CN111493055A - 一种多机场协同的空域智能驱鸟***及方法 - Google Patents

一种多机场协同的空域智能驱鸟***及方法 Download PDF

Info

Publication number
CN111493055A
CN111493055A CN202010218991.6A CN202010218991A CN111493055A CN 111493055 A CN111493055 A CN 111493055A CN 202010218991 A CN202010218991 A CN 202010218991A CN 111493055 A CN111493055 A CN 111493055A
Authority
CN
China
Prior art keywords
bird
bird repelling
group
repelling
airport
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010218991.6A
Other languages
English (en)
Inventor
刘宛平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Weia Technology Co ltd
Original Assignee
Shenzhen Weia Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Weia Technology Co ltd filed Critical Shenzhen Weia Technology Co ltd
Priority to CN202010218991.6A priority Critical patent/CN111493055A/zh
Publication of CN111493055A publication Critical patent/CN111493055A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M29/00—Scaring or repelling devices, e.g. bird-scaring apparatus
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Birds (AREA)
  • Insects & Arthropods (AREA)
  • Pest Control & Pesticides (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Environmental Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种针对机场空域智能驱鸟***，其包含服务器、雷达、多个基站及多个驱鸟单元，其可对入侵指定空域的鸟群进行种类识别并基于此制定驱鸟策略，为保障机场空域安全提供了一种潜在工具。基于此***，进一步提出了一种智能驱鸟算法框架，通过引入基于卷积神经网络的深度学习策略，迭代更新鸟群识别模型参数，从而实现识别精度的自动优化。本发明所提***及方法可视作现有硬件技术与相关算法的集成应用，从而具有自内而外的开放性，可逐步增设硬件、自动软件升级增强统性能，从而具有良好的工程实用性。

Description

一种多机场协同的空域智能驱鸟***及方法
技术领域
本发明涉及使用无人机进行控制鸟群的***与方法，特指一种多机场协同的空域智能驱鸟***及方法。
背景技术
近年来，经济发展驱使下的城市扩张导致鸟类入侵机场空域的事件时有发生。在航班起飞过程中的鸟类碰撞事故呈现迅速增长的趋势。由此，有效驱离入侵鸟群已经成为保障乘客生命安全及航班飞行安全亟需解决的问题。现有的驱鸟方法通常为在跑道周边区域安装定向声音警报***，通过定期发射定向噪声驱离鸟群；与之辅助是派遣机场保障人员使用***等工具实施人工驱鸟。此外，在跑道周边的绿地喷洒化学药剂，也是常用的驱鸟措施之一。这些常规手段面临的三个方面的局限性。首先，定向噪声的频率和强度通常仅对特定的鸟类有效，且因鸟类与生俱来的环境适应性，对特定鸟类的驱离效果往往也会不断降低。其次，人工驱鸟不断大大增加驱鸟成本，更为严重的是在很多情况下难以保障安全。再次，在雨季或其他极端天气下，无论是定向噪声或是人工驱鸟均面临效率低下的困境。
解决现有技术中的局限性，智能驱鸟技术可能是一种颇具潜力的解决方案。然而，使之工程化尚需解决如下技术问题。基于现有硬件平台与软件算法，通过有效集成构建智能驱鸟***是首先需要解决的问题。提出一种智能驱鸟算法框架，使***可通过深度学习不断迭代更新鸟群识别、驱离策略等关键算法、模型参数，是保证***适用性和有效性的技术路径。同时，鉴于工程上逐年建设、渐进提升的基本规律，保持***自内而外的开放性与兼容性也需要特别考虑。综上，研制兼顾开放性和实用性的智能驱鸟***，并发展自我迭代优化特性的智能驱鸟算法，对于保障乘客生命安全及飞行安全具有非常重要的现实意义。
发明内容
为了解决上述问题，本发明的目的在于提供一种多机场协同的空域智能驱鸟***及方法，该***包括服务器、雷达、基站、驱鸟单元等设备，具有高效、自动驱离入侵机场空域鸟群的功能，可以基于卷积神经网络的深度学习和迭代实现识别精度的自动优化，具有自内而外的开放性使众多机场的数据可以共享及参数优化。
为实现上述目的，本发明采取了如下技术方案：一种多机场协同的空域智能驱鸟***，包括共享***、中央控制***以及设置在各机场的驱鸟子***，
所述驱鸟子***包括设置在各机场的1个服务器、1个雷达、m个基站、n个驱鸟单元，其中基站数量m和驱鸟单元n根据机场空域具体驱鸟需求决定；所述服务器用于构建网络、计算、存储、控制等功能；所述雷达用于探测鸟群位置；所述基站用于获取鸟群的图像信息；所述驱鸟单元用于驱使鸟群向指定方向运动；
所述中央控制***控制共享***与各机场子***的服务器数据共享。
所述服务器包含网络模组、计算模组、云服务模组、操作模组等部分。所述网络模组选用现有大功能无线路由网络设备，用于构建无线IP网络，以实现所述智能驱鸟***中各部分的通讯连接；所述计算模组选用现有计算机工作站，用于分析所述雷达提供的鸟群初始信息，基于鸟群初始信息调用所述m个基站中的某一基站中获取鸟群图像信息，基于鸟群图像信息制定驱鸟策略并调用所述一个或多个驱鸟单元驱使鸟群向指定方向运动；所述云服务模组选用现有企业级NAS网络云存储设备，用于定期更新鸟群特征识别数据库、智能驱鸟算法；所述操作模组选用现有产品，用于直接控制所述驱鸟单元。所述鸟群初始信息包括状态信息和位置信息；所述驱鸟策略包括选用的驱鸟单元，及所述驱鸟单元接近鸟群的速度和角度。所述计算模组、所述云服务模组分别通过千兆网线与所述网络模组连接，所述操作模组通过内部的无线网络器件接入所述网络模组构建的无线网络。
所述m个基站中的第一基站包括第一焦距控制器、第一摄像机阵列、第一图像编码器、第一网关、第一充电杆。所述第一焦距控制器用于分析并向所述第一摄像机阵列提供焦距控制信息；所述第一摄像机阵列用于获取鸟群图像信息并输出给所述第一图像编码器；所述第一图像编码器用于对鸟群图像信息进行信号处理并提供给所述服务器；所述第一网关接入所述网络模组构建的无线IP网络，用于所述第一基站与所述服务器建立通讯连接；所述第一充电杆用于给所述第一焦距控制器、所述第一摄像机阵列、所述第一图像编码器、所述第一网关供电。所述第一焦距控制器选用现有产品；所述第一摄像机阵列设计有8个现有超清网络监控摄像机组成阵列；所述第一图型编码器选用现有产品；所述第一网关选用现有产品；所述第一充电杆选用现有太阳能充电设备。所述m个基站放置于所述机场空域对应的不同机场位置，所述m个基站中的其他基站与第1基站的特征相同。
所述n个驱鸟单元中的第一驱鸟单元包括第一长机、第一A僚机、第一B僚机。所述第一长机、第一A僚机、第一B僚机均可通过各自内部的无线网络器件接入所述网络模组构建无线IP网络中，以建立所述第一长机与所述第一A僚机、第一B僚机的通讯连接，以及所述第一长机与所述服务器的通讯连接。所述第一长机基于所述服务器给定的所述驱鸟策略，协同所述第一A僚机和第一B僚机驱使鸟群向指定方向运动。所述第一长机、第一A 僚机、第一B僚机均选用现有专业级无人机。所述n个驱鸟单元中的其他驱鸟单元与第1 驱鸟单元的特征相同。
本发明进一步提供一种针对机场空域的智能驱鸟方法，本方法基于所述智能驱鸟***对机场区域的驱鸟过程按如下步骤进行：
S1.1：所述智能驱鸟***启动；
S1.2：鸟群进入所述机场空域被所述雷达探测得到鸟群的初始信息；
S1.3：所述计算模组对所述鸟群初始信息分析并将结果发送至所述某一基站的焦距控制器；
S1.4：所述基站的焦距控制器将算得的焦距控制信号输送给所述基站的摄像机阵列；
S1.5：所述基站的摄像机阵列将所拍摄的鸟群图像信息输送给所述基站的图像编码器；
S1.6：所述基站的图像编码器将处理后的鸟群图像信息输送给所述计算模组；
S1.7：所述计算模组调用智能驱鸟算法对鸟群进行识别并求解得到所述驱鸟策略；
S1.8：所述计算模组判断是否存在所述操作模组发出的手动操作请求，如不存在则进入步骤S1.9，如存在则调用某一驱鸟单元执行所述操作模组发出的指令。
S1.9：所述驱鸟单元执行所述计算模组下发的所述驱鸟策略；
S1.10：所述云服务模组存储所述驱鸟单元的运动过程信息、所述计算模组的鸟群识别信息；
S1.11:所述驱鸟子***中的云服务模组存储运动过程信息、鸟群识别信息实时上传至共享***，同时中央控制***控制共享***将新上传信息下发至其他机场驱鸟子***的云服务模组。
本发明进一步提供一种智能驱鸟算法，按如下步骤进行：
S2.1：获取鸟群图像信息；
S2.2：建立参数化鸟群识别模型；
S2.3：基于所述识别模型对鸟群图像信息中进行鸟群种类识别；
S2.4：如识别成功则进入S2.5，否则返回S2.1；
S2.5：保存识别结果到所述数据库并输出所述驱鸟策略；
S2.6：更新所述鸟群识别模型的参数。
其中，基于鸟群种类制定的所述驱鸟策略的求解算法为现有的单目标长时间跟踪算法；所述鸟群识别模型是现有技术中的基于卷积神经网络的多位置识别模型。
与现有技术相比，本发明的优点在于：首先，本发明所提***及方法可视作现有硬件技术与相关算法的集成应用，为高效、自动驱离入侵机场空域鸟群的提供了一种实用的工具。其次，本发明通过引入基于卷积神经网络的深度学习策略提出了一种智能驱鸟算法框架，可迭代更新鸟群识别模型参数，从而实现识别精度的自动优化。再者，本发明所提***具有自内而外的开放性，对内可通过基站、驱鸟单元、或是某一驱鸟单元中的僚机以增强***的布控范围及同时驱鸟能力，对外可接入云端从而实现众多机场的数据共享及参数优化。
附图说明
图1为本发明提供的多机场协同驱鸟***构造图。
图2为本发明提供的子***智能驱鸟***构造图。
图3为本发明提供的子***驱鸟方法流程图。
图4为本发明提供的智能驱鸟算法流程图。
具体实施方式
如图1所示，本发明提供的一种多机场协同的空域智能驱鸟***10包括：共享***、中央控制***以及设置在各机场的驱鸟子***，所述驱鸟子***包括设置在各机场的服务器 11、雷达12、基站13、基站14，以及3个驱鸟单元15～17。服务器11可提供网络构建、计算、存储、控制等功能，包含网络模组111、计算模组112、云服务模组113、操作模组114 等部分。雷达12用于探测鸟群位置并通过接入所构建的网络传输给服务器11。基站13用于获取鸟群的图像信息，包含焦距控制器131、摄像机阵列132、图像编码器133、网关134 和充电杆135。基站14的功能与构成与基站13相同。驱鸟单元15用于驱使鸟群向指定方向运动，包含长机151、僚机152、僚机153。所述中央控制***控制共享***与各机场子***的服务器11数据共享。
进一步地，说明本实施例中服务器11各部分的特征。网络模组111选用路由器构建无线IP网络N1，用以实现智能驱鸟***10中各部分的通讯连接。计算模组112选用计算平台；用于分析雷达12提供的鸟群初始信息E1，基于鸟群初始信息E1调用两个基站(13,14)中某一基站获取鸟群图像信息，基于鸟群图像信息制定驱鸟策略T1并调用三个驱鸟单元(15,16,17)中的一个或多个驱使鸟群向指定方向运动。所述鸟群初始信息E1包括状态信息、位置信息。所述驱鸟策略T1包括选用的驱鸟单元，及所述驱鸟单元接近鸟群的速度和角度。云服务模组113选用云服务器，通过IP网络N1与云端连接，可定期更新鸟群特征识别数据库K1、智能驱鸟算法A1。操作模组114选用手持控制器，用于直接控制驱鸟单元 15、16、17。计算模组112、云服务模组113分别通过千兆网线与网络模组111连接，操作模组114通过内部的无线网络器件接入IP网络N1。
进一步地，说明本实施例中基站13各部分的特征。焦距控制器131选用控制器，用于分析并向摄像机阵列132提供焦距控制信息。摄像机阵列132选用8个摄像机组成的阵列，用于获取鸟群图像信息并输出给图像编码器133。图像编码器133用于对鸟群图像信息进行信号处理并提供给服务器11。网关134用于接入IP网络N1，建立基站13与服务器11的通讯连接。充电杆135选用太阳能充电器，用于给焦距控制器131、摄像机阵列132、图像编码器133、网关134供电。
进一步地，说明本实施例中驱鸟单元15各部分的特征。长机151、僚机152、僚机153均选用无人机。长机151、僚机152、僚机153均可通过各自内部的无线网络器件接入IP网络N1，以建立长机151与僚机152、153的通讯连接，及长机151与服务器11的通讯连接。长机151基于服务器11给定的驱鸟策略T1，协同僚机152、153驱使鸟群向指定方向运动。
如图2所示，本实施例进一步提供一种针对机场空域智能驱鸟方法，本方法基于智能驱鸟***10对机场区域的驱鸟过程按如下步骤进行：
S1.1：智能驱鸟***10启动；
S1.2：鸟群进入所述机场空域被雷达12探测得到鸟群初始信息E1；
S1.3：计算模组112对所述鸟群初始信息E1分析并将结果发送至焦距控制器131；
S1.4：焦距控制器131将算得的焦距控制信号输送给摄像机阵列132；
S1.5：摄像机阵列132将所拍摄的鸟群图像信息输送给图像编码器133；
S1.6：图像编码器133将处理后的鸟群图像信息输送给计算模组112；
S1.7：计算模组112调用算法A1对鸟群进行识别并求解得到驱鸟策略T1；
S1.8：计算模组112判断是否存在操作模组114发出的手动操作请求，如不存在则进入 S1.9，如存在驱鸟单元(15-17)执行操作模组114发出的指令。
S1.9：驱鸟单元(15-17)执行计算模组112下发的驱鸟策略T1；
S1.10：云服务模组113存储驱鸟单元(15-17)的运动过程信息、计算模组112的鸟群识别信息；
S1.11:所述驱鸟子***中的云服务模组存储运动过程信息、鸟群识别信息实时上传至共享***，同时中央控制***控制共享***将新上传信息下发至其他机场驱鸟子***的云服务模组。
如图3所示，本实施例进一步提供一种智能驱鸟算法A1，按如下步骤进行：
S2.1：获取鸟群图像信息；
S2.2：建立参数化鸟群识别模型M1；
S2.3：基于模型M1对鸟群图像信息中进行鸟群种类识别；
S2.4：如识别成功则进入S2.5，否则返回S2.1；
S2.5：保存识别结果到数据库K1并输出驱鸟策略T1；
S2.6：更新鸟群识别模型M1的参数。
进一步地，基于鸟群种类制定驱鸟策略T1的求解算法为现有的单目标长时间跟踪算法。鸟群识别模型M1是现有技术中的基于卷积神经网络的多位置识别模型。
从所述实施例中可以发现，本发明提出的针对机场空域智能驱鸟***及方法具有如下3 个优点：1)本发明所提***及方法可视作现有硬件技术与相关算法的集成应用，为高效、自动驱离入侵机场空域鸟群的提供了一种实用的工具。2)本发明通过引入基于卷积神经网络的深度学习策略提出了一种智能驱鸟算法框架，可迭代更新鸟群识别模型参数，从而实现识别精度的自动优化。3)多机场共享驱鸟数据，提高各机场识别效率，实现了众多机场的数据共享及参数优化。

Claims (10)

1.一种多机场协同的空域智能驱鸟***，其特征在于：包括共享***、中央控制***以及设置在各机场的驱鸟子***，所述驱鸟子***包括设置在各机场的1个服务器、1个雷达、m个基站、n个驱鸟单元，其中基站数量m和驱鸟单元n根据机场空域具体驱鸟需求决定；所述服务器用于构建网络、计算、存储、控制等功能；所述雷达用于探测鸟群位置；所述基站用于获取鸟群的图像信息；所述驱鸟单元用于驱使鸟群向指定方向运动；所述中央控制***控制共享***与各机场子***的服务器数据共享。
2.根据权利要求1所述一种多机场协同的空域智能驱鸟***，其特征在于：所述服务器包含网络模组、计算模组、云服务模组、操作模组等部分；所述网络模组用于构建无线IP网络，以实现所述智能驱鸟***中各部分的通讯连接；所述计算模组用于分析所述雷达提供的鸟群初始信息，基于鸟群初始信息调用所述m个基站中的某一基站中获取鸟群图像信息，基于鸟群图像信息制定驱鸟策略并调用所述一个或多个驱鸟单元驱使鸟群向指定方向运动；所述云服务模组用于定期更新鸟群特征识别数据库、智能驱鸟算法；所述操作模组用于直接控制所述驱鸟单元；所述鸟群初始信息包括状态信息和位置信息；所述驱鸟策略包括选用的驱鸟单元，及所述驱鸟单元接近鸟群的速度和角度；所述计算模组、所述云服务模组分别通过千兆网线与所述网络模组连接，所述操作模组通过内部的无线网络器件接入所述网络模组构建的无线网络。
3.根据权利要求1所述一种多机场协同的空域智能驱鸟***，其特征在于：所述m个基站中的第一基站包括第一焦距控制器、第一摄像机阵列、第一图像编码器、第一网关、第一充电杆；所述第一焦距控制器用于分析并向所述第一摄像机阵列提供焦距控制信息；所述第一摄像机阵列用于获取鸟群图像信息并输出给所述第一图像编码器；所述第一图像编码器用于对鸟群图像信息进行信号处理并提供给所述服务器；所述第一网关接入所述网络模组构建的无线IP网络，用于所述第一基站与所述服务器建立通讯连接；所述第一充电杆用于给所述第一焦距控制器、所述第一摄像机阵列、所述第一图像编码器、所述第一网关供电；所述第一摄像机阵列优选由8个监控摄像机组成；所述第一充电杆选用优选现有太阳能充电设备；所述m个基站放置于所述机场空域对应的不同机场位置。
4.根据权利要求1所述一种多机场协同的空域智能驱鸟***，其特征在于：所述m个基站中的其他基站与第1基站的特征相同。
5.根据权利要求1所述一种多机场协同的空域智能驱鸟***，其特征在于：所述n个驱鸟单元中的第一驱鸟单元包括第一长机、第一A僚机、第一B僚机；所述第一长机、第一A僚机、第一B僚机均可通过各自内部的无线网络器件接入所述网络模组构建无线IP网络中，以建立所述第一长机与所述第一A僚机、第一B僚机的通讯连接，以及所述第一长机与所述服务器的通讯连接；所述第一长机基于所述服务器给定的所述驱鸟策略，协同所述第一A僚机和第一B僚机驱使鸟群向指定方向运动；所述第一长机、第一A僚机、第一B僚机均优选现有专业级无人机设备。
6.根据权利要求1所述一种多机场协同的空域智能驱鸟***，其特征在于：所述n个驱鸟单元中的其他驱鸟单元与第1驱鸟单元的特征相同。
7.一种多机场协同的智能驱鸟方法，其特征在于：基于权利要求1所述一种多机场协同的空域智能驱鸟***对机场区域的驱鸟过程按如下步骤进行：
S1.1：其中一个或多个机场的所述驱鸟子***启动；
S1.2：鸟群进入所述机场空域被所述雷达探测得到鸟群的初始信息；
S1.3：所述计算模组对所述鸟群初始信息分析并将结果发送至所述某一基站的焦距控制器；
S1.4：所述基站的焦距控制器将算得的焦距控制信号输送给所述基站的摄像机阵列；
S1.5：所述基站的摄像机阵列将所拍摄的鸟群图像信息输送给所述基站的图像编码器；
S1.6：所述基站的图像编码器将处理后的鸟群图像信息输送给所述计算模组；
S1.7：所述计算模组调用智能驱鸟算法对鸟群进行识别并求解得到所述驱鸟策略；
S1.8：所述计算模组判断是否存在所述操作模组发出的手动操作请求，如不存在则进入步骤S1.9，如存在则调用某一驱鸟单元执行所述操作模组发出的指令；
S1.9：所述驱鸟单元执行所述计算模组下发的所述驱鸟策略；
S1.10：所述云服务模组存储所述驱鸟单元的运动过程信息、所述计算模组的鸟群识别信息；
S1.11:所述驱鸟子***中的云服务模组存储运动过程信息、鸟群识别信息实时上传至共享***，同时中央控制***控制共享***将新上传信息下发至其他机场驱鸟子***的云服务模组。
8.根据权利要求7所述一种针对机场空域的智能驱鸟方法，其特征在于：在步骤S1.7中，所述智能驱鸟算法，按如下步骤进行：
S2.1：获取鸟群图像信息；
S2.2：建立参数化鸟群识别模型；
S2.3：基于所述识别模型对鸟群图像信息中进行鸟群种类识别；
S2.4：如识别成功则进入S2.5，否则返回S2.1；
S2.5：保存识别结果到所述数据库并输出所述驱鸟策略；
S2.6：更新所述鸟群识别模型的参数。
9.根据权利要求7所述一种针对机场空域的智能驱鸟方法，其特征在于：在步骤S1.7中，所述驱鸟策略的求解算法优选现有的单目标长时间跟踪算法。
10.根据权利要求7所述一种针对机场空域的智能驱鸟方法，其特征在于：在步骤S2.2中，所述鸟群识别模型优选现有技术中的基于卷积神经网络的多位置识别模型。
CN202010218991.6A 2020-03-25 2020-03-25 一种多机场协同的空域智能驱鸟***及方法 Pending CN111493055A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010218991.6A CN111493055A (zh) 2020-03-25 2020-03-25 一种多机场协同的空域智能驱鸟***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010218991.6A CN111493055A (zh) 2020-03-25 2020-03-25 一种多机场协同的空域智能驱鸟***及方法

Publications (1)

Publication Number Publication Date
CN111493055A true CN111493055A (zh) 2020-08-07

Family

ID=71848081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010218991.6A Pending CN111493055A (zh) 2020-03-25 2020-03-25 一种多机场协同的空域智能驱鸟***及方法

Country Status (1)

Country Link
CN (1) CN111493055A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114097764A (zh) * 2021-12-22 2022-03-01 赵世高 一种智能驱鸟***

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281115A (zh) * 2013-10-21 2015-01-14 山东师范大学 诱导式驱鸟机器人网络控制***及方法
CN104808612A (zh) * 2015-02-26 2015-07-29 山东师范大学 全方位自动驱鸟网络控制***及控制方法
CN205029436U (zh) * 2015-10-14 2016-02-10 山东鲁能智能技术有限公司 一种集控式变电站内智能巡检机器人***
CN105427672A (zh) * 2015-10-27 2016-03-23 中国民用航空总局第二研究所 一种多机场联合运营环境下数据的分类处理方法
CN106954049A (zh) * 2017-05-13 2017-07-14 西安费斯达自动化工程有限公司 全景和精准图像跟踪***的机场鸟类信息获取方法
CN107027739A (zh) * 2017-04-21 2017-08-11 上海博历机械科技有限公司 一种含有led照明装置可连续工作的机场驱鸟***
CN107097810A (zh) * 2017-04-30 2017-08-29 中南大学 一种铁路沿线异物侵限无人机智能辨识和预警方法及***
CN107187605A (zh) * 2017-06-08 2017-09-22 唐建芳 一种用于农林业的多功能巡逻子母无人机及控制方法
CN107689166A (zh) * 2017-10-16 2018-02-13 哈工大机器人集团重庆普耀信息产业发展有限公司 一种机场飞行区监控管理***及管理方法
CN108011943A (zh) * 2017-11-29 2018-05-08 陈裕通 一种基于物联网的机场驱鸟联动***
CN108229685A (zh) * 2016-12-14 2018-06-29 中国航空工业集团公司西安航空计算技术研究所 一种空地一体的无人智能决策方法
CN108710126A (zh) * 2018-03-14 2018-10-26 上海鹰觉科技有限公司 自动化探测驱逐目标方法及其***
CN109077050A (zh) * 2018-08-23 2018-12-25 武汉腾路智行科技有限公司 一种基于机器视觉的驱鸟***
CN109901620A (zh) * 2019-04-01 2019-06-18 西安因诺航空科技有限公司 一种多架无人机协同***及编队方法
CN110063326A (zh) * 2019-04-30 2019-07-30 济南浪潮高新科技投资发展有限公司 基于卷积神经网络的智能驱鸟方法
CN110210577A (zh) * 2019-06-17 2019-09-06 重庆英卡电子有限公司 一种针对密集鸟群的深度学习以及识别方法
KR20190106877A (ko) * 2019-08-28 2019-09-18 어업회사법인주식회사오대감포럼 유해조류 자동퇴치 시스템 활용 스마트 해양 양식업

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281115A (zh) * 2013-10-21 2015-01-14 山东师范大学 诱导式驱鸟机器人网络控制***及方法
CN104808612A (zh) * 2015-02-26 2015-07-29 山东师范大学 全方位自动驱鸟网络控制***及控制方法
CN205029436U (zh) * 2015-10-14 2016-02-10 山东鲁能智能技术有限公司 一种集控式变电站内智能巡检机器人***
CN105427672A (zh) * 2015-10-27 2016-03-23 中国民用航空总局第二研究所 一种多机场联合运营环境下数据的分类处理方法
CN108229685A (zh) * 2016-12-14 2018-06-29 中国航空工业集团公司西安航空计算技术研究所 一种空地一体的无人智能决策方法
CN107027739A (zh) * 2017-04-21 2017-08-11 上海博历机械科技有限公司 一种含有led照明装置可连续工作的机场驱鸟***
CN107097810A (zh) * 2017-04-30 2017-08-29 中南大学 一种铁路沿线异物侵限无人机智能辨识和预警方法及***
CN106954049A (zh) * 2017-05-13 2017-07-14 西安费斯达自动化工程有限公司 全景和精准图像跟踪***的机场鸟类信息获取方法
CN107187605A (zh) * 2017-06-08 2017-09-22 唐建芳 一种用于农林业的多功能巡逻子母无人机及控制方法
CN107689166A (zh) * 2017-10-16 2018-02-13 哈工大机器人集团重庆普耀信息产业发展有限公司 一种机场飞行区监控管理***及管理方法
CN108011943A (zh) * 2017-11-29 2018-05-08 陈裕通 一种基于物联网的机场驱鸟联动***
CN108710126A (zh) * 2018-03-14 2018-10-26 上海鹰觉科技有限公司 自动化探测驱逐目标方法及其***
CN109077050A (zh) * 2018-08-23 2018-12-25 武汉腾路智行科技有限公司 一种基于机器视觉的驱鸟***
CN109901620A (zh) * 2019-04-01 2019-06-18 西安因诺航空科技有限公司 一种多架无人机协同***及编队方法
CN110063326A (zh) * 2019-04-30 2019-07-30 济南浪潮高新科技投资发展有限公司 基于卷积神经网络的智能驱鸟方法
CN110210577A (zh) * 2019-06-17 2019-09-06 重庆英卡电子有限公司 一种针对密集鸟群的深度学习以及识别方法
KR20190106877A (ko) * 2019-08-28 2019-09-18 어업회사법인주식회사오대감포럼 유해조류 자동퇴치 시스템 활용 스마트 해양 양식업

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114097764A (zh) * 2021-12-22 2022-03-01 赵世高 一种智能驱鸟***

Similar Documents

Publication Publication Date Title
Luo et al. A survey of intelligent transmission line inspection based on unmanned aerial vehicle
CN105427674B (zh) 一种无人机飞行状态实时评估预警***及方法
CN110634333B (zh) 在低能见度条件下着陆在紧急或未准备好的着陆带上
CN108011948B (zh) 一种基于边缘计算的工业设备一体化监控***
CN112000130A (zh) 一种无人机的多机协同高精度建图定位***
US11474541B2 (en) Dynamic recovery method and system for UAVs and storage medium
Alejo et al. Collision-free 4D trajectory planning in unmanned aerial vehicles for assembly and structure construction
Savkin et al. Navigation of a UAV network for optimal surveillance of a group of ground targets moving along a road
CN111414870A (zh) 一种针对机场空域智能驱鸟***及方法
Xu et al. A brief review of the intelligent algorithm for traveling salesman problem in UAV route planning
US10856542B2 (en) Unmanned aerial vehicle system for deterring avian species from sensitive areas
Zhao et al. A path planning method based on multi-objective cauchy mutation cat swarm optimization algorithm for navigation system of intelligent patrol car
CN106774421A (zh) 一种无人机轨迹规划***
Geng et al. UAV surveillance mission planning with gimbaled sensors
Petrlík et al. Coverage optimization in the cooperative surveillance task using multiple micro aerial vehicles
CN110007687A (zh) 一种无人机搜寻***
CN114510077A (zh) 无人机杆路巡检的路线规划方法及装置、计算机存储介质
CN110823223A (zh) 一种无人机群的路径规划方法及装置
CN111493055A (zh) 一种多机场协同的空域智能驱鸟***及方法
Zhicai et al. A cooperative search algorithm based on improved particle swarm optimization decision for UAV swarm
CN115657724A (zh) 一种有人、无人飞机协同编队队形变换***及方法
CN113900449B (zh) 多无人机轨迹规划方法、装置、无人机及存储介质
Han et al. Scheduling rechargeable UAVs for long time barrier coverage
CN114578839A (zh) 一种基于大数据的无人机路径计算***及其方法
Tegicho et al. Connectivity and safety analysis of large scale UAV swarms: Based on flight scheduling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination