.......................................................................................55 3.2.1 图像采集模块.............................................................................59 3.2.2 图像处理模块.... ......................................................................................122 7.1.1 图像采集测试...........................................................................124 7.1.2 图像处理测试..... AI 算法对图像进行自动识别和处理。系统将广泛应用于 农业监测、城市规划、灾害评估、环境监控等领域，提供高效、精 准的数据支持。 系统的核心功能包括图像采集、实时传输、AI 识别、数据分析 和结果输出。无人机将按照预设的航线自动飞行，采集高分辨率图 像，并通过无线网络实时传输至地面站。地面站配备高性能计算设 备，运行 AI 模型对图像进行识别，识别内容包括但不限于植被覆 盖、建筑物分布

.......................................................................................23 3.1.1 数据采集层.................................................................................25 3.1.2 数据传输层.. 1 传感器类型.................................................................................36 3.2.2 数据采集设备性能要求..............................................................38 4. 监测目标的确定................. 生态环境监测......................................................................................49 5. 数据采集系统设计......................................................................................51 5.1 传感器布置

实施与展望 系统总体架构 01 三大核心模块构成 气象数据采集模块 通过部署在低空（ 1000 米以下）的 5 个采集点，实时监测温度、湿度、气压、风速、风 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。 ，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。 1 2 3 采集点通过 LoRa 或 5G 网络将原始数据加密传输至边缘网关，网关进行初步过滤后上 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 /5 个采集点） 覆盖范围与精度 01 5 个采集点均匀分布，水平覆盖半径达 50 公里，垂直分辨 率 10 米，温度测量误差 ±0.5℃ ，风速误差 ±0.2m/s ，满 足民航局低空飞行安全标准。 系统响应性能 02 从数据采集到服务端输出结果的全流程耗时≤ 3 秒，支持 每秒 1000 次并发请求，确保高峰时段服务稳定性。 硬件与能耗 03 单个采集点功耗≤ 15W

识别模块设计.................................................................................62 3.3.1 图像采集与处理.........................................................................65 3.3.2 火灾特征识别算法..... 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 体传感器和温湿度传感器，采集火灾现场的环境数据，为灭火决策 提供科学依据。 - 动态路径规划：无人机根据火情变化和现场环 境，自动规划最优飞行路径，确保监测和救援任务的高效执行。 - 数据实时传输与可视化：将采集到的火情数据、环境数据和视频流 实时传输至指挥中心，并通过可视化平台展示，辅助决策者快速响 助决策者快速响 应。 项目的技术架构分为三个层次：感知层、处理层和应用层。感 知层由无人机及其搭载的传感器设备组成，负责数据采集；处理层 通过边缘计算和云端 AI 算法，对采集到的数据进行实时分析和处 理；应用层则通过指挥中心的可视化平台，将处理结果呈现给决策 者，并提供智能化的灭火建议。 项目的实施将显著提升火灾防控的效率和准确性，减少火灾造 成的经济损失和人员伤亡。同时，该项目也为未来智慧城市建设和

公司坚持创新驱动发展 战略 ， 瞄 准国际先进水平 ，产品面向国内国外两个市场。 公司作为空 间信息获取技术的创新者 ，致力于探索无人机 应用服务产业 发展的新路径 ，提出“全要素”概念 ，让飞行 数据采集更加 高效便捷。 同时作为智能空中机器人技术的 探索者 ，我们的 目标是为客户提供安全可靠、 高性价比的 产品及解决方案。 我们秉承创新、 诚信的核心价值观 ， 为 祖国的工业无人机发 展尽一份绵薄之力。 飞行场地不好选 择 • 数据获取不充 分 瑞合玄武（成都）科技有限公司 P5 Li DAR + 倾斜相机 + 载人 机 Li DAR + 正射相机 + 无人 机 2014 智能化全要素采集设备的探索 2019 2024 P6 智龙一号全要素空天地一体化洪水预警车 P7 我国是一个多山国家 ， 山洪灾害点多面广 ，危害严重 ，气候变化下暴雨趋 多趋强使山洪防治形势更加严峻 大高差、 作业时效短、 采集效率低） ） 全要素的特点——全 P11 高效率的采集 = 高利润（高精度、 高覆盖、 高时效） 多种数据融合 = 高精度（正射影像、 倾斜影像、 激光点云互补作用） 采集全比例尺要素 = 高附加值（一次性全部采集、 不同侧面加工数 据）

平台模块划分......................................................................................38 3.2.1 数据采集模块.............................................................................41 3.2.2 数据管理模块.... 52 3.3.2 网络安全与防护.........................................................................54 4. 数据采集与管理..........................................................................................56 4.1 人民币，涉及无人机配送、低空旅游、农田喷洒等多个领域。在这 样的市场背景下，构建一套完备的城市低空产业管理体系势在必 行。 为了实现以上目标，低空产业城市管理平台应具备以下几个基 本要素： 1. 数据采集与处理能力：整合各种低空飞行器的实时监控数据， 包括飞行轨迹、飞行高度、气象信息等，为决策提供依据。 2. 智能化管理系统：利用大数据、人工智能等技术，实现飞行任 务的智能化审批和调度，提升管理效率。

- （二） 执行设备............................................................................- 46 - （三） 数据采集&数据处理..........................................................- 46 - （四） 平台开发对接................... 一线巡查：配备轻便化无人机设备，对乡镇、村 庄范围内的耕地 “非农化”“非粮化”、违法采矿、林地侵占等 行为进行高频次巡查，实时回传现场影像和定位数据。 初步核查：对市级平台预警的疑似违法图斑进行 现场核查，采集证据材料（照片、视频、坐标），形成初步 核查报告。 应急响应：配合开展辖区内地质灾害隐患点监测、 森林火情初判、灾后资源损毁评估等工作，为应急处置提供 实时影像支持。 二、建设背景 （一）政策驱动：低空经济上升为国家战略 黑夜）、全地形 （平原 / 山区 / 水域）作业。以市面上行业级旗舰机型大疆 Matrice 350 RTK 为例，单架次作业面积可达 10-20 平方公 里（复杂地形）至 50-100 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

仅导致数据难以整合利 用，更使得跨场景的协同作业变得异常困难。 标准化缺失是另一个关键问题。当前，低空产业缺乏统一的数据质量标准、开发 规范与管理体系。不同企业、不同系统的数据格式、编码规则、采集频率等各不相 同，数据的一致性和准确性难以保障。这就如同不同国家使用不同的语言和度量单 位，极大地阻碍了数据的交流与共享。 应用效能瓶颈也严重制约着低空产业的发展。历史数据与新业务系统兼容性差， 技术融合机遇为平台建设提供了有力支撑。5G + AIoT 技术的成熟，使得新型数 据架构成为可能。高速、稳定的 5G 网络为数据的快速传输提供了保障，AIoT 技术则 实现了设备的智能化连接和数据的自动采集，为大数据湖一体化平台的建设奠定了技 术基础。 产业协同要求也促使平台建设加速推进。在物流、交通等场景中，跨层级的数据 共享机制至关重要。通过建设大数据湖一体化平台，打破数据壁垒，实现数据的共享 3：匹配应用场景的重庆低空大数据交易中心 6 3.3 数据架构设计 构建「六区三流」数据体系，实现数据的有序管理和高效流通。数据分区包括： 1. 多源采集区涵盖无人机、地面站等多种数据源，实现数据的全面采集。 2. 清洗入湖区建立数据质量防火墙，对采集到的数据进行清洗和校验，确保数 据质量。 3. 主题汇聚区按场景构建数据立方体，将相关数据进行汇聚和整合，形成主题 鲜明的数据集合。 4.

Saas 应用 端 网 云 场景 MEC 边缘计算 eMBB 切片 WEB 容器 消息中间件 5G 高速专网 数据采集 数据仓库 数据分析与挖掘 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  PGIS 图像数据采集 XX 城区防尘监测中心 地理信息 实时数据回传 预警、决策、建议 AI 建模，智能比对 无人机自动巡航 污染源搜索 环境巡查 为环保部门提供专业可靠 的定制化飞行服务，提升 对产品认可度，进行产品 与环保工作的融合试用 业主购买我司无人机飞行服务， 我司提供飞行任务承接，提供专 业飞手参与环境巡查工作，帮助 采集所需飞行数据 由 业 主 按 需 选 择 飞 行 服 务 （ 双 方 共 同 商 定 飞 机 类 型 、 飞 行 时 间 及 架 次） 2 （阶段二） 无人机城区防尘监测 飞行平台建设 场景应用一：污染物指标快速判定 搭载移动气体检测仪，配合数据链路，可在水平范围、垂直梯度、固定 点位等多个角度进行数据采集，实时监测 PM10 等污染物指标，根据数据结果 锁定污染源位置，有效弥补地面固定式检测站的巡查盲区。 场景应用二：工程裸露沙土巡查 实时采集 PM10 、 PM2.5 、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

开发者接口 政府接口 园区接口 商业接口 AIoT Saas 应用 端 网 云 场景 MEC 边缘计算 门禁 eMBB 切片 WEB 容器 消息中间件 5G 高速专网 数据采集 数据仓库 数据分析与挖掘 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， 无人机大气智能监测系统：实时监测、预警防控 · 实时远程采集 · 人工智能分析 · 电子沙盘污染情况实时映射 · 重大、重点污染提前预警 可为相关部门提前进行干预，从 而实现区域环境的实时性监控巡 逻提供有效依据，强有力地保护 和改善大气环境 基于数字孪生，融合大数据、人工智能、 5G 通信和三维建模技术 致力于打造“盆地大气环境监测最强大脑”  PGIS 图像数据采集  重点区域三维建模 大气智能监测中心 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， 一旦发现污染源立刻预警并完成取证，为环保 部门执法提供可靠依据。 还可搭载高清红外视频设备，配合数据链路，进行夜间 巡查，对夜间违法污染行为进行重点监控。 典型场景二：秸秆焚烧巡查 · 使用固定翼无人机搭载高清视频采集设备，配 合数据链路，进行大范围快速巡查，一旦发现疑似