CN119597002A - 一种空地协同湿地空中巡护方法、装置和电子设备 - Google Patents

Abstract

本发明提供一种空地协同湿地空中巡护方法、装置和电子设备，该方法包括：基于运控管理中心定义的作业区和限飞区，制定巡护飞行计划。进行每日首飞确认，在获取飞行控制权的情况下，控制无人机起飞，并按照巡护飞行计划进行自动巡护。在无人机自动巡护过程中实时采集图像视频数据和监控作业情况，获取无人机的设备实时状态和告警信息。根据图像视频数据进行分析得到巡检结果，并在巡检结果存在异常情况时生成报警信号。基于设备实时状态和告警信息判断无人机是否存在故障，在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机。该方法结合了空地协同和智能化技术，有效提高了湿地巡检效率，实现了对湿地保护区的智能化管理。

Description

一种空地协同湿地空中巡护方法、装置和电子设备

技术领域

本发明涉及电子信息与航空工业技术领域 ，尤其涉及一种空地协同湿地空中巡护方法、装置和电子设备。

背景技术

随着生态环境保护意识的增强和科技的进步，为了保障湿地的生态环境，需要对湿地进行巡检。传统的人工巡检方式已逐渐不能满足当前实时、快速的需求。

无人机技术以其独特的空中视角、灵活的操控性能和高效的数据处理能力，为湿地巡检提供了新的解决方案。通过无人机搭载的高清相机和先进传感器，可以对湿地进行实时监控，及时发现环境变化，有效预防和应对生态问题。

发明内容

本发明提供一种空地协同湿地空中巡护方法、装置和电子设备，用以将AI技术与湿地保护场景的融合，通过数据闭环实现更高效、精准的湿地监测与保护。本发明提出的技术方案如下：

第一方面，本发明提供一种空地协同湿地空中巡护方法，包括：

基于运控管理中心定义的作业区和限飞区，制定巡护飞行计划；

进行每日首飞确认，在获取飞行控制权的情况下，控制无人机起飞，并按照所述巡护飞行计划进行自动巡护；

在无人机自动巡护过程中实时采集图像视频数据和监控作业情况，获取无人机的设备实时状态和告警信息；

根据所述图像视频数据进行分析得到巡检结果，并在巡检结果存在异常情况时生成报警信号；

基于所述设备实时状态和告警信息判断无人机是否存在故障，在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机。

可选地，通过下述方式对图像视频数据进行分析：

通过预先训练的第一目标检测模型对所述图像视频数据进行检测，识别湿地保护区内是否存在违规人员，对违规人员生成虚拟标识；

通过预先训练的第二目标检测模型对所述图像视频数据进行检测，识别湿地保护区内是否有违规用火或火灾隐患；

通过预先训练的第三目标检测模型对所述图像视频数据进行检测，识别湿地保护区内是否有野生动物，并采用跟踪算法对连续图像中的野生动物进行跟踪，结合图像的时间戳和地理位置信息，对野生动物的活动轨迹进行分析。

可选地，通过下述方式进行每日首飞确认：

通过设置在无人机机巢上的环境监测系统采集无人机起飞前的环境信息；

获取气象信息，对所述环境信息和气象信息进行气象环境分析，确定是否具备起飞条件；

在具备起飞条件的情况下，申请飞行控制权。

基于运控管理中心定义的作业区和限飞区，制定巡护飞行计划，包括：

运控管理中心根据湿地保护区的地理位置、生态环境特征以及相关法律法规，定义作业区和限飞区；

基于作业区和限飞区的定义，结合湿地保护区的巡航任务，制定巡护飞行计划；其中，巡护飞行计划中的巡护信息包括巡护航点航线、巡护速度、巡护高度、巡护频次、机载摄像头的机动要求、故障处置策略。

可选地，所述在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机，包括：

获取气象信息和空域情况，基于空域情况、巡护飞行计划和气象信息对无人机面临的飞行风险进行预测，在存在飞行风险的情况下，根据预设飞行规则进行冲突解脱；

在无法进行冲突解脱的情况下，获取无人机的飞行系统的运行数据；

根据气象信息和运行数据确定无人机是否可以返航；

在无人机无法返航的情况下，从预先设定的不同距离层级的备降场中筛选出距离当前无人机位置距离最近的目标备降场，控制无人机备降至所述目标备降场。

可选地，所述在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机，还包括：

在无人机无法备降的情况下，控制无人机向地面运控管理中心发送坠机告警，并向地面运控管理中心更新飞行动态信息；

在无法获取飞行动态信息的情况下，利用坠机动力学模型，标识坠机地点，并向综合巡护人员告警。

可选地，所述根据预设飞行规则进行冲突解脱，包括：

控制一架或多架无人机上升或下降预设高度；所述预设高度根据空域情况和无人机的性能参数确定；

在两架无人机同向飞行且距离逐渐缩短的情况下，向无人机发送指令，改变无人机的飞行航向，使其中一架无人机偏转，另一架继续保持原航向；

调整无人机的飞行速度，以改变无人机到达预设位置的时间。第二方面，本发明还提供一种空地协同湿地空中巡护装置，包括：

获取模块，用于获取无人机执行巡护飞行计划采集的图像视频数据；

推理模块，用于对图像视频数据进行分析，识别湿地保护区内是否存在违规人员、违规用火、用火隐患或野生动物，得到巡检结果；

反馈模块，用于将所述巡检结果反馈给地面运控管理中心，并在巡检结果存在异常的情况下生成报警信号。

第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述空地协同湿地空中巡护方法。

第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面所述空地协同湿地空中巡护方法。

第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述空地协同湿地空中巡护方法。

基于上述技术方案，本发明较现有技术而言的有益效果为：

本发明提供的空地协同湿地空中巡护方法、装置和电子设备，在确保起飞条件满足要求的情况下申请飞行控制权，可以进一步降低飞行风险，保障无人机的安全。在获取飞行控制权的情况下，控制无人机起飞，并按照巡护飞行计划进行自动巡护。对采集的图像视频数据进行识别分析得到巡检结果，从而达到对湿地野生动物、潜在火灾、人员违法入侵检测及报警的目的，实现偷猎巡查、火灾报警及动物监测推动AI技术与湿地保护场景的融合，通过数据闭环实现更高效、精准的湿地监测与保护。同时，地面运控管理中心可以实时监控无人机的状态，确保其在安全条件下运行。该方法结合了空地协同和智能化技术，有效提高了湿地巡检效率，实现了对湿地保护区的智能化管理。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的空地协同湿地空中巡护系统的整体架构图。

图2是本发明提供的空地协同湿地空中巡护方法的流程示意图。

图3是本发明提供的空地协同湿地空中巡护作业流程示意图。

图4是本发明提供的空地协同湿地空中巡护装置的结构示意图。

图5是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1-图5描述本发明的空地协同湿地空中巡护方法、装置和电子设备。

本发明提供的空地协同湿地空中巡护方法可以应用于空地协同湿地空中巡护系统。该系统是一套集成性的湿地综合无人机自动巡检系统，可以同时进行湿地无人机自动巡检且能实现多种功能。参照图1所示，空地协同湿地空中巡护系统的系统架构分为硬件层、服务层和用户层。上述硬件层包括无人机，上述用户层也就是地面运控管理中心。

系统与既有信号系统协同，共同实现由无人机、地面运控管理中心协同巡护湿地的作用，实现违规人员行为识别与驱离、湿地防火巡查、湿地野生动物（如麋鹿）数量统计等多种功能。

（1）硬件层为无人机及无人机机巢，无人机具备拍摄传感系统、飞行系统和通信系统，无人机机巢具备通信系统、存储充电系统、自动起降系统和环境监测系统。

①无人机能自动执行飞行计划和视频采集任务，可以快速、全面地获取湿地的各种信息，为湿地监测和研究提供丰富的数据支持，同时也能对湿地的实时状况进行监测，及时发现如火灾等异常情况，并作出预警。硬件层通过公网连接服务层，将信息传递给服务层。

②上述无人机机巢设置于湿地外场，无人机机巢可以实现自动化操作、起降环境监测的功能。无人机机巢具备无人机自动充电、存放和维护的功能。配套无人机可以实现高效数据采集、监测与预警的作用。

（2）服务层主要为公用服务。公用服务包括推流拉流服务、GIS地图服务、气象服务、AI模型服务、视频图片存储服务和实时推理服务。

服务层可以通过推拉流服务实现与硬件层、用户层的信息、数据交互：

①服务层通过推流将GIS地图信息、气象信息发送给硬件层，并与无人机保持实时通信，向无人机发送控制指令，保障无人机飞行。通过拉流接收硬件层信息，包括无人机的状态信息，以及收集无人机拍摄的图像视频数据，通过服务层的视频图片存储服务进行存储，通过AI模型服务进行分析识别。

②服务层可以通过推流将信息传递给用户层，经分析后的巡检结果及时反馈给地面运控管理中心的管理人员，并通过拉流接收用户层的指令。

（3）用户层为地面运控管理中心。地面运控管理中心的应用有移动端工单、WEB管理端，包括设备管理、飞行计划、任务调度、无人机控制、异常报警、工单管理、AI感知等功能。

湿地管理人员可根据实际需求，通过用户层的WEB管理端发布巡检任务或调整无人机巡检时间或路线。在巡检时，用户可实时查看巡检任务进度和状态，了解无人机的巡检轨迹、自身状态、数据采集情况。当系统检测到湿地火灾隐患、人员违法进入等异常情况时，用户层会及时发出报警提示，以便用户能够迅速采取报警措施，提醒管理人员，增强湿地的管理。

参照图2和图3所示，本发明提供的空地协同湿地空中巡护方法，包括如下：

步骤S101、基于运控管理中心定义的作业区和限飞区，制定巡护飞行计划。

运控管理中心作为整个系统的指挥中心，负责定义作业区和限飞区。作业区是无人机需要执行巡护任务的特定区域，通常根据湿地保护区的范围、重要生态区域的位置以及需要监控的关键要素来确定。限飞区则是基于安全、法规或环境等因素，无人机禁止或限制飞行的区域，如人口密集区、军事设施周边等。

基于作业区和限飞区的定义，运控管理中心会制定详细的巡护飞行计划。这包括飞行路线、飞行高度、速度、航点设置、巡护时间表等。飞行计划旨在确保无人机能够高效、安全地覆盖整个作业区，同时避免进入限飞区。

步骤S102、进行每日首飞确认，在获取飞行控制权的情况下，控制无人机起飞，并按照所述巡护飞行计划进行自动巡护。

在每日执行巡护任务前，无人机操作员需向运控管理中心或相关空域管理部门申请飞行控制权，确保无人机在合法合规的条件下起飞。在获取飞行控制权后，操作员通过地面控制站或遥控器控制无人机起飞，并按照预先制定的巡护飞行计划进行自动巡护。无人机将按照预设的路线和参数自动飞行，无需人工干预。

步骤S103、在无人机自动巡护过程中实时采集图像视频数据和监控作业情况，获取无人机的设备实时状态和告警信息。

无人机在自动巡护过程中，通过搭载的摄像头等传感器实时采集湿地保护区的图像和视频数据。这些数据用于后续的分析和评估。同时，无人机还会实时传输其设备状态信息，如电池电量、飞行速度、高度、温度等，以及任何可能的告警信息，如电量低、传感器故障等。具体地，本发明采用适应湿地复杂地形的无人机，该类型无人机具备智能动态跟踪、高清变焦、热成像等功能，可全方位捕捉湿地生态环境。根据湿地保护区的具体情况，制定无人机飞行路线和高度，确保覆盖所有关键区域，如水域、植被密集区、野生动物栖息地等。无人机在飞行过程中，通过其搭载的高清相机、多光谱分析仪等传感器，实时采集湿地的图像视频数据，包括湿地生态状况、水质变化、野生动物活动等。

无人机采集的数据通过无线传输技术实时发送给控制服务层。服务层通过拉流接收硬件层发送的图像视频数据，通过视频图片存储服务进行高效、安全的存储，便于后续分析和调用。

服务层的 GIS地图服务利用GIS技术生成湿地保护区的详细地图，包括地形、水系、植被分布等信息，为无人机巡护提供精确导航。气象服务实时获取湿地保护区的气象信息，如风向、风速、温度、湿度等，为无人机飞行提供安全保障和决策支持。将GIS地图信息和气象信息通过推流方式发送给地面运控管理中心和硬件层，确保各方都能及时掌握最新情况。服务层通过推流将GIS地图服务生成的GIS地图信息、气象服务生成的气象信息发送给地面运控管理中心和硬件层。

步骤S104、根据所述图像视频数据进行分析得到巡检结果，并在巡检结果存在异常情况时生成报警信号。

地面控制站或远程数据中心接收无人机传输的图像视频数据，并进行分析处理。这包括识别湿地植被的健康状况、水质情况、野生动物活动情况等。如果分析结果显示存在异常情况，如植被破坏、水质污染、非法活动等，地面控制站将自动生成报警信号，并将相关信息发送给相关部门或人员，以便及时采取措施。上述AI模型服务利用先进的AI算法和模型，对无人机采集的图像视频数据进行分析处理。主要识别湿地保护区内是否存在违规人员活动（如非法捕捞、偷猎等）、违规用火、用火隐患以及野生动物的活动情况。通过AI模型的分析，得出巡检结果，并标注出异常区域或目标。

将巡检结果通过推流方式实时反馈给地面运控管理中心，以便管理人员及时采取相应措施。地面运控管理中心根据巡检结果，制定针对性的保护和管理方案，确保湿地生态环境的稳定和健康。若上述巡检结果中存在违规人员活动（如非法捕捞、偷猎等）、违规用火、用火隐患以及野生动物任何一种情况，根据事件类型生成对应的报警信号。报警信号中至少包括以下信息：

事件类型：明确指出触发报警的事件类型，如“违规人员活动报警”、“用火隐患报警”、“违规用火报警”、“野生动物活动报警”等。

发生时间：记录事件发生的具体时间，包括日期、时间。

发生地点：提供事件的精确位置信息，包括经纬度坐标、地图链接、具体地址描述或区域标识（如保护区编号、监控点名称等）。

现场情况描述：简要描述现场观察到的情况，如“发现两名人员在禁渔区内使用非法捕捞工具”、“监控到一处林区有明火燃烧迹象”或“红外相机捕捉到罕见野生动物出没”。

图像或视频证据：附上事件相关的图像或视频截图，以便接收者直观了解现场情况。

步骤S105、基于所述设备实时状态和告警信息判断无人机是否存在故障，在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机。

基于设备实时状态和告警信息，地面控制站可以判断无人机是否存在故障。例如，如果电池电量过低或传感器故障，无人机可能会发出告警信息。一旦确认无人机存在故障，地面控制站将根据预先设置的故障处置策略对无人机进行控制。这包括紧急降落、返航到安全地点、调整飞行参数以减轻故障影响等。

本发明提供的空地协同湿地空中巡护方法，通过以服务层为中间层，通过公网信息交互，实现用户层对于硬件层无人机飞行的管理控制，同时通过AI模型服务将硬件层采集的图像视频数据进行识别分析得到巡检结果，并将巡检结果显示在用户层的地面运控管理中心客户端界面上，从而达到对湿地野生动物、潜在火灾、人员违法入侵检测及报警的目的，实现偷猎巡查、火灾报警及动物监测推动AI技术与湿地保护场景的融合，通过数据闭环实现更高效、精准的湿地监测与保护。

通过无人机搭载的高清相机、多光谱分析仪等传感器，能够实时监测湿地生态环境的变化情况，提高监测能力。利用AI模型对图像视频数据进行分析处理，能够准确识别湿地保护区内的违规行为和潜在风险，及时采取措施进行干预和保护，实现了对湿地生态环境的智能化、精准化管理，为湿地保护和管理提供了有力支持。而且，无人机巡护能够快速覆盖大面积湿地区域，相比传统人力巡护，大大提高了巡护效率。也减少了人力和物力的投入，降低了巡护成本。

本发明通过无人机自动巡护，可以减少对人力资源的依赖，降低巡护成本。这对于资源有限的湿地保护区来说尤为重要。无人机在湿地保护区进行空中巡护时，可以避免人员进入危险区域，降低人员伤亡风险。同时，地面控制站可以实时监控无人机的状态，确保其在安全条件下运行。该方法结合了空地协同和智能化技术，实现了对湿地保护区的智能化管理。通过数据分析、报警信号生成等功能，可以实现对湿地保护区的动态监测和预警，提高管理水平和效率。实时采集的图像视频数据和分析结果还可以为湿地科学研究提供宝贵的数据支持，有助于深入了解湿地生态系统的变化规律和影响因素。

本发明的空地协同湿地空中巡护系统应用场景设计主要分为正常巡护、故障处置利用两个部分。其中，参照图3所示，综合巡护包括制定巡护计划、获取每日首飞确认、无人机起飞、无人机巡护、无人机返航。故障处置包括无人机间隔配备风险、无人机备降、无人机坠机。

（1）综合巡护方案设计

1）制定巡护计划

用户通过地面运控管理中心为每个巡护无人机设置巡护航点航线、巡护速度、巡护高度、巡护频次、机载摄像头的机动要求、失控或紧急情况处置程序，形成日常巡护飞行计划。

2）每日首飞确认

采用人工导出飞行任务，手动在UOM平台进行飞行任务申请/报备，并等待飞行计划审批通过。

3）无人机起飞

在无人机起飞之前以及起飞过程中，控制环境监测系统持续采集环境信息。这些信息包括但不限于风速、风向、温度、湿度、气压、能见度以及可能的障碍物位置等。如，在起飞前（如起飞前5分钟），无人机机巢利用集成的雨量计、风速计、温度计等传感器，收集周边环境温湿度、风速、降雨量等环境信息，并结合气象预报，可以对无人机起飞前、起飞过程中进行气象环境监测，判断是否具备起飞条件。

在一可选的实施例中，上述步骤S101所述的基于运控管理中心定义的作业区和限飞区，制定巡护飞行计划，包括：

S201、运控管理中心根据湿地保护区的地理位置、生态环境特征以及相关法律法规，定义作业区和限飞区。

运控管理中心首先根据湿地保护区的地理位置、生态环境特征，确定需要重点监测和保护的区域作为作业区。这些区域通常包括湿地生态系统中的关键栖息地、珍稀物种活动区域以及生态敏感地带。

根据相关法律法规以及湿地保护区的特殊管理要求，运控管理中心会定义一些限制飞行的区域，即限飞区。这些区域可能包括湿地保护区内的禁飞区（如核心保护区、珍稀物种繁殖地等）、限高区（如湿地边缘的鸟类迁徙通道）、警示区（如人类活动频繁的区域）等。通过定义限飞区旨在保护湿地生态环境，避免飞行活动对湿地生物造成干扰或伤害。

S202、基于作业区和限飞区的定义，结合湿地保护区的巡航任务，制定巡护飞行计划；其中，巡护飞行计划中的巡护信息包括巡护航点航线、巡护速度、巡护高度、巡护频次、机载摄像头的机动要求、故障处置策略。

运控管理中心将根据具体的巡航任务，为无人机设置详细的巡护信息。这些信息包括但不限于巡护航点航线（即无人机需要飞过的关键地点和路径）、巡护速度（确保无人机在合适的速度下飞行以获取清晰的图像和视频）、巡护高度（根据湿地地形和障碍物情况确定）、巡护频次（决定无人机需要多久完成一次完整的巡护周期）、机载摄像头的机动要求（如变焦、旋转等）、以及失控或紧急情况处置程序（确保在无人机遇到问题时能够迅速采取应对措施）。基于上述巡护信息，生成详细的巡护飞行计划，并发送给无人机执行。具体通过下述方式设置巡护信息：根据作业区和限飞区的定义，规划出合理的巡护航点航线。航线应尽可能覆盖作业区内的关键监测点，同时避开限飞区，确保飞行活动的合法性和安全性。

根据飞行器的性能以及湿地保护区的具体情况，确定合适的巡护速度。速度的选择应兼顾监测效果和飞行效率，确保飞行器能够在规定时间内完成巡护任务。

在遵守限飞区规定的前提下，根据飞行器的飞行性能和监测需求，确定合适的巡护高度。高度应足够低以获取清晰的监测图像，但也要足够高以避免对湿地生物造成干扰。

根据湿地保护区的生态环境特征和监测需求，确定合理的巡护频次。频次的选择应能够及时发现湿地生态环境的变化和问题，为湿地保护提供有力的支持。

为确保监测效果，机载摄像头应具备较高的机动性和稳定性。摄像头应能够灵活调整拍摄角度和焦距，以适应不同监测点的需求。同时，摄像头应具备较高的图像质量和稳定性，以确保监测数据的准确性和可靠性。

制定详细的故障处置策略，包括飞行器故障、摄像头故障、数据传输故障等。在出现故障时，应立即启动应急处置程序，确保飞行器和机载设备的安全，同时尽快恢复监测工作。

通过合理的巡护航点航线和巡护频次，可以确保湿地保护区内的关键监测点得到全面覆盖，提高监测效率。严格遵守限飞区规定，避免飞行活动对湿地生物造成干扰或伤害，有助于保护湿地生态环境。机载摄像头的高机动性和稳定性可以确保监测数据的准确性和可靠性，为湿地保护提供有力的数据支持。详细的故障处置策略可以提升应急响应能力，确保在出现故障时能够迅速恢复监测工作，减少损失。本发明基于运控管理中心定义的作业区和限飞区制定巡护飞行计划，可以确保湿地保护区内的监测工作高效、安全、准确地进行，为湿地保护提供有力的支持。

本发明通过环境监测系统和实时推理服务对气象环境进行精确分析，确保无人机在安全的条件下起飞和飞行，大大降低了飞行事故的风险。根据气象环境和巡航任务的具体要求，为无人机量身定制巡护飞行计划，确保无人机能够高效地完成巡护任务，减少不必要的飞行时间和能源消耗。巡护信息可以根据实际需求进行灵活调整，如调整巡护速度、高度和频次等，以适应不同的湿地环境和保护需求。通过制定失控或紧急情况处置程序，确保在无人机遇到问题时能够迅速采取应对措施，减少损失并保障人员和设备的安全。通过集成环境监测系统、实时推理服务和运控管理中心，实现了无人机巡护的智能化管理，提高了湿地保护的科技水平和管理效率。

在一可选的实施例中，通过下述方式进行上述步骤S102中的每日首飞确认：

S301、通过设置在无人机机巢上的环境监测系统采集无人机起飞前的环境信息。

在无人机机巢上安装的环境监测系统，该系统通常包括温度传感器、湿度传感器、风速风向传感器、气压传感器等，用于全面监测无人机起飞前的环境状况。在无人机准备起飞前，环境监测系统开始工作，实时采集无人机起飞地点的环境信息，包括温度、湿度、风速、风向、气压等关键参数。

S302、获取气象信息，对所述环境信息和气象信息进行气象环境分析，确定是否具备起飞条件。

通过上述气象服务、本地气象站或专门的气象监测设备，获取无人机起飞地点及附近区域的气象信息，包括天气状况（如晴天、阴天、雨天等）、温度、湿度、风速风向等。确保获取的气象信息是最新且准确的，以便进行后续的气象环境分析。

将环境监测系统采集的环境信息与获取的气象信息进行综合分析，评估无人机起飞时的气象环境是否适宜。具体根据无人机的性能参数和飞行要求，设定一系列起飞条件，如风速不超过一定值、温度在一定范围内、无强降雨等。然后，将实际的气象环境参数与这些条件进行对比，判断是否具备起飞条件。

具体地，控制服务层通过拉流方式接收来自环境监测系统的环境信息。利用实时推理服务，将接收到的环境信息与气象服务提供的气象信息进行综合分析。该实时推理服务是基于规则引擎的系统，可以通过预先设置推理规则。根据分析结果，判断当前的气象环境是否满足无人机的起飞条件。这包括评估风速是否在安全范围内、能见度是否足够、是否有潜在的障碍物等。如，若满足环境风速小于8m/s、温度高于-20℃、机巢内部无浸水情况时，无人机满足起飞条件。与此同时无人机按计划起飞进行自检，若上述条件满足，则无人机按照计划开始起飞巡护，否则通过地面运控管理中心向综合巡护人员报警。无人机起飞巡护高度后，通过机载可见光摄像头对飞行环境进行检查。

S303、在具备起飞条件的情况下，申请飞行控制权。

在确认具备起飞条件后，无人机操作员或地面控制站通过指定的通信渠道，向运控管理中心或相关空域管理部门申请飞行控制权。运控管理中心或相关空域管理部门在收到申请后，根据当前的空域使用情况、飞行计划等因素，决定是否批准飞行控制权的申请。在获得飞行控制权后，无人机操作员或地面控制站进行最后的起飞准备，包括检查无人机状态、设定飞行参数等，然后控制无人机起飞。

本发明通过环境监测系统和气象信息的综合分析，能够准确判断无人机起飞时的气象环境是否适宜，避免因恶劣天气导致的飞行事故。在确保起飞条件满足要求的情况下申请飞行控制权，可以进一步降低飞行风险，保障无人机的安全。自动化的环境监测和气象信息获取过程，减少了人工干预和判断的时间，提高了每日首飞确认的效率。在具备起飞条件的情况下迅速申请飞行控制权，可以缩短无人机的起飞准备时间，使其更快地投入到巡护任务中。在确保安全的前提下，可以更加灵活地安排飞行计划，优化无人机的使用效率。而且，通过精确的气象环境分析，可以避免在不适宜的天气条件下起飞无人机，从而节省能源和减少无人机的磨损。上述每日首飞确认过程融合了环境监测、气象信息获取、数据分析等智能化技术，提升了整个无人机巡护系统的智能化水平。

在一可选的实施例中，地面运控管理中心对所有无人机机巢、无人机的运行数据、控制指令进行收集存储。通过对无人机机巢的数据分析，获得无人机机巢的运行指标数据，数据可以作为实验类无人机的飞行实证数据。

无人机按计划沿湿地周界和关键巡护区域飞行，地面运控管理中心实时对摄像头回传信息进行分析，系统通过AI算法识别回传野生动物的视频、对照片数据进行收集存储。通过数据的分析，统计园区中野生动物数量，系统通过AI算法对违法进入人员进行标识，若发现违法进入人员，综合运行控制人工接管无人机降低高度对违法进入人员进行取证拍照，并向综合巡护人员告警确认。系统通过AI算法识别保护区内是否有违规用火或火灾隐患，若发现违规用火，地面运控管理中心自动空中无人机降低高度对违规用火行为进行取证拍照，并向综合巡护人员告警确认，若确认情况属实，则自动将火情信息（位置、照片、火势）推送给消防部门。

综合巡护人员对无人机的巡护过程进行监视，可通过地面运控管理中心接管无人机的控制权，综合巡护人员手动控制无人机完成所需的巡护操作或取证操作。综合巡护人员手动遥控无人机完成所需的巡护或取证操作后，将控制权归还给地面运控管理中心，无人机回到手动接管点后，继续自动航线飞行。

上述步骤S104所述的根据所述图像视频数据进行分析得到巡检结果，具体包括：

S401、通过预先训练的第一目标检测模型对所述图像视频数据进行检测，识别湿地保护区内是否存在违规人员，对违规人员生成虚拟标识。

首先，利用预先训练好的第一目标检测模型（如基于卷积神经网络CNN的FasterR-CNN、YOLO等）对输入的图像视频数据进行逐帧分析。该模型经过大量标注数据的训练，能够识别出图像中的违规人员（如未经许可进入保护区的游客、非法狩猎者等）。在无人机拍摄的图像上，对违规人员进行框选或标注特殊符号，实时传输到地面运控管理中心的监控屏幕上，实现虚拟标识，以便后续处理或人工核查。将检测到的违规人员信息包括位置、时间戳等作为第一结果输出。若发现违法进入人员，综合运行控制系自动空中无人机降低高度对违法进入人员进行取证拍照，通过机载喊话器进行人员驱离，并向地面综合巡查人员告警确认，必要时由执法人员到现场进行处理。

上述第一目标检测模型通过下述方式得到：

通过收集大量湿地违规行为的图像数据，如在湿地内非法狩猎、捕捞、破坏植被等人员的图像。利用深度学习算法对这些图像进行训练，让数据处理单元部署的目标检测算法为深度学习目标检测模型YOLO（You Only Look Once）学习违规人员的特征，包括服装颜色、体态、携带的工具等。同时，结合多种传感器数据，如高清摄像头的图像数据、热成像传感器数据等。热成像可以在夜间或低能见度条件下检测到人员的存在，弥补可见光摄像头的不足。

具体训练过程如下：

1.图像数据收集：从湿地保护区内的高清摄像头系统中定期收集图像数据，确保数据覆盖不同的时间段（包括白天、黄昏、夜晚）和天气条件（晴天、阴天、雨天等）。特别注意捕捉非法狩猎、捕捞、破坏植被等违规行为的场景。除了图像数据外，还需集成热成像传感器的数据。热成像传感器能够捕捉到人体或动物因体温产生的红外辐射，从而在夜间或低能见度条件下检测到目标。

2. 数据预处理

图像标注：对收集到的图像进行人工标注，标记出违规人员的具体位置、类别（如非法狩猎者、捕捞者）以及他们的特征（如服装颜色、体态、携带的工具等）。去除模糊、重复或无关的图像，确保训练数据的质量和多样性。通过旋转、缩放、裁剪、添加噪声等方式对图像数据进行增强，以增加模型的泛化能力。

3. 模型选择与训练

选择YOLO模型作为目标检测模型，使用标注好的图像数据训练YOLO模型。在训练过程中，模型会学习如何识别图像中的违规人员及特征。训练时还需考虑结合热成像数据，可能需要将热成像图像与可见光图像融合，或训练模型同时处理两种类型的数据。通过调整模型参数和优化算法，以提高模型的检测精度和效率。

4. 模型部署与测试

将训练好的YOLO模型部署到湿地保护区的数据处理单元中，与高清摄像头和热成像传感器连接。系统实时接收来自摄像头的图像数据，利用部署的YOLO模型进行目标检测。当检测到违规行为时，系统应立即触发警报。对部署后的系统进行性能测试，评估其在实际环境中的检测准确率、误报率和漏报率等指标。收集来自湿地管理人员的反馈，了解系统在实际应用中的表现，包括误报、漏报情况以及改进建议。根据反馈和新的图像数据，不断迭代和优化模型，提高其检测性能和稳定性。

通过上述步骤，该系统能够有效地监测和识别湿地中的违规行为。

S402、通过预先训练的第二目标检测模型对所述图像视频数据进行检测，识别湿地保护区内是否有违规用火或火灾隐患。

使用第二目标检测模型对图像视频数据进行检测。此模型经过训练，能够识别出火焰、烟雾等火灾特征，以及可能的违规用火行为（如野外烧烤、篝火等）。模型将检测到的违规用火点或火灾隐患区域的位置、大小、时间戳等信息作为第二结果输出。

上述第二目标检测模型通过下述方式得到：

通过收集大量烟雾、火焰的图像数据，如在森林、湿地内出现烟雾、火灾的图像。利用深度学习算法对检测模型进行训练，让数据处理单元部署的目标检测算法为深度学习目标检测模型YOLO（You Only Look Once）学习烟雾、火焰的特征，包括烟雾颜色、火焰颜色、温度数据等。若发现烟雾或火焰的信息，地面运控管理中心自动空中无人机降低高度对违规用火行为进行取证拍照，并向地面综合巡查人员告警确认，通知执法人员到现场进行处理。

具体训练过程如下：

该过程涉及一个高度集成的监控系统，用于识别湿地保护区内是否存在违规用火或火灾隐患，并采取相应的应对措施。以下是该过程的详细步骤：

1. 数据收集与标注

图像数据收集：通过安装在湿地保护区的高清摄像头、红外摄像头（用于夜间或烟雾环境下的检测）等设备，持续收集包含烟雾、火焰等火灾相关特征的图像数据。对收集到的图像进行人工标注，标记出烟雾、火焰的位置、大小、颜色、温度等关键特征。这些标注信息将用于训练深度学习模型。

2. 深度学习模型训练

使用标注好的图像数据对YOLO模型进行训练。在训练过程中，模型将学习如何识别图像中的烟雾、火焰等火灾特征。为了提高模型的准确性，可以引入温度数据作为额外的输入特征。通过调整模型的参数、优化器、学习率等，以及使用数据增强技术（如随机裁剪、旋转、缩放等），来优化模型的性能。

3. 系统部署与实时监测

将训练好的YOLO模型部署到湿地保护区的地面运控管理中心中，并与摄像头、无人机等硬件设备连接。系统实时接收来自摄像头的图像数据，并利用部署的YOLO模型进行目标检测。一旦检测到烟雾或火焰，系统将立即触发警报。收集巡查人员和执法人员的反馈，了解系统在实际应用中的表现，包括误报、漏报情况以及改进建议。根据反馈和新的图像数据，对深度学习模型进行迭代和优化，提高其检测性能和稳定性。

通过上述步骤，该系统能够有效地识别湿地保护区内的违规用火或火灾隐患，并自动触发响应机制，确保湿地资源的安全。

S403、通过预先训练的第三目标检测模型对所述图像视频数据进行检测，识别湿地保护区内是否有野生动物。为了避免重复计数，采用跟踪算法对连续图像中的野生动物进行跟踪，当一个野生动物在连续的图像中被多次检测到时，只计数一次。同时，结合图像的时间戳和地理位置信息，对野生动物的活动轨迹进行分析。

通过第三目标检测模型对图像视频数据进行野生动物识别。该模型能够识别出保护区内各种野生动物的种类和数量。利用跟踪算法（如SORT、DeepSORT等）对连续图像中的野生动物进行跟踪，确保能够持续监测其活动情况。结合图像的时间戳和地理位置信息（如GPS数据），对野生动物的活动轨迹进行综合分析，评估其活动范围、迁徙模式等。将野生动物的种类、数量、活动轨迹等信息作为第三结果输出。综合上述第一、第二第三结果得到上述巡检结果。

系统通过AI算法，识别湿地保护区内野生动物，对野生动物数量进行统计。后续可以根据野生动物的生活习性和可能出现的区域，制定合理的巡检路线和飞行高度。考虑到野生动物的活动范围、栖息地特点以及地形地貌等因素，确保覆盖关键区域。设定合适的飞行速度和拍摄频率，按照规划好的路线进行飞行巡检，通过摄像头持续拍摄地面图像和视频。在拍摄过程中，注意调整角度和焦距，确保能够捕捉到不同距离和角度的野生动物。

上述第三目标检测模型通过下述方式训练得到：

大量收集包含野生动物的图像和视频数据后，对收集到的数据进行标注。之后，将标注好的数据分为训练集、验证集和测试集。使用训练集对模型进行训练，目标检测算法为深度学习目标检测模型YOLO（You Only Look Once），通过不断调整模型的参数，使模型能够准确地识别野生动物。经过训练的 AI 模型对预处理后的图像和视频数据进行分析，识别出其中的野生动物。模型通过对图像中的特征进行提取和匹配，判断是否存在野生动物，并确定其位置。

具体训练过程如下：

该过程详细描述了如何使用深度学习目标检测模型YOLO（You Only Look Once）来训练一个能够准确识别野生动物的系统。以下是该过程的详细步骤：

1. 数据收集

首先，从各种来源（如自然保护区摄像头、野生动物摄影师、公开数据集等）大量收集包含野生动物的图像和视频数据。这些数据应覆盖不同种类的野生动物、不同的生态环境、不同的光照条件和天气状况，以确保模型的泛化能力。对收集到的每一幅图像和视频帧进行仔细标注，为每个野生动物实例绘制边界框，并标注其种类。标注信息包括边界框的坐标、大小以及野生动物的种类标签。

2. 数据集划分

将标注好的数据划分为三个独立的集合：训练集、验证集和测试集。通常，训练集占大部分（如70%），用于训练模型；验证集占一部分（如15%），用于在训练过程中调整模型参数，防止过拟合；测试集占剩余部分（如15%），用于评估最终模型的性能。

3. 模型训练

使用训练集数据对YOLO模型进行训练，通过前向传播计算损失，然后通过反向传播更新模型参数。在训练过程中，定期使用验证集评估模型的性能，并根据需要调整模型参数（如学习率、优化器、正则化项等）。重复训练过程，直到模型在验证集上的性能达到满意水平或达到预设的训练轮次。

4. 模型评估

在训练完成后，使用测试集对模型进行评估，以了解模型在未见过的数据上的性能。评估指标包括准确率（Precision）、召回率（Recall）、F1分数（F1 Score）以及平均精度（Average Precision, AP）等。分析模型在不同种类野生动物、不同环境条件下的表现，识别可能的错误和局限性。

6. 模型部署与应用

将训练好的模型部署到实际的应用场景中，使用部署的模型对预处理后的图像和视频数据进行分析，实时识别出其中的野生动物，并确定其位置。将检测结果以图形化方式展示给用户，如在监控屏幕上显示野生动物的位置和种类信息。同时，收集用户的反馈，用于后续模型的优化和改进。

本发明通过AI模型的精准识别，能够及时发现并报告违规人员、违规用火等行为，有效遏制破坏保护区生态环境的行为。在发现火灾隐患或火灾发生时，能够迅速定位并报告，为应急响应提供宝贵时间，减少灾害损失，增强保护效果。通过对野生动物的活动轨迹进行持续监测和分析，有助于科研人员了解野生动物的生态习性、迁徙模式等，为生态保护提供科学依据。该过程通过AI技术的应用，实现了湿地保护区的智能化、高效化监测与管理，对保护生态环境、促进生物多样性具有重要意义。而且，本发明的自动化巡检流程大大减少了人工巡检的需求，提高了监测的效率和覆盖率，确保保护区内的各种异常情况能够及时被发现。减少了对大量人力资源的依赖，降低了保护区管理的人力成本。

在一可选的实施例中，上述步骤S105所述的在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机，包括：

S501、获取气象信息和空域情况，基于空域情况、巡护飞行计划和气象信息对无人机面临的飞行风险进行预测，在存在飞行风险的情况下，根据预设飞行规则进行冲突解脱。

通过专业的空域管理系统、雷达系统、气象观测站等多源数据，实时获取当前的空域情况。空域情况包括但不限于空域占用情况、其他飞行器的飞行轨迹、禁飞区、限制区等信息。对获取的空域数据进行处理和分析，提取出与无人机飞行相关的关键信息，如空域是否拥挤、是否存在潜在冲突等。

控制地面运控管理中心基于获取的空域情况、巡护飞行计划和气象信息，对无人机在飞行过程中可能面临的飞行风险进行全面评估。评估内容包括但不限于与其他飞行器的碰撞风险、穿越禁飞区或限制区的风险、恶劣天气导致的飞行风险等。具体可以通过通信监测系统对无人机与地面控制站之间的通信信号进行实时分析，通过信号强度和时间差等参数，推断出无人机间的大致距离，若相邻无人机不满足预设直线间距（如500m），无人机与地面障碍物不满足预设间隔距离（如20m）间隔要求时，此时，自动预警系统会进行综合判断。一旦确定飞行冲突的可能性较大，立即根据系统预设的飞行规则，进行冲突解脱。具体措施包括：

调整飞行计划：重新规划无人机的飞行路线，避开潜在的风险区域或与其他飞行器的冲突点。

通知相关方：如果飞行计划调整影响到了其他飞行器的正常飞行，需要及时通知相关方，进行协调和沟通。

启动应急程序：在极端情况下，如遭遇恶劣天气或紧急状况，需要立即启动应急程序，保障无人机的安全。

实时监控与调整：在无人机飞行过程中，持续监控其状态和空域情况，根据实际情况对飞行计划进行实时调整和优化。

S502、在无法进行冲突解脱的情况下，获取气象信息和无人机的飞行系统的运行数据。

如果无法进行冲突解脱（例如，由于故障严重或空域限制），无人机将获取其飞行系统的运行数据，以评估无人机的当前状态。地面运控管理中心负责监控和控制无人机的整体运行状态。硬件层实时采集无人机的飞行系统运行数据，包括但不限于电池电量、飞行速度、高度、姿态、GPS信号强度、发动机状态等。

S503、根据气象信息和运行数据确定无人机是否可以返航。

根据气象信息和飞行系统的运行数据，评估无人机是否具备返航条件。如果气象条件良好且飞行系统能够支持返航，无人机将尝试返航。具体地，服务层通过拉流方式接收硬件层传输的运行数据。服务层结合当前的气象信息（如风速、风向、降雨等）和无人机的运行数据，进行综合判断，确定无人机是否满足返航条件。当无人机完成计划的巡护任务后，自动触发返航程序。

无人机在如下情况下返航，返航时，通过地面运控管理中心向综合巡护人员告警：

①完成计划的巡护任务

②无人机性能无法支撑继续完成巡护任务

③电量不足

④无人机C2链路故障

⑤无人机返回无人机机巢，无人机机巢自动对无人机进行充电

无人机若返航时未完成计划的巡护任务，带完成充电后，重新进入“无人机起飞”环节，飞往任务中断位置继续巡护任务，若无人机返航时已完成本次巡护任务，本日仍有其他巡护任务时，无人机继续根据计划完成“无人机起飞”、“无人机巡护”和“无人机返航”任务。

若无人机性能（如电池电量、发动机状态）无法支撑继续完成任务，则立即返航。如电池电量低于预设阈值时，启动返航程序。无人机返回无人机机巢后，机巢通过存储充电系统自动对无人机进行充电。无人机与控制中心之间的通信链路（C2链路）出现故障时，为保障无人机安全，需立即返航。在返航过程中，通过地面运控管理中心向综合巡护人员发送告警信息，确保他们了解无人机的状态。

若返航时未完成计划任务，则在充电完成后重新进入“无人机起飞”环节，飞往任务中断位置继续巡护。若已完成本次巡护任务但本日仍有其他任务，则无人机继续按计划执行后续任务。

S504、在无人机无法返航的情况下，从预先设定的不同距离层级的备降场中筛选出距离当前无人机位置距离最近的目标备降场，控制无人机备降至所述目标备降场。

如果无人机无法返航（例如，由于电量不足、严重故障等）返航无人机机巢时，可根据预习设定，选择备降场进行备降。从预先设定的不同距离层级的备降场中筛选出距离当前无人机位置最近的目标备降场。然后，无人机将调整飞行路线，控制其备降至该目标备降场。同时地面运控管理中心向综合巡护人员告警，辅助综合巡护人员手动遥控无人机返航或前往备降场。

备降策略设计原则如下：

①优先选择距离当前无人机位置较近的合适场地作为备降场。一般来说，在正常飞行范围内，应确定多个不同距离层级的备降场，例如距离当前位置5公里、10公里、20公里处的合适场地。对于长距离飞行任务，可根据飞行路线提前规划每隔一定距离的备降场，确保在任何位置出现问题都能在可接受的时间内到达备降场。

②地形地貌

避免选择地形复杂、有高山、峡谷、森林等障碍物较多的区域作为备降场。优先选择地势平坦、开阔的场地，如大片草地、空旷的农田、废弃的机巢跑道等，以便无人机能够安全降落。考虑周边是否有大型建筑物、高压线等可能影响降落的设施，确保备降场周边环境安全。

触发备降条件如下：

当无人机在返航途中，遇到大雨、大风，通信中断、定位丢失、无人机单个发动机故障时，触发备降条件原地降落。

①无人机关键系统部件故障

当遇到以下情况时，无人机立即触发备降程序：

飞控系统出现异常数据；

动力系统输出功率不稳定；

无人机单个发动机故障；

通信中断超过1min；

无人机定位丢失超过1min；

检测到无人机的传感器数据异常，如高度计、陀螺仪、加速度计等出现较大偏差。

②气象条件恶化

实时监测飞行区域的气象变化，当出现以下情况时，无人机立即触发备降程序：

风速大于10m/s；

降雨量24小时内为25mm-50mm；

备降程序执行步骤设计如下：

①故障检测与判断

无人机的自动检测系统持续监测各项参数，一旦发现异常，立即进行故障诊断，确定故障类型和严重程度。然后，根据故障诊断结果，判断是否需要备降。如果故障可以在飞行中修复或不影响飞行安全，可以继续执行任务；如果故障无法修复且可能危及飞行安全，立即启动备降程序。

②选择备降场

基于预设的备降场选择标准和当前无人机的位置、气象条件等因素，自动选择最合适的备降场。如果有多个备降场可供选择，优先选择距离近、气象条件好、地形地貌安全的场地。选择备降场后，向地面指挥中心报告选择的备降地点信息，以便地面人员做好准备。

③导航至备降场

无人机的导航系统自动规划前往备降场的最佳路线，考虑飞行高度、风向、障碍物等因素，确保安全、快速地到达备降场。在飞行过程中，持续监测飞行参数和气象条件，如有必要，可根据实际情况调整导航路线。

④降落准备

在接近备降场时，无人机降低飞行高度，调整飞行姿态，做好降落准备。同时，无人机与备降场的地面指挥人员建立通信联系，获取最新的场地信息和降落指示。

⑤安全降落

按照地面指挥人员的指示，在合适的时机平稳降落无人机。在降落过程中，密切关注无人机的状态，确保降落安全。在降落完成后，立即向地面指挥中心报告降落位置和无人机状态，等待进一步的指示。

上述各数据仅为一示例，本领域技术人员可以根据实际需要设置。

在无人机因故无法返航的情况下，系统会根据预先设定的不同距离层级的备降场，筛选出距离当前无人机位置最近的目标备降场。控制无人机飞往目标备降场进行紧急降落，以确保无人机和任务数据的安全。

本发明通过获取气象信息和空域情况、预测飞行风险和进行冲突解脱，可以显著降低无人机在飞行过程中与其他飞行器碰撞、误入禁飞区或限制区等风险，从而提升巡护任务的安全性。合理的飞行计划调整和冲突解脱措施可以减少无人机在飞行过程中的不必要等待和绕飞，从而提高巡护任务的执行效率。整个过程依赖于专业的空域管理系统、雷达系统、气象观测站等多源数据和智能算法的支持，实现了对无人机巡护任务的智能化管理和控制。通过精准的飞行风险预测和冲突解脱，可以更好地安排巡护飞行计划和任务分配，从而优化资源配置，提高整体运行效率。减少了因飞行冲突或安全风险导致的任务中断或延误，提升了用户对无人机巡护服务的满意度和信任度。

本发明还通过实时监控无人机的运行数据和气象信息，及时判断并触发返航程序，有效避免无人机因电量不足、性能下降或恶劣天气等原因导致的安全事故。无人机在充电后能够自动续接未完成的任务，确保巡护任务的连续性和完整性。在无人机无法返航的情况下，能够快速筛选出最近的备降场并进行紧急降落，减少损失并保障无人机安全。整个过程实现了对无人机巡护任务的智能化管理和控制，提高了湿地保护的效率和水平。通过向综合巡护人员发送告警信息，使他们能够及时了解无人机的状态和任务进展，增强了用户体验和满意度。

在一可选的实施例中，上述步骤S501中的所述根据预设飞行规则进行冲突解脱，包括：

S601、控制一架或多架无人机上升或下降预设高度。

当地面运控管理中心检测到两架或多架无人机在垂直方向上存在交叉路径或接近的风险时，会控制一架或多架无人机上升或下降预设的高度。这个预设高度是根据当前空域情况（如其他飞行器的飞行高度、地形高度等）以及无人机的性能参数（如最大爬升/下降率、安全飞行高度范围等）来确定的。通过向无人机发送高度调整指令，无人机接收到指令后，会调整其飞行控制系统以改变飞行高度，从而避免与其他无人机的垂直冲突。

S602、在两架无人机同向飞行且距离逐渐缩短的情况下，向无人机发送指令，改变无人机的飞行航向，使其中一架无人机偏转，另一架继续保持原航向，从而实现安全分离。

在两架无人机同向飞行且距离逐渐缩短的情况下，为了避免它们在同一时间到达同一位置并发生碰撞，地面运控管理中心会向其中一架无人机发送指令，改变其飞行航向，使这架无人机进行偏转，而另一架无人机则继续保持原航向。根据两架无人机的相对位置和速度，计算出最优的偏转角度和时机，并向需要偏转的无人机发送航向调整指令。无人机接收到指令后，会调整其飞行控制系统以改变飞行航向。

S603、调整无人机的飞行速度，以改变无人机到达预设位置的时间，从而避免冲突。如果两架无人机预计在同一时间到达同一位置，可以指令其中一架加速或减速，使其与另一架无人机在时间上错开，降低冲突风险。

在保持无人机飞行航向不变的情况下，为了改变无人机到达预设位置的时间，从而避免与其他无人机的冲突，地面运控管理中心会调整无人机的飞行速度。根据无人机的当前速度、距离预设位置的距离以及与其他无人机的相对位置和时间差，计算出需要调整的速度值，并向无人机发送速度调整指令。无人机接收到指令后，会调整其动力输出以改变飞行速度。

如果通过如上述S601-S603的常规策略无法有效解决飞行冲突，就需要启动应急措施，通过后台通知地面人员进行人工控制。

本发明通过上升/下降高度、改变航向和调整速度等多种策略的组合应用，可以有效地避免无人机之间的飞行冲突和碰撞风险，提高巡护任务的安全性。预设的飞行规则提供了多种冲突解脱策略，地面运控管理中心可以根据实际情况灵活选择和应用这些策略，以应对不同类型的飞行冲突。通过调整无人机的飞行速度和航向，可以优化无人机的飞行路径和时间安排，减少不必要的等待和绕飞时间，提高巡护任务的执行效率。通过及时有效的冲突解脱措施，可以确保无人机能够连续、稳定地完成巡护任务，避免因飞行冲突而导致的任务中断或延误。

可选地，上述步骤S105所述的在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机，还包括：

S701、在无人机无法备降的情况下，控制无人机向地面运控管理中心发送坠机告警，并向地面运控管理中心更新飞行动态信息。

无人机在飞行过程中，若遭遇鸟类撞击，可能导致机体受损、传感器失灵或动力系统故障。若遇到如强风、雷暴、雾霾等极端天气条件，可能影响无人机的飞行稳定性和导航能力。无人机在飞行过程中可能会出现设备故障，包括但不限于电池电量耗尽、电机故障、导航系统失效等内部设备问题。

一旦无人机检测到上述任何一种或多种异常情况，且判断无法安全返航或继续执行任务，它会立即通过预设的通信链路向地面运控管理中心发送坠机告警信号。该信号包含无人机的当前状态、位置信息、故障类型等关键数据，以便控制系统迅速做出反应。同时无人机持续向地面运控管理中心发送最新的飞行动态信息，如高度、速度、方向等，这些信息对于后续分析坠机原因、优化飞行策略以及提高无人机安全性具有重要意义。地面运控管理中心接收到坠机告警后，立即启动应急响应程序。系统尝试继续监视无人机的飞行动态，以获取更多关于坠机前状态的信息。

S702、在无法获取飞行动态信息的情况下，利用坠机动力学模型，标识坠机地点，并向综合巡护人员告警。

若地面运控管理中心由于无人机故障无法继续监视无人机飞行动态，则利用坠机动力学模型，结合无人机最后发送的位置信息、速度、高度、风向风速等环境因素，以及无人机的物理特性和故障类型，进行模拟计算。通过模型计算，预测无人机可能的坠机地点范围，并生成详细的地理位置信息，标识坠机地点。系统将预测的坠机地点信息发送给综合巡护人员，发出紧急告警，要求立即前往该区域进行搜索。提供地图定位、路径规划等辅助工具，辅助综合巡护人员现场寻找坠落无人机。

下面对本发明提供的空地协同湿地空中巡护装置进行描述，下文描述的空地协同湿地空中巡护装置与上文描述的空地协同湿地空中巡护方法可相互对应参照。

上述空地协同湿地空中巡护装置，参照图4所示，包括：

计划制定模块801，用于基于运控管理中心定义的作业区和限飞区，制定巡护飞行计划；

首飞确认模块802，用于进行每日首飞确认，在获取飞行控制权的情况下，控制无人机起飞，并按照所述巡护飞行计划进行自动巡护；

实时监控模块803，用于在无人机自动巡护过程中实时采集图像视频数据和监控作业情况，获取无人机的设备实时状态和告警信息；

数据分析模块804，用于根据所述图像视频数据进行分析得到巡检结果，并在巡检结果存在异常情况时生成报警信号；

故障判断模块805，用于基于所述设备实时状态和告警信息判断无人机是否存在故障，在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机。

图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器（processor）910、通信接口（Communications Interface）920、存储器（memory）930和通信总线940，其中，处理器910，通信接口920，存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令，以执行空地协同湿地空中巡护方法。

此外，上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的空地协同湿地空中巡护方法。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的空地协同湿地空中巡护方法。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种空地协同湿地空中巡护方法，其特征在于，包括：

基于运控管理中心定义的作业区和限飞区，制定巡护飞行计划；

进行每日首飞确认，在获取飞行控制权的情况下，控制无人机起飞，并按照所述巡护飞行计划进行自动巡护；

在无人机自动巡护过程中实时采集图像视频数据和监控作业情况，获取无人机的设备实时状态和告警信息；

根据所述图像视频数据进行分析得到巡检结果，并在巡检结果存在异常情况时生成报警信号；

基于所述设备实时状态和告警信息判断无人机是否存在故障，在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机。

2.根据权利要求1所述的空地协同湿地空中巡护方法，其特征在于，通过下述方式对图像视频数据进行分析：

通过预先训练的第一目标检测模型对所述图像视频数据进行检测，识别湿地保护区内是否存在违规人员，对违规人员生成虚拟标识；

通过预先训练的第二目标检测模型对所述图像视频数据进行检测，识别湿地保护区内是否有违规用火或火灾隐患；

通过预先训练的第三目标检测模型对所述图像视频数据进行检测，识别湿地保护区内是否有野生动物，并采用跟踪算法对连续图像中的野生动物进行跟踪，结合图像的时间戳和地理位置信息，对野生动物的活动轨迹进行分析。

3.根据权利要求1所述的空地协同湿地空中巡护方法，其特征在于，通过下述方式进行每日首飞确认：

通过设置在无人机机巢上的环境监测系统采集无人机起飞前的环境信息；

获取气象信息，对所述环境信息和气象信息进行气象环境分析，确定是否具备起飞条件；

在具备起飞条件的情况下，申请飞行控制权。

4.根据权利要求1所述的空地协同湿地空中巡护方法，其特征在于，所述在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机，包括：

获取气象信息和空域情况，基于空域情况、巡护飞行计划和气象信息对无人机面临的飞行风险进行预测，在存在飞行风险的情况下，根据预设飞行规则进行冲突解脱；

在无法进行冲突解脱的情况下，获取无人机的飞行系统的运行数据；

根据气象信息和运行数据确定无人机是否可以返航；

在无人机无法返航的情况下，从预先设定的不同距离层级的备降场中筛选出距离当前无人机位置距离最近的目标备降场，控制无人机备降至所述目标备降场。

5.根据权利要求4所述的空地协同湿地空中巡护方法，其特征在于，所述根据预设飞行规则进行冲突解脱，包括：

控制一架或多架无人机上升或下降预设高度；所述预设高度根据空域情况和无人机的性能参数确定；

在两架无人机同向飞行且距离逐渐缩短的情况下，向无人机发送指令，改变无人机的飞行航向，使其中一架无人机偏转，另一架继续保持原航向；

调整无人机的飞行速度，以改变无人机到达预设位置的时间。

6.根据权利要求4所述的空地协同湿地空中巡护方法，其特征在于，所述在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机，还包括：

在无人机无法备降的情况下，控制无人机向地面运控管理中心发送坠机告警，并向地面运控管理中心更新飞行动态信息；

在无法获取飞行动态信息的情况下，利用坠机动力学模型，标识坠机地点，并向综合巡护人员告警。

7.一种空地协同湿地空中巡护装置，其特征在于，包括：

计划制定模块，用于基于运控管理中心定义的作业区和限飞区，制定巡护飞行计划；

首飞确认模块，用于进行每日首飞确认，在获取飞行控制权的情况下，控制无人机起飞，并按照所述巡护飞行计划进行自动巡护；

实时监控模块，用于在无人机自动巡护过程中实时采集图像视频数据和监控作业情况，获取无人机的设备实时状态和告警信息；

数据分析模块，用于根据所述图像视频数据进行分析得到巡检结果，并在巡检结果存在异常情况时生成报警信号；

故障判断模块，用于基于所述设备实时状态和告警信息判断无人机是否存在故障，在无人机存在故障的情况下，根据预先设置的故障处置策略控制无人机。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述空地协同湿地空中巡护方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述空地协同湿地空中巡护方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述空地协同湿地空中巡护方法。