AI 图像识别的无人机智能巡检方案（对应本项目 应用 3、5） 1、方案背景 传统无人机在做多场景的环境、设备巡检时，要求人工进行无人机的飞行操作控制， 巡检数据取材也都依赖人工录像或者拍照功能，同时要求人工后期进行数据的整理、分析 和存储等，人手飞行精度低，数据采集存储数据量大，操作复杂，后期数据分析效率低， 实时性也不能完全满足生产工作需求。 随着 5G 网络与 AI 图像识别云技术发 功能。 2、方案目标 1）运用 5G 网络及地图工具实现无人机超远程控制及自动飞行规划功能 2）运用 5G 网络实现无人机的高清图像直播及图像巡检 3）利用 AI 图像识别算法完成对无人机采集的多场景数据进行分析识别输出异常问题、 4）打造多场景无人机智慧巡检运营管理平台 3、方案成果 3.1 无人机远程控制及自动规范飞行功能 3.1.1 基于 5G 网络的无人机远程飞行控制功能 网站，巡检网站可以直接查看并且回放已经直播结束的视频。 3.3 搭建 AI 图像识别系统完成多场景分析识别输出异常告警 3.3.1 搭建 AI 图像识别系统 AI 图像识别系统在智能云及直播云基础上进行扩展定制开发，AI 识别的图像学习功能 主要需通过云平台的模型训练，网站端模型添加实现。 3.3.2 AI 物体识别与异物场景模型建立 无人机直播巡检平台可以对云平台所学习的 AI 模型进行管理、定制。在云平台依次进

项目编号： eVTOL 低空经济低空无人机 AI 识别自动 处理图像项目蓝图 设 计 方 案 目 录 1. 项目概述.......................................................................................................7 1.1 项目背景................ 1.1.1 无人机技术的发展......................................................................12 1.1.2 AI 图像识别技术的应用.............................................................14 1.2 项目目标..................... 1.2.1 提高图像处理效率......................................................................18 1.2.2 实现自动化识别.........................................................................21 1.3 项目范围..............

项目编号： 低空无人机消防部署 AI 识别项目 设 计 方 案 目 录 1. 项目概述.......................................................................................................6 1.1 项目背景................................ 1.2 AI 识别技术在消防中的潜力......................................................11 1.2 项目目标.............................................................................................14 1.2.1 提高火灾识别和响应的效率. ......................................30 2.2 AI 识别技术要求.................................................................................32 2.2.1 图像识别精度................................................

两大领域：一是重要低空管制区域的低空安防，这类 区域主要包括政府科研要地、机场、能源基地、边境口岸等，一般情况下严控无人机飞入；二是运营航线航路的低空安防， 涉及合规运营无人机与黑飞无人机的智能识别和管制。本蓝皮书重点针对重要低空管制区域开展安防研究，总结典型场景及 其安防需求，梳理低空安防技术手段，提出针对典型场景的低空安防综合解决方案，并分享相关实践案例，为业界同行提供 重要参考，推动 适用场景，形成低空安防融合感知的综合解决方案，助力低空经济安全健康发展。 低空感知与反制是实现低空安防的重要技术手段，其主要包括两大环节，分别是探测感知与反制。其中，探测感知负责 对低空无人机或其他物体进行探测、动态追踪与身份识别，综合利用脉冲波、频谱、光电等感知手段，确认入侵物体类型、 速度、位置等，是低空安防过程中的“眼睛”；反制负责在发现威胁目标后，实现无人机或其他飞行物的管控与打击，综合 运用电磁压制、物理拦截等 低空安防具有单探测与反制技术局限性、攻击手段多样性、反制技术滞后性等特点。一是传统 探测技术具有局限性。低空飞行物探测监视难，小型无人机雷达反射面积小、飞行高度低，传 统雷达难以有效识别，并且还存在飞鸟、空飘物等多种类型物体识别；二是低空安全攻击手段 具有欺骗、劫持等多样化手段，低空飞行物可能受到干扰与欺骗，如利用卫星导航欺骗、通信 链路劫持等技术，可导致低空无人机失控或被操控；三是低空反制技术滞后性。针对黑飞无人

提出了基于多维度信息融合与上下文理解的目标判别模型,并详细 阐述了包括时空动态分析与轨迹建模、微动特征分析等关键技术在内的综合解决方案。 通过系统测试 验证,该方案在复杂环境下实现了对各类低空目标的精准识别与快速响应,为低空智联监视体系的实际 应用提供了可靠的技术参考。 关键词:低空经济;5G-A;低空监视 中图分类号:TN959. 1 文献标志码:A 引用格式:胡雅静, 宋倩, 宋连波 高效、可靠的监视系统不仅是保障低空飞行安全、防范 “黑飞”等违规行为的必要手段,更是维护国家空域安 全与公共安全的重要基础设施。 然而,现有监视系 统在实际应用中仍面临虚警率高、数据融合效能不 足、非标准目标识别困难等关键问题,制约了低空监 视系统的可靠性与实用性,亟须通过架构创新与关 键技术突破予以解决。 本文正是在此背景下,提出 5G-Advanced(5G-A)融合的低空智联监视系统解决方 案 个方面的挑战:一是传统监管手段 难以应对复杂动态环境,无人机“黑飞”、碰撞风险频 发;二是多源感知“数据孤岛”现象严重,雷达、光电等 传感器信息缺乏协同;三是恶意干扰技术不断升级,导 致目标识别与追踪失效 [1]。 在此背景下,构建智能融 合、实时响应的一体化监视体系,不仅是实现空域精细 化管理的技术支撑,更是推动低空经济安全、高效发展 的基础设施保障,进一步为空域治理模式的现代化转

平方公里（平原），数据采集效 率较人工巡查提升 20 倍以上，且支持厘米级定位精度，为 高精度监管提供硬件基础。 2.软件智能升级 AI 识别算法在自然资源场景中深度应用，基于深 度学习模型，可自动识别耕地内水泥硬化、大棚房、矿山机 械、林木砍伐等 10 + 类疑似违法目标，识别准确率超过 95%，大幅降低人工判图成本；配合三维建模软件可在 2 小 自然资源 xxx 项目建设方案 9 自然资源 xxx 自然资源 xxx 项目建设方案 （二）技术应用现状分析 在技术应用领域，xx 市已开展无人机巡查试点， 重点针对耕地保护区、生态红线区实施月度航拍，累计获取 影像数据 5000 + 平方公里，识别疑似违法图斑 200 余例， 较传统人工巡查效率提升 5 倍以上。同时，初步整合卫星遥 感数据（分辨率 0.5-2 米）与土地变更调查数据，通过 GIS 系统进行图斑叠加分析，为执法决策提供基础数据支撑。 “单一无人机 + 可见光影像” 的单点应用， 红外热成像、激光雷达等载荷设备尚未配置，夜间巡查、三 维建模等功能缺失，无法满足全时段、多维度监管需求；二 是自动化程度低，影像数据处理依赖人工判读，AI 识别算 法尚未部署，单批次 500 张影像的判图耗时需 2-3 个工作日 且漏判率达 15% 以上；三是系统整合不足，无人机数据与 卫星遥感、执法监察、不动产登记等业务系统相互独立，数 据接口不兼容，形成

构建全局视野、精准映射、虚实交互、模拟仿真、智能干预的数字孪生治理体系，覆盖陆地和海域 无人机大气智能监测系统：完整技术架构 + 全方位功能部署 PaaS 能力 自然语言 人脸识别 智能安全管理 Storm 图像识别 Hadoop 自主导航 场地学习 IaaS 基础设施 Docker 容器 云存储 数据库 备份 管理人员 政府机构 商业合作伙伴 大数据 中台 AI 能力 中台 数据可视化 污染物观测 特定监控 污染源搜索 环境巡查 污染物判定 智能部署，应用便捷 可利用无人机的自主飞行功能进行昼夜自动巡逻， 对巡逻区域出现的人员进行监控， 同时可利用 AI 识别技术，对车辆进行识别跟踪。 无人机设备与现有监控平台集成进行智能部署 可实现画面实时回传，远程操控等便捷应用 空中视角，全局掌控 无人机适合在城市等空间现场快速部署， 尤其适用于群体事件现场情况的全局掌控，以及事故现场的 多元终端协同作用 执法用车载摄像头 安保巡逻机器人 AI 智能摄像头 垂直起降固定翼无人机 智能头盔 无人船 高清大屏 多旋翼无人机 机载气体监测仪 多光谱 / 高光谱相机 人脸识别摄像头 车辆识别摄像头 多旋翼无人机 感知设备层 网络层 操作设备层 手机 应急通讯车 环保执法车辆 4G/5G 传输网络 自组网 环保网闸 应用层 笔记本地面站 垂起固定翼无人机 环保视频专网

服务，以无人机为载体构建“空天地一 体化”立体场景解决方案，满足 XX 区政府的防尘应用需 求。 无人机城区防尘监测系统：完整技术架构 + 全方位功能部署 PaaS 能力 自然语言 人脸识别 智能安全管理 Storm 图像识别 Hadoop 自主导航 场地学习 IaaS 基础设施 Docker 容器 云存储 数据库 备份 管理人员 政府机构 商业合作伙伴 大数据 中台 AI 能力 中台 5 、一氧化碳、臭氧、二氧化氮、二氧化硫等 6 项空气污染物的分布数据，并通过智能分析软件生成二维等值线分布图，清晰分辨出重污 染区域。同时可对可疑目标位置进行定点巡查，利用无人机光电吊仓通过结构化识别功能，快速锁定污染现场，并生成短视频，标记于环保一张图中，实现巡查、 分析、取证、执法、汇报等环节的统一管理。 场景应用三：建筑屋顶粉尘巡查 “ 无人机空中巡查 + 队员地面寻访”方式的应用，对工业园区、社区建筑的有效“保养”可发挥 探测识别距离 条件：能见度≥ 15km ，大气温度 25℃ 目 标 目标尺寸 探测距离 识别距离 人 0.5×1.8m 5km 2km 车 辆 3×6m 10km 5km 长波非制 冷红外传 感器 工作波段 8 ～ 14μm 像元数 640×512 像元尺寸 12um NETD 50mk 焦距 25mm/F1.0 视场角 17.4º×14º 探测识别距离 条件：能见度≥

.......................................................................................132 12.1 风险识别.........................................................................................134 12.2 风险评估 通过先进的算法和实时数据分析，动态调整航班的起降序列和飞行 路线，减少航班间的冲突和滞留。 其次，加强空中交通安全保障，降低航空事故风险。通过引入 先进的监测与预警技术，及时发现并处理潜在的安全威胁。例如， 实施自动识别与追踪系统，确保每架飞行器都能被实时监控，并通 过数据融合提高对航班动态的感知能力。 此外，优化航路规划，减少油耗和碳排放。通过更为合理的航 班规划和调度，提升航班的整体飞行效率，从而实现更低的运营成 传输给地面控制中 心和其他飞机。 为了便于理解，以下是现有空中交通管制系统的一些基本组成 要素： 1. 监控设备： o 主动雷达：用于追踪飞行器的位置和高度。 o 二次雷达：提供飞行器的识别信息和高度数据。 o 自动依赖监视者-广播（ADS-B）：增强空中交通的透明 度。 2. 通信系统： o 无线电通信：空中与地面的通信必不可少，包括与飞行 员的指令传达及协调。 o 数据

用于飞行器与地面及其他飞行器之间的信息传输。 2）导航技术：包括 GNSS、INS、GBAS、VN 等，用于提供精确的飞行定位和航向控制。 3）监视技术：包括雷达监控、自动相关监视广播系统、视觉识别、红外成像等，用于 实时监控飞行器位置、空域情况和飞行动态。 4）气象技术：包括气象站、气象卫星、无人机传感器等，用于提供实时天气数据和气 数字低空工作组 5 象预警。 ，通过捕捉环境图像并与已知地 图进行比对，计算出无人机的相对位置。这种技术适用于城市、室内和隧道等复杂环境，能 够在 GNSS 信号不足或完全丢失的情况下为无人机提供定位支持。视觉导航结合了图像识别、 SLAM（同步定位与建图）等技术，可以在动态环境中实现精确的路径规划和避障。 4、LiDAR 技术 激光雷达系统（Light Detection and Ranging, LiDAR）通过激光发射和反射来生成环境的 LiDAR）通过激光发射和反射来生成环境的 高精度三维地图，帮助无人机进行精确定位、导航和避障。LiDAR 技术能够提供厘米级的精 度，特别适用于地形复杂或障碍物较多的环境。无人机通过 LiDAR 扫描周围环境，可以识别 障碍物、计算飞行高度，并根据地图信息进行路径规划。这种技术尤其适用于低空飞行中的 环境感知和动态导航需求。 5、UWB 技术 超宽带 (Ultra Wide Band , UWB) 技