���E�����0 3. 3. 5 负样本增强与困难样本挖掘 负样本的充分性与多样性是提升模型泛化能力的 关键,然而低空环境中虚警类型复杂多样(如飞鸟、飘 浮物、光影变化及动态背景等),使得高质量负样本的 收集面临严峻挑战。 为系统构建具备强判别能力的感 知模型,需采用 3 种样本优化策略。 一是主动收集:在 系统部署区域长期采集实际数据,重点积累被误报的 困难样本。 二是数据合成:利用生成对抗网络生成逼 二是数据合成:利用生成对抗网络生成逼 真的虚警样本(如特定背景下的飞鸟、塑料袋图像或点 云数据等)。 三是物理模拟:通过仿真环境构建各类虚 警场景,扩展样本覆盖范围。 在训练策略层面,实施困难样本挖掘机制,即在训 练过程中或训练后阶段,识别被模型误判的样本并进 行重点学习,通过迭代优化持续提升模型对“困难虚 警”的判别能力。 3. 3. 6 模型架构与训练策略 在模型架构设计与训练策略层面,主要存在端到

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

..................297 1. 类不可知少样本目标计数..............................................................................................................297 xxx -5- 2.类不可知零样本目标计数.......................... 节保护与雨纹抑制的平衡，但对粘连雨痕的分离能力有限。 无人机图像去雨任务需兼顾高频细节保留与算力约束。MOTL[107]设计记忆导向迁移框 架：预训练模型学习通用特征，记忆增强适配器存储无人机典型样本，知识蒸馏实现小样本 xxx -31- 微调，1.1M 参数量下 Jetson TX2 延迟仅 18ms。无监督方法 CCP[108]利用雨纹 RGB 通道强 度差异，构建通道间差分损失，自编码器实现无标签训练，真实雨图 首次实现 4K 图像实时处理。然而，合成数据与真实场景的域差异成为新挑战。Deblurring by Realistic Blurring[141]创新性提出“模糊-清晰”对生成框架，通过物理模型合成逼真样本并 设计域自适应模块对齐分布，在 RealBlur 数据集 SSIM 达 0.885，大幅提升模型泛化能力。 视频去模糊需解决时序关联性问题。Generalized Video Deblurring[142]设计光流引导的特

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

低空数据平 台 三、 低空感知大 脑 CONTEN TS 统计机器学习长期关注数据规模、 结构及分布与模型 泛化间规律 前提假设和静态度量失效 经验规律重构新范式导向 数据样本量稀缺 需严格约束模型复杂度 根据数据结构选择模型 维度问题影响模型选择 2017 经典泛化理论质疑： Zhang, C. 《 Understanding deep learning requires the uniform convergence of events to their probabilities 》 relative frequencies 提出 VC 维 ，连接模型容量与数据样本量 1961 年：维度诅咒 Bellman, R. 《 Adaptive Control Processes: A Guided Tour 》 提出维度诅咒 ，揭示高维空间数据挑战 参数平衡 的数据 ， 是驱动大模型能力进阶的 虚实数据增效 世界模型迁移 非线性跃迁 数据质量至上 2020 年 “ 归纳总结” 发现幂律 参数主导 大模型时代技术迭代也对训练数据的样本规模与质量提出更高标准 2025 年 “ 具身数据受限” 2023 年至今 多源协同感知 数据集 UAVDT VisDrone 2016 年及以前 小规模 检测与追踪数据集

全局的混合专家动态模型（ MoE-Fusion ） Gioc al(sio car)=soft ma ac(top k(sio cn·wi o car)) 模型动态学习模态 - 场景的关联信息 ， 实现场景样本自适应的多模态动态融合 创新：提出局部到全局的混合专家多模态动态模型构建“模态 - 场景”动态感知关联 (ICCV 2023) 在多模态非固定关联范式中动态地相互融合主导 - 辅助模态信息 双向 效补充 创新：构建多机协同多目标追踪数据集以及协同追踪框架（ TMM 2023 ） 社会化学习通过多智能体间数据与知识的定向性交互共享 ， 实现了协同进化 n 社会化学习范式可以通过智能体之间的关键样本交互和知识交互 ，从而实现新知识学习 n 在保留个体原先任务认知能力的基础上 ，获取其他智能体的任务知识 ，进而实现机器社会中多个个体的协同进化 创新：针对开放环境下的群智演化 ，提出兼顾专业性和通用性的社会化学习范式（

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

针对重大传染病疫情 、突 发公共卫生事件，开展疫区物资配送、样本转运、环境消杀、 人员转运隔离 。。装备配置： 医疗专用无人机 、负压救援直 升机 、消杀无人机， 配套冷链运输箱 、防护物资 。。典型案 例： 偏远地区疫情防控物资配送 、疑似病例样本快速转运 、 “ 疫区重点区域消杀。。运营模式：建立 ” 空中防疫通道 ，无 人机负责疫区物资配送和样本转运， 避免人员接触感染； 负 压直升机用于

展疫区物资配送 、样本转运 、环境消杀 、人员转运隔离。 . 装备配置：医疗专用无人机、负压救援直升机、消杀无人机， 配套冷链运输箱 、防护物资 、消毒药剂。 . 典型案例 ：川西高原偏远牧区疫情防控物资配送 、重庆主 城疑似病例样本快速转运 、宜宾疫区重点区域消杀。 . 运营模式： 建立 “ ” 空中防疫通道 ， 无人机负责疫区物资配 送和样本转运， 避免人员接触感染；

及摩尔实验室 可靠性认证，公司现已通过 I SO9001：2015 及 GJB9001C- 2017 质量管理体系认证，各 类产品已应用于航空航天、卫 星通讯、空间观测、生物医疗、 基因样本储存等领域。 成都市域 “电动葫芦”专 门用于飞行器 重物起吊，例如 飞行器挂弹操 作、飞行器货物 装载。“电动葫 芦”占用飞行器 的空间大幅减 小，并可以确保 吊挂装置具备 足够的提升重 量。“2832 基于空天地协同感知网的现 代化城市建设体系，深度融合 低轨遥感卫星、低空无人机遥 感网与地面传感器网，基于 AI、大数据、物联网等前沿技 术，研发空天地协同智能感知 网、高低空地理信息库与高低 空算法样本库，打造空天地智 能感知网运营服务指挥平台、 遥感大数据管理中心、数据运 营服务中心，可提供路网运行 状态监测、交通灾害监测与损 毁评估、道路智慧执法管理、 交通设施形变监测、路面设施