AI 算法自动分析水土保持、生物多 样性等指标，生成季度生态健康评估报告，为生态补偿政策 制定提供科学依据。 修复成效量化评估：在矿山地质环境治理、退耕 还林等工程中，通过无人机三维建模与多期影像对比，精确 计算土石方修复量、植被恢复面积（误差≤2%），动态跟 踪工程进度（周级更新），改变传统人工核查的粗放模式， 确保生态修复资金使用效率提升 40% 以上。 灾害应急响应升级：构建 “无人机应急测绘 高线图、坡度分析图，为应急指挥提供撤离路线规划（误差 ≤5 米），解决 “灾害响应依赖经验判断” 问题，处置效率提 升 40%。 需要建立生态修复量化评估能力，对矿山治理、 退耕还林工程，通过多期影像对比分析植被恢复面积（精度 ±2%）、土石方修复量（误差≤1.5%），实现周级进度跟踪， 解决 “人工核查效率低、误差大” 问题。 四、安全保障需求 安全是自然资源监管的 “生命线”。低空监管体系 能化监管平台实现各类可见光二三维实景模型的云端重建， 精准高效，并可将重建结果直接应用于项目中。还支持本地 部署建图功能，配备专业化三维建模软件平台，提供本地化 二维、三维建模能力。 数据分析与标注：可通过对比、标注等功能快速 分析和标记作业成果，作业照片均可显示在对应的地理位置 上，帮助作业人员快速抵达问题现场。 智能跟踪：选定 AI 识别目标物体后，可对其持续 跟踪，方便对特定目标进行监控和观察。

................................................................................67 2.4.12.6 各类测距传感器对比...............................................................................................68 2 ............................................................................. 103 2.7.4.2 模拟图传和数字图传对比.......................................................................................103 2.7.4.3 图传协议 ........................................................................140 2.7.9.8 五镜头与单、双、三镜头倾斜相机对比...............................................................141 2.7.10 合成孔径雷达..................

场地宽阔安全。 全要素解决方案的案例 P19 瑞合玄武（成都）科技有限公司 P20 全要素解决方案的案例 70% 影像 +GCP 50% 影像 + 点 云 50% 单影 像 P21 对比 70% 影像 +GCP 和 50% 单影像部分 ， 可见 50% 道路表面明显凹凸不平 ，道路与泥土植被部分区分不 明显； 将 50% 重叠率数据加入点云数据辅助建模后 ，可见道路表面平整度明显提升 空三时长对比 70%+G 120 100 80 60 40 20 0 1 2 3 空三次数 82 62 空三时长 （ min ） P23 65 建模时长 （ H ） 50%+ 点云数据在建模时的时长相差 7 小 时 远低于 70%+GCP 数据 全要素解决方案的案例 建模时长对比 70%

上千种气体传感器可以随时更换，系统带有自动识别功能。 ● 外壳防水、防风、防尘、防撞击设计 ● 实时显示监测数据，并生成对应的趋势曲线。 ● 可查看历史实时数据，并同时生成曲线分析图，列表和图表样式显 示历史数据，方便对比查看。 ● 同 时 显 示 经 纬 度 、 高 度 、 飞 机 状 态 、 温 度 、 湿 度、 PM1 、 PM2.5 、 PM10 、 上千种气体实时浓度值。 ● 检测精度可达到 ppb 日变化分 析、时间序列分析等，帮助采购方节约手动分析时间成本，同 时还能够帮助采购方了解基本污染状况 。 负载介绍：工业级高端任务系统，响应多场景需要 高精度气体传感器 国控点数据对比 100 小时同期对比 工业园区监测 储罐气体泄漏 火灾现场检测 石油管道检测 典型场景一：污染源搜索定位 搭载高清视频采集设备，配合数据链路，飞抵巡查区 域上空，对大气环境污染源进行巡查、监控， 1 试验方案 研究某电厂排气筒产生污染物对下风向住宅区 的影响。对污染源下风向住宅区的地面及高空 NO2 进行监测，同时对该问题采用 CFD 方法 进行数值模拟，将检测数据与数值模拟数据进 行对比，验证该方法的可行性。 2 无人机监测 NO2 的采集参照《环境空气 二氧化氮的测定 Saltzman 法》 ( GB /T 15435—1995) 中的对 应内容，采样装置经固定后由无人机搭载进行

给视觉数据的获取与分析带来巨大挑战[6]。底层视觉任务是计算机视觉领域中基础性且重要 的组成部分，其通过对原始像素数据的处理，提取图像中的物理特征，如边缘、角点、纹理 等，或改善图像质量，如去噪、增强对比度、超分辨率等，为高层语义理解任务提供高质量 的数据支持[7]。在低空经济场景下，底层视觉技术能够帮助无人机等飞行器更好地感知周围 环境，实现精准的定位、导航与控制，提高飞行的安全性和可靠性，对于推动低空经济的进 理限制是首要因素：光学系统的衍射极限和镜头像差导致图像模糊；图像传感器引入光子散 粒噪声、读出噪声和固定模式噪声；模数转换过程亦存在量化误差。环境干扰因素同样显著： 光照不足造成细节淹没；雾霾导致对比度下降；雨雪等气象条件或物体运动引发运动模糊。 此外，采集设备本身的限制带来空间分辨率不足、高速运动物体成像模糊、频谱范围有限（色 彩失真或缺乏多光谱信息）以及图像压缩等问题。 在低空应用场景 处理，使图像信息更适合机器分析或人眼观察。与退化恢复的“修复”导向不同，其更注重信 息挖掘与跨模态关联，核心包含低光照增强与多源融合两大方向。 （1）图像/视频增强：重点解决低光照条件下的对比度与色彩失真。例如，汶川地震救 援中，超轻型飞机通过低空数码遥感系统获取高对比度影像，清晰呈现房屋倒塌与道路坑陷 细节；农业监测中，针对作物病害的色差优化需保证色度精度。 （2）多源融合：整合可见光、红外、雷达等异构数据。在灾害救援场景，可见光与热

前端感知能力 AI 融合识别 智能应用场景 图层管理 路线规划 操作台 静态标注 画布管理 动态标注 模型加载 三维数字孪生应用 地图查询 模型切换 驾驶舱 标注交互 多期对比 测量工具 图层切换 Al 能力中台 项目管理 数字化 项目管理 飞手管理 边缘工作站 超算中心 空域管理 自有空域 禁限飞空域 数字化 空域申请 空域管理 其它感知 气体探测 智慧应用新展 望 ◎ 多期三维模型智能对比分析，可视化展示空间信息变化 GISTC 2023.03 P24 区域范围内建筑面积变化 33217.91 平方米， 建筑高差变化 82.5 米 无人航空数字运营一体化体系 +GIS 智慧应用新展 望 区域范围内建筑面积变化 27815.84 平方米， 建筑高差变化 58.3 米 ◎ 模型对比分析报告一键生成，为决策者提供数据支撑

≥1km 支持与基站共址 可以实现连片组网 表3.6给出了各种探测技术汇总对比情况。通过分析可知，低空无人机具有飞行高度低、反射截面小、飞行速度慢、周围 环境复杂等特点，单一探测技术无法满足各种低空安防场景的需求，需融合多种探测技术实现多维度、多层次的防控网络。 探测技术对比 表3.6 各探测技术对比 指标 5G-A通感 低空监测雷达 无线电侦测 光电探测 Remote ID 业务功能 表3.12给出了各类低空反制技术汇总对比情况。通过分析可知，不同无人机反制技术需要结合不同侵入对象、不同场景 来针对性配置。针对低空安防需求，需要设计低空综合防控系统，基于多种探测技术融合协同，采用多种拦截手段，比如电 磁压制、激光摧毁、无人机网捕等，实现对关键区域的低空飞行无人机的全天候、全区域实时预警、目标识别、动态跟踪及 精准拦截。 反制技术对比 3.4.1 概述 低空探测管控平 “智算设施”虚线框图表示的是平台 功能运行所依赖的物理系统，包括：存储系统、智算系统、网络系统等；“接口的外部设施”虚线框图表示的是与平台有接 口交互的设施系统。 表3.12 低空反制技术对比 指标 电磁压制 激光摧毁 无人机网捕 反制模式 驱离/迫降/诱导 地面精准击毁 空中抓捕 反制范围 >3km >2km 视距范围内机动抓捕 优点 缺点 适用场景 可自动化，可察打诱一体

时，可复用现有民航机场、空管等基础设施。 3 ）干线物流： 1000km 以上的长距离服务，使用大载重长航时大型固定翼无人机，动力 由电 机升级为涡扇、涡桨等传统航空发动机，可完全复用现有民航基础设施。 对比维度 传统物流 低空物流 配送方式 通过地面运输进行货物配送，涵盖 了公路、铁路、航空等多种方式， 易受交通状况和地理位置影响。 通过无人机等飞行器进行空中配送，具有速度 快、成本低、受交通状况影响小、绿色环保等 同时，无人机的环保特性及其在提升配送安全性方面的潜力，预示着向更绿色、 高效的物流模式转变。 资料来源： 《低空物流发展现状与相关建议》 涵乐宁， 陕西省物流协会， 国联民生证券研究 所 表：传统物流与低空物流信息对比 图：无人机物流体系的基本构成 公司 航天飞鹏 白鲸航线 壹通无人机 壹通无人机 京东物流 峰飞航空 中创航空 型号 FP-98 W5000 TP500 TP1000 JDY-800 V2000CG 获得型号合格证，并实施首次虾 苗跨海空运任务。峰飞航空载物 eVTOL V2000CG 目 前 已取得型号合格证（ TC ）和生产许可证（ PC ），预计今年实现商业 化交付。 表：典型大型物流无人机参数对比 干支线无人货运飞机百家争鸣，有望逐步迎来落地阶 段 资料来源：各公司官网，航空产业网， 国联民生证券研究所 ◥ 2015 -2021 年（技术实验期）：企业以 “首飞、首单 ” 为目标，聚焦技术可行性验证；

别水体污染、森林砍伐等问题；在交通管理中，AI 能够实时分析交 通流量和车辆分布；在能源设施巡检中，AI 可以检测电力线路的异 常情况，预防潜在的安全隐患。 以下是 AI 图像识别技术在不同领域的应用效果对比： 应用领域 识别目标 准确率 处理速度 主要算法 农业监测 作物种类、病虫害 95% 实时 CNN 城市规划 建筑物、道路、绿地 90% 快速 语义分割 灾害评估 地形变化、建筑物损毁 85% 图像预处理：在识别之前，系统会对无人机拍摄的原始图像进 行预处理，包括去噪、增强、校正等操作，以确保图像质量满 足识别需求。预处理步骤包括： o 去噪：通过高斯滤波或中值滤波去除图像中的噪声。 o 增强：使用直方图均衡化或对比度拉伸技术增强图像细 节。 o 校正：通过几何校正或畸变校正消除图像中的几何失 真。 2. 特征提取：利用卷积神经网络（CNN）等深度学习模型，系 统能够自动提取图像中的关键特征。这些特征包括边缘、纹 可扩展性：随着项目的发展，软件应能够支持新的功能和算 法，以适应不断变化的需求。 4. 用户友好性：软件应具备直观的用户界面和详细的文档支持， 以降低学习成本和提高工作效率。 为了更直观地比较不同软件的优缺点，以下是一个简单的对比 表： 软件名 称 优点 缺点 OpenC V 开源、功能丰富、社区支持强大 学习曲线较陡，需要一定的编程基础 MATLA B 强大的矩阵运算能力、丰富的内置函 数 商业软件，成本较高

实时共享给多个消防指挥中心和相关单位，实现信息互通和协 同作战。这不仅提高了整体响应效率，还减少了信息传递中的 延迟和误差。 为量化效率提升效果，以下表格展示了传统监测手段与无人机 AI 识别系统的对比： 指标 传统监测手段 无人机 AI 识别系统 提升效果 火灾识别时间 10-30 分钟 1-5 分钟 减少 80%-95% 响应时间 15-45 分钟 5-10 分钟 减少 60%-80% 在地面控制中心，图像数据首先经过预处理阶段。预处理包括 以下步骤： 1. 去噪处理：采用高斯滤波和中值滤波相结合的方式，去除图像 中的噪声点，尤其是烟雾和灰尘造成的干扰。 2. 图像增强：通过直方图均衡化和对比度拉伸技术，提升图像的 清晰度和细节表现。 3. 几何校正：利用无人机搭载的 IMU（惯性测量单元）数据， 对图像进行畸变校正和视角校正，确保图像与实际场景一致。 4. 目标区域提取：基于边缘检测算法（如 景、天气条件和地形特征。通过增加数据集的多样性和 数量，可以提高 AI 模型的泛化能力，减少识别错误。 o 定期更新数据集，以反映最新的火灾模式和环境变化。 2. 模型优化与验证： o 采用多种 AI 模型进行对比和优化，选择最适合的模型进 行部署。通过交叉验证和模型集成技术，提高模型的鲁 棒性和准确性。 o 定期对模型进行再训练和验证，确保其在实际应用中的 表现持续优化。 3. 实时监控与反馈机制：