视觉系统亦遵循类似流程。原始图像或视频流 在采集、传输和存储过程中，不可避免地受到多种因素干扰而导致质量退化。成像过程的物 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 VisDrone 数据集上提升小目标召回率 2.9%，但 跨层关联建模仍依赖经验阈值。 （3）时空连续性约束弱化：农业病虫害监测需跨帧跟踪病斑扩展趋势，独立帧分析丢 失时间维度信息。分层主动学习引入帧间一致性损失虽可缓解，但计算负载增加 40%。LA- YOLO 模型通过 SimAM 注意力机制增强时空关联，在低空多无人机检测任务中将 mAP 提 升 5.9%，但对高速目标仍存在轨迹断裂[22]。 （4）智慧城市管理：交通流量监测需同时跟踪数百目标，目标重叠率>40%时传统算法 ID 切换率激增。图神经网络（graph neural networks ,GNN）跨帧轨迹关联虽降低切换率 3 5%，但 5G 回传引入 100~200ms 延迟，难以满足 50ms 级控制闭环需求。 1.1.3 底层视觉任务分类 作为获取高质量低空视觉数据的基础，底层视觉技术对提升无人机等低空平台在复杂动 态环境下的感知能力

，提升学生数据分析 与复盘能力。 企业实战平台 北方天途基于航空植保平台 大数据项目 ，组织学生参与 模拟与商业项目实习 ，锤炼 真实工作环境下的综合应用 能力。 实训基地建设 金教师双师结构 引入顺丰一线技术骨干担任兼职讲师 ，与高校教师共同 授课 ，提升学生对产业实际运作的理解和适应能力。 金教材案例丰富 联合高校开发基于 “丰知”大模型的物流无人机教材，内 容涵盖路径优化、 调度算法、 教育改革与课程建设 新兴领域提前布局 在城市空中交通、 无人机物 流等新兴方向提前设置相关 课程 ， 为行业发展储备专 业 技术人才。 企业参与课程开发 昆山第二中专与航天时代飞 鹏合作开发课程 ， 引入企 业 真实案例和业务流程 ，提升 课程实用性和针对性。 交叉融合新方向 北航开设 “低空经济与智能 系统”微专业 ， 融合飞行器 设计、 空域管理等课程 ， 培养多学科交叉复合型人才。 场景化案例教学 厦门海西职校在农业植保、 电力巡检等课程中引入 真实项目案例 ，提升学生场景理解和问题解决能力。 创新项目进课堂 开展无人机设计、 路径优化等创新创业项目 ，鼓 励学生围绕实际问题展开研究和实验。 动态更新机制 建立课程动态评估与更新机制 ，每年定期修订课程 内容 ，确保与行业最新技术同步。 引入前沿技术 无人机控制系统课程增加新型传感器、 智 能导航等内容

空中交通管制确保了航空货物和乘客的顺畅流通，为旅游业和国际 贸易提供了重要支撑，带动了相关产业的蓬勃发展。 最后，随着新兴技术的发展，空中交通管制的角色愈发重要。 数据链接、自动化管制以及无人机的飞行管理等新技术的引入，意 味着传统的管制方式将进行重大革新。这些技术不仅优化了空域管 理，还为未来的空中交通管制系统提供了更大的灵活性和适应性， 以满足未来航空运输日益增长的需求。 在总结以上几点后，可以看出，空中交通管制不仅关乎飞行的 分配空域资源，减少航班延误，保障航空公司和旅客的时间成本。 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 本和环境影响。研究并应用最新的飞行计划工具和气象信息，为航 班提供最佳的飞行路径和高度选择，以适应气象变化。 进一步，提升空中交通管制人员的决策支持能力。通过引入人 工智能和机器学习技术，为管制员提供智能决策支持系统，帮助其 更快速、有效地进行空域管理和事件处理。同时，加强对管制员的 培训，确保其能够熟练使用新系统，提高管制效率。 最后，促进空中交通管理系统的可持续发展，形成长期有效的

析能力不足，导致决策效率低下。为了解决这些问题，人工智能 （AI）技术的引入成为关键。通过 AI 算法，无人机可以实现自主 飞行、目标识别、火情分析和路径规划等功能，从而提升消防作业 的智能化水平和效率。 根据相关数据统计，2022 年全球无人机市场规模已达到 300 亿美元，其中消防领域的应用占比逐年上升。以美国为例，2021 年无人机在消防领域的应用案例中，AI 辅助决策系统的引入使得火 灾扑灭时间平均缩短了 30%，救援成功率提高了 系统的可扩展性和智能化水平也为未来应对更大规模、更复杂的火 灾场景提供了坚实的基础。 1.2.2 减少消防人员风险 在低空无人机消防部署 AI 识别项目中，减少消防人员风险是 一个核心目标。通过引入无人机和 AI 技术，可以有效降低消防人 员在火灾现场的直接暴露，从而减少伤亡风险。具体而言，无人机 可以在火灾初期迅速进入危险区域进行侦察，获取实时火情信息， 而无需消防人员冒险进入。AI 识别系统则能够对火灾现场进行智能 优。例如，在火灾初期，AI 识别系统需要快速定位火源并评估火 势；而在火势蔓延阶段，系统则需要实时跟踪火线变化并预测蔓延 方向。因此，AI 模型的推理速度和精度需要根据不同的任务需求进 行动态调整。通过引入自适应算法和在线学习机制，系统可以在保 证实时性的同时，逐步提升识别精度。 综上所述，实时处理能力是低空无人机消防部署 AI 识别项目 的核心技术需求之一。通过优化计算资源配置、算法设计、数据传

随着无人机技术的快速发展，低空无人机在农业监测、城市规 划、灾害评估等领域的应用日益广泛。然而，传统的无人机图像处 理方式主要依赖人工分析，存在效率低、成本高、主观性强等问 题。AI 图像识别技术的引入为这一领域带来了革命性的突破。通过 深度学习算法，AI 能够自动识别图像中的目标物体、地形特征以及 异常情况，极大地提升了图像处理的效率和准确性。 在农业领域，AI 图像识别技术能够自动识别作物种类、生长状 在农业监测、灾害评估和城市规划等领域的应用效率，为用户提供 更快速、更可靠的服务。 1.2.2 实现自动化识别 在低空无人机 AI 识别自动处理图像项目中，实现自动化识别 是核心目标之一。通过引入先进的计算机视觉技术和深度学习算 法，系统能够自动识别无人机拍摄的图像中的目标物体或场景，并 对其进行分类、定位和跟踪。自动化识别不仅能够大幅提高数据处 理效率，还能减少人为干预，降低错误率。 Flink）实现实时数据处理。 o 反馈机制：通过 API 或消息队列将识别结果实时反馈给 用户或控制系统。 5. 性能优化与模型更新：为了确保识别精度和速度，系统将定期 对模型进行优化和更新。通过引入增量学习或在线学习技术， 模型能够适应新的环境和目标，保持较高的识别准确率。性能 优化与模型更新的具体措施包括： o 模型压缩：通过剪枝、量化或蒸馏技术减少模型的计算 量和存储需求。 o

96%，在传统巡护模式中，森林管理面临诸多挑战。2023 年通过引入大疆机场和智能巡检平台，实现了“人机协同、空地互补”的森林 防火数字化巡护模式，巡护效率提升 5 倍以上，在有效保护野生动物和森林资 源的同时，防止了林政案件的发生。 湖北神农架森林防火的“空中哨兵”。神农架林区森林覆盖率 91.16%、 活立木蓄积量 3300 多万立方米。为提高防火效率，铲除安全隐患，引入完成 神农架林区森林无人机系统建设，实现了森林防火的智能化升级。无人机防控 18 流实现航线运营；加快融入四川低空空域协同区域，快速开辟与四川 周边市县大型无人机货运物流航线；加快云南相邻市县沟通协同，开 辟昭通、楚雄、大理、丽江等地大型无人机货运物流航线。积极引入 顺丰等大型物流企业入驻低空经济产业园，支持其建设大型无人机机 队和运营航线网络。 低空无人机物流枢纽节点建设成熟后，可积极向周边甘阿凉和其 他条件近似地区辐射推广，最终形成 200 公里+100 筹划冬季特殊低空新型赛 事，打造一到两项全国知名的冬训特色体育赛事。 4、提前规划城市低空物流 全面梳理和规划城市各街区低空物流起降点，做好相关资源整合 协调；划定城市低空飞行保护区，规划低空物流路线；积极引入专业 物流企业开展城市低空物流试点，在运行中不断完善。 专栏 7 城市低空物流快递 全国多地积极推动城市低空物流发展。2024 年 4 月初无锡试运行了新吴 区、梁溪区、滨湖区三地双向对飞的“低空物流”线路，一幅未来智慧都市的

空间关系进行推理判断。 2025.03 2025.05 以 Spatial Sky 为代表的低空“感知 - 推理 - 决策”一体化数 据 CityEQA 现实推理决策 覆盖多源传感器信息 ， 引入 物理约束 ，进行动力学推理、 多机协同、 安全决策等任务 UAVBench 仿真推理决策 因果 / 关联 / 反事实推理； 路线规划与动作输出； 仿 真 ➡ 现 实 泛 化 测 试 仿真感知推理 仿真感知推理 无人机第一视角场景理解 ， 对话问答 ， 以及任务规划。 仿真空间推理 在多个视角转换设定下 ， 进行定量空间推理。 Open3D-UAV EmbodiedCity 多源推理决策 引入多视角协同推理， 加入多源评估与协作决策。 UrbanVideo 2025.11 2025.02 ! 2022.05 2023.08 2024.06 2025.05 以 AerialVLN 为起点的低空具身智能相关数据集正持续丰富与完 善 CityNav 真 实 点 云 + 地 标 +32637 条指令 AVDN 引入 “ 指挥官 - 机手”对话 ，提 供 3k 对话轨 迹与注意力热图 ，模拟飞行中语 言 澄清 UrbanVideo-Bench 汇集两座真实城市 视 频 + Aerial VLN 环境 ，共

源、一体化网络建设和运维效率高等优势。 但传统地面移动通信网络主要聚焦于地面用户,在低空场景 的高质量连续覆盖组网、空地用户移动性管理等方面的研究相对有限。 为解决复杂空域覆盖空洞、地面 用户网络质量下降等问题,探索将智能超表面技术引入低空移动通信网络,提出在收发端侧和信道端侧 均采用智能超表面辅助的低空组网架构,为低空区域高质量、连续、深度覆盖提供低成本、低功耗且易部 署的解决方案。 关键词:无线通信;低空移动通信;智能超表面;网络覆盖 Aircraft System,UAS),第三代合作伙伴计 划(3rd Generation Partnership Project,3GPP) R18 中的 5G 核心网引入了新网元 UAS 网络功能(UAS Network Function,UAS NF) 与无人机服务系统(UAV Supplier System,USS)对接 [4]。 的站址规划必须结合基站的覆盖能力和盲区的具 体空间特征,进行系统性的三维部署优化。 三是空口资源分配限制。 RIS 以前馈方式直接反 射射频信号,其空口资源通常与主基站共享。 若某一 小区内部署多个 RIS 设备,将引入额外的空口资源占 用需求。 多个 RIS 之间的资源协调以及其与基站之间 的资源分配将显著增加系统调度的复杂性。 6 挑战及展望 6. 1 覆盖能力与部署复杂度的内在矛盾:从单点优 化到系统级权衡

技术的运用，大幅提高了生产的灵活性，使得供应链变得更加透明和高效， 为企 业的快速发展提供了有力支撑。这不仅有助于降低成本，还能确保零部件供 应的 稳定性，使企业能够更好地适应不断变化的市场需求。 此外，智能化制造技术的引入，如 AI 和大数据分析，正重塑生产流程，提 升质量控制和预测性维护，确保产品质量并减少故障停机。同时，企业愈发重 视 可持续性，通过绿色制造和回收利用策略，降低废弃物产生，减轻环境负 担。全 15 性。 15 这些技术的革新持续推动低空飞行器的微型化和智能化。集成通信模块与 自 动驾驶算法使飞行器能自主导航，而 AI 的运用则增强了设备的自主学习和 适应 性。同时，5G 网络的引入使得远程控制与实时数据传输成为可能，增强 了低空 飞行器的监控与协同作业能力，为低空经济注入更多活力。 2、摄像机与传感器：精准感知世界 摄像机与传感器作为无人机等飞行器上的重要组成部分，保证了其能够对 殊区域，如城市上空、重大 活动举办地区，合理的空域管理和科学的飞行审批可以预防潜在风险，维护飞行 秩序。 空域资源的高效利用与安全管理是当务之急。随着技术进步，数字化监控与 预测工具的引入强化了低空管理，确保飞行安全。此外，行业标准与法规的完善， 如低空飞行服务站的设立，将进一步促进低空经济规范化、专业化，推动行业健 康发展。 2、地面系统与载荷零部件 低空经济的持续发展

流体系的智能化升级。低空飞行器能够将包裹从配送中心快速地送达客户手中，显著提升 “最后一公里”配送速度。城市无人机配送系统通过通感一体化技术，实现对低空飞行器 的路径规划和复杂环境的实时感知；引入智能管理平台，使得低空飞行器能够高效协同作 业，提升整体运营效率。随着相关技术的不断成熟，低空飞行器快递配送将在城市物流领 域发挥越来越重要的作用，助力智慧城市建设和现代物流体系发展。 偏远地 方案。 为提升低空飞行器的通信传输能力，应进行链路增强、波束跟踪、时频同步、干扰协 同等增强技术的研究。 （1）链路增强 链路是保障通信质量的基础。除常规的提升发射功率、天线增益等措施外，可引入多链路协 同，将空地直连、空空直连等多条可用链路进行联合调度，实现负载均衡和业务连续性。此外， 可以构建适配低空场景的信道传输模型，利用 AI 自适应地学习和挖掘链路状态变化和用户行为 低空智联网场景和关键技术白皮书 通信能力是维持该区域覆盖的关键。在网络侧，可采用多基站协同技术，通过构建多基站 协作接收与协作下发机制，由多个基站共同为同一低空终端提供链路增强，从而显著提升 信号接收灵敏度与抗干扰能力。同时，针对地面网络无法完全覆盖的区域，还可引入星地 协同组网方案，利用低轨卫星补充空地一体化覆盖，确保任务在跨越山地、林区或远洋区 域时依旧拥有稳定可用的通信通道，进一步提升在水平域和垂直域的覆盖能力，避免覆盖 空洞。 低空智联网场景和关键技术白皮书