团、省内及生态 AI 能力赋能行业客户。 同时集成了图像识别的 AI 能力，可用于各种场景。 飞服能力 - 自研平台和算法赋能百种场 景 100+ 实战细分场景 AI 大模型能力 助力四大领域应用 天翼“星云”飞行服务平台 可根据作业场景挂载各类载荷 应急通信专项产品 产品应用场景 产品功能体系 硬件设施 AI 算法 高速 油气化工 光伏面板 煤矿 消 防通道 堵塞 拉横幅告示 登高面违停 … 航空运动

......................................74 6.2 数据分析工具与算法...........................................................................77 6.2.1 实时分析算法......................................................  实时监测：及时获取环境数据，及时反映环境状况，维护社会 公共安全。  数据整合：将不同来源的数据整合，形成全面的环境监测数据 库，以支持后续分析。  智能预警：基于大数据分析和智能算法，对可能的环境威胁进 行提前预警，提高响应效率。  公众参与：通过开放数据平台，鼓励公众参与环境监测，增强 社会对环境保护的意识。 为了支持上述目标，本方案将建设多个监测单元，它们分别负 4G/5G、LoRa、NB-IoT 等，以保证数据传输的即时性和稳定性。 数据处理平台通过对采集到的数据进行分析、存储与可视化， 提供环境状态的预警与评估机制。该平台可以利用大数据分析与人 工智能算法，自动识别环境异常变化，并生成相应的报告，供政府 部门和公众查询。 针对用户需求，终端系统可以提供多种交互窗口，包括 Web 应用程序、移动应用和第三方信息接口。通过这些接口，用户能够 方便

场景名称 场景介绍 场景建设 地点 需求类别 需求名称 需求内容 可提供的支持 （场景所需的场地、数 据、资金等） 单位名称 联系人 联系方式 信息 有效期 中游 基于深度 强化学习 算法的智 能化空中 交通管理 场景 通过搭建智能化空中 交 通 管 理 系 统 ， 在 UTM、飞行服务站、 无人机机场、无人机起 降点、无人机航路的建 设及运营管理等阶段， 提供基于时间、空间、 未经批准的“黑飞”飞 行器）进行侦查、监测、 驱离、反制等功能，打 造基于深度强化学习 AI 算法以及集中式管 控逻辑的软硬件一站 式解决方案。 四川全域 人才需求 AI 算法人 才需求 深度强化学习算法人才引进， 强化学习领域的企业、高校科 研团队。 1.搭建虚拟仿真环境的 算法及研发团队； 2.雷达、光学、电磁等 多数据源融合、态势感 知生成的数据采集硬件 设备； 网，构建高低空地理信 息库与高低空算法样 本库，打造空地智能感 知网空天地协同智能 感知网指挥中心、大数 据管理中心、运营中心 支撑智慧城市治理体 系优化，基于低空应急 治理网，结合综合运营 中心，为城、区、镇各 相关部门提供业务分 析与应用服务，使数据 价值最大化、资金投入 最优化。 成都 绵阳 德阳 技术联合 攻关 AI 算法征 集需求 开展卫星影像和高空视角影

理无人机信息安全依赖关系的过程等；  整机信息安全基本要求：包括遵循无人机信息安全管理体系要求、供应 13 商安全风险管理、风险评估与管理、专用环境、信息安全措施有效性测 试、攻击威胁漏洞监测及数据取证能力、密码算法与密码模块、默认安 全设置、数据安全要求等；  信息安全技术要求：包括无人机的外部连接安全要求、通信安全要求、 软件升级安全要求、数据安全要求等。其中外部连接安全要求包括远程 控制、外部接 问题，开源 软件漏洞、无线通信易受攻击等威胁突出。网侧存在通信制式多样、网络协议不 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。 运行效率。 图 8 典型无人机飞控系统组成示意图 在应用层面，无人机安装多个版本的飞行控制软件和任务执行软件。这些软 件在功能上等价，但在代码实现、算法逻辑和数据结构等方面存在差异。例如， 不同版本的飞行控制软件可能采用不同的路径规划算法、姿态控制算法和避障算 法。在无人机运行期间，一旦侦测到飞控软件的某个版本存在漏洞或遭受攻击， 24 系统能够实时切换至另一版本的飞行控制软件，确保飞行安全。

全域监测与空域管理依托北斗三号卫星导航系统的高精度定位（厘米 级）与 5G-A 通感一体化基站，构建覆盖全国的低空感知"天网"。通过卫 星雷达、气象监测卫星实时采集气象数据、地形地貌信息，结合 AI 算法 动态生成精细化空域使用方案，实现灾害区域禁飞区、救援通道的智能划 设与动态调整。 数字孪生与灾情推演部署低空数字孪生系统，基于历史灾害数据与实 时监测信息，对地震、洪涝等灾害场景进行三维动态模拟。通过机器学习 、飞行计划 3 智能审批、空情动态预警等功能，消除信息孤岛，提升协同效率。 指挥网：智能决策与安全保障网络 AI 中枢与敏捷响应搭载智能决策 AI 中枢平台，集成灾害预警模型、 多资源调度算法、动态路径规划系统。当灾害发生时，系统可在 10 秒内 自动生成多套救援方案，通过算力优选匹配最优路径，指令响应时延低于 100ms，实现从监测预警到资源投送的全流程自动化。 区块链赋能安全协 响应层：智能调度与精准处置 人机协同装备体系 AI 算法根据灾情等级与环境条件，动态匹配有人 直升机（用于复杂环境救援）、无人机（物资投送）、地面救援机器人 （废墟搜救）的组合方案。例如，在地震灾区，先通过无人机蜂群投掷应 急物资，再利用地面机器人搭载生命探测仪进行精准搜救，减少救援人员 伤亡风险。 4 动态路径优化技术基于强化学习算法，实时规避灾区电磁干扰、恶劣 天气等动态风险，优化