CN114158546A - 一种考虑地域、季节因素的机场智能驱鸟系统 - Google Patents
一种考虑地域、季节因素的机场智能驱鸟系统 Download PDFInfo
- Publication number
- CN114158546A CN114158546A CN202111577746.5A CN202111577746A CN114158546A CN 114158546 A CN114158546 A CN 114158546A CN 202111577746 A CN202111577746 A CN 202111577746A CN 114158546 A CN114158546 A CN 114158546A
- Authority
- CN
- China
- Prior art keywords
- unit
- bird
- birds
- airplane
- information processing
- 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.)
- Granted
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
- A01M29/16—Scaring or repelling devices, e.g. bird-scaring apparatus using sound waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Birds (AREA)
- Insects & Arthropods (AREA)
- Pest Control & Pesticides (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Catching Or Destruction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种考虑地域、季节因素的机场智能驱鸟系统,该系统通过根据不同地域、季节及一天的不同时间段训练识别模型、建立信息处理设备与飞机的无线通信连接以提供预警信息及规避策略,设置主动防御单元等方式,提高了驱鸟的效率,并有效的提高了预防能力,大大提高了智能化。特别是根据不同地域、季节及一天的不同时间段训练识别模型使识别的精度及速度更快,监视飞机的起降以及建立信息处理设备与飞机的无线通信使得在驱鸟失败遗漏飞鸟时能够帮助飞行员主动规避飞鸟,对于小型飞机的起降非常有利。
Description
技术领域
本发明涉及一种考虑地域、季节因素的机场智能驱鸟系统,尤其涉及一种根据地域不同、季节、时间不同而快速识别的智能驱鸟系统。
背景技术
近年来,随着经济发展,人民生活水平不断提高,机场的建设也越来越多,私人飞机、小型飞机也逐步走进人们的生活,然而飞机在起飞或降落阶段的事故也越来越频繁,其中撞鸟事件又比较突出。现有的驱鸟系统通常为在跑道周边区域安装定向声音警报系统,通过定期发射定向噪声驱离鸟群;其功能单一,智能化程度也低,此外还存在以下问题:1、现有技术中没有考虑在驱鸟失败后如何处理,仍然会造成飞行事故;2、没有采取主动防御驱鸟功能;3、没有根据机场地区、季节、一天中的时间点等因素训练识别模型,进而提升识别的准确性、速度。为解决以上问题,急需一种考虑地域、季节、且具备主动防御、主动规避的智能驱鸟系统。
发明内容
本发明提供了一种考虑地域、季节因素的机场智能驱鸟系统,该系统包括信息处理设备,图像采集设备,驱鸟单元、飞机;
所述信息处理设备包括控制单元,模型训练单元,跟踪单元,筛选单元,数据库,识别单元,驱离单元,主动防御单元,第一无线通信单元,网络连接单元,监视单元;
所述信息处理设备能够通过网络连接单元连接互联网获取鸟类图像数据;
所述数据库具有配置信息;
所述数据库还存储有查找表,所述查找表中记录着鸟类对应的敏感声波频率;
所述信息处理设备根据所述数据库的配置信息通过网络获取对应的鸟类图像数据;
所述信息处理设备将获取的所述鸟类图像数据输入所述筛选单元,未经过筛选单元的鸟类图像数据直接丢弃;经过筛选单元识别后的鸟类图像标记上对应的鸟类标签放入待确认样本库,定期经由鸟类专家进行识别确认后,再放入所述数据库中的训练样本集中;
所述筛选单元为经训练的多分类鸟类卷积神经网络识别模型,其训练时根据所述机场所处的地域常见的鸟类进行训练,仅用于筛选机场附近常见的鸟类图像数据;
所述模型训练单元,定期从所述数据库中获取更新后的鸟类训练样本数据进行训练;由于使用卷积神经网络识别时根据识别复杂性,其计算的数据量不同会影响识别的速度;所述模型训练单元根据一天的时间段、一年划分的季节数量、机场的地域确定训练的模型数量及对应的常见鸟类;从数据库中获取相应鸟类图像数据训练相应数量的识别模型;
所述识别单元,从所述模型训练单元获取训练好的识别模型更新识别单元的识别参数;当识别单元开始工作时,首先访问信息处理设备的日历时间系统,获取季节及当前时间,根据季节及当前时间调取对应的识别模型以更新识别单元的识别参数;这样识别时,仅需要识别当前时间段常见的鸟类即可,提高识别的速度及精度。
所述主动防御单元,用于主动防御鸟群飞进机场,当所述驱鸟单元已经驱离鸟群之后,所述主动防御单元,关闭驱鸟单元,调整第一圈、第二圈摄像头角度拍摄所述摄像头近处是否有鸟活动;调整第三圈摄像头角度,持续监视是否有飞鸟接近,并将所述图像发送到所述控制单元,为提高计算速度,所述控制单元仅识别是否有物体移动且不断变大,如果是,则通知跟踪单元,所述跟踪单元调整摄像头的水平旋转角度、仰角、焦距、以及自动升降杆的高度,以使得所述摄像头能够持续捕获到鸟飞行方向及大致位置,当飞鸟靠近机场一定距离内时,所述跟踪单元通知所述驱鸟单元开启并调整所述声波发生器阵列的角度、高度到合适位置,控制所述声波发生器阵列交替变换声波频率,将发射功率调整到最大持续驱离鸟群,直到鸟群离开摄像区域。
所述飞机包括第二无线通信单元,能够通过第二无线通信单元、第一无线通信单元与信息处理设备相连;当飞机起飞或降落时,向信息处理设备发送起飞或降落监控指令,所述信息处理设备接收到起飞或降落监控指令后,所述监视单元调用机场第一圈的图像采集设备监视飞机附近是否有飞鸟,当监视单元发现有飞鸟时,判断飞鸟飞行方向与飞机运行方向是否有交叉;如果有则所述信息处理设备通过无线单元向飞机发出报警信息及建议策略;所述报警信息包括飞机周围图像数据及危险类型;所述建议策略包括飞机加速、飞机减速、调整飞行方向及调整仰角;飞行员根据报警信息及建议策略采取规避动作。
有益效果:本发明中通过根据不同地域、季节及一天的不同时间段训练识别模型、建立信息处理设备与飞机的无线通信连接以提供预警信息及规避策略,设置主动防御单元等方式,提高了驱鸟的效率,并有效的提高了预防能力,大大提高了智能化。特别是根据不同地域、季节及一天的不同时间段训练识别模型使识别的精度及速度更快,监视飞机的起降以及建立信息处理设备与飞机的无线通信使得在驱鸟失败遗漏飞鸟时能够帮助飞行员主动规避飞鸟,对于小型飞机的起降非常有利。
附图说明
图1为图像采集设备俯视原理图
图2为图像采集设备侧视原理图
图3为驱鸟单元侧视原理图
图4为驱鸟单元设置位置原理图
图5为信息处理设备原理图
图6为信息处理设备与飞机进行通信原理图。
具体实施方式
本发明提供了一种考虑地域、季节因素的机场智能驱鸟系统,该系统包括信息处理设备、图像采集设备、驱鸟单元、飞机,
所述图像采集设备包括自动升降杆,所述杆的顶部设置有摄像头阵列,所述摄像头阵列包括短焦摄像头阵列和长焦摄像头阵列;通常短焦摄像头视场大,稳定性好,但观测距离近,对于远处的物体拍摄不清楚,而长焦摄像头观测距离远,但视场小,易受干扰,且长焦摄像头调整焦距也需要一定的时间,本发明中将短焦摄像头阵列和长焦摄像头阵列交叉布置,能够随时观测清楚近场或远处的鸟群,相对于现有技术,观测的视场更宽能够更快速的切换近处远处场景;
所述短焦摄像头和长焦摄像头交替设置或上下设置在升降杆一周。所述摄像头镜头方向左右、上下角度可调;
图1-2为本发明自动升降杆、摄像头阵列布置图,图1为俯视图,图2为侧视图,图1中摄像头是围绕自动升降杆交替设置;图2侧视图示出了摄像头上下设置两层,上层为长焦摄像头,下层为短焦摄像头;
所述自动升降杆可以是两级的,为获得更高的升降范围可以设置成三到五级升降;
所述驱鸟单元设置在自动升降杆上,布置在机场四周且成发射状布置,所述驱鸟单元包括声波发生器阵列,所述声波发生器阵列包括能够发射不同频率声波的单元,所述声波发生器发射方向可调;
因为不同的鸟类对不同频段的声波比较敏感,因此针对不同的鸟采用不同频率的声波进行驱离,驱离效果好;本领域技术人员应当知晓,本文中的鸟是泛指能在空中飞行且可能影响飞机正常起降的生物,包括生物学上的鸟类及鸽子、野鸡等生物。
如图5所示,所述信息处理设备包括控制单元,模型训练单元,跟踪单元,筛选单元,数据库,识别单元,驱离单元,主动防御单元,第一无线通信单元,网络连接单元,监视单元;
所述信息处理设备能够通过网络连接单元连接互联网获取鸟类图像数据,
所述数据库具有配置信息,所述配置信息为鸟类专家根据不同地理位置、不同季节、一天的不同时间段经常活动的鸟类而设置的常见鸟类目录;
所述数据库还存储有查找表,所述查找表中记录着鸟类对应的敏感声波频率;
每个地区活动的鸟类是有差异的,一般在一个地区经常活动的鸟类有几十种,可以根据不同的鸟类收集图像进行训练识别以提升训练的精度、速度及识别的准确度及速度,比如在广州白云机场与哈尔滨太平机场其活动的多数鸟类是不同的,又比如不同的季节一个地区活动的鸟类也不同,比如大雁会在不同的季节进行迁徙到不同的地方;同样一天当中不同的时间段,不同鸟类活跃的程度也不同;
所述信息处理设备根据所述数据库的配置信息通过网络获取对应的鸟类图像数据;
所述信息处理设备将获取的所述鸟类图像数据输入所述筛选单元,所述筛选单元为经训练的多分类鸟类卷积神经网络识别模型,其训练时根据所述机场所处的地域常见的鸟类进行训练,仅用于筛选机场附近常见的鸟类图像数据;通常从网络上获取的图像数据,由于清晰度、拍摄角度不同,通过卷积神经网络识别时会出现偏差,因此,未经过筛选单元的鸟类数据则直接进行丢弃;经过筛选单元识别后的鸟类图像仍然需要人工确认,需标记上对应的鸟类标签放入待确认样本库,定期经由鸟类专家进行识别确认后,再放入所述数据库中的训练样本集中;通过先使用筛选单元进行初步筛选再经过专家进行甄别的方式,即做到了收集效率与准确的平衡,节约人力成本;
将鸟类识别专家确认后的鸟类图像数据存入数据库,定期更新鸟类训练样本数据;
所述模型训练单元,定期从所述数据库中获取更新后的鸟类训练样本数据进行训练,不断的提高识别精度;
由于使用卷积神经网络识别时根据识别复杂性,其计算的数据量不同会影响识别的速度;所述模型训练单元根据一天的时间段、一年划分的季节数量、机场的地域确定训练的模型数量及对应的常见鸟类;从数据库中获取相应鸟类图像数据训练相应数量的识别模型;
例如:将一天划分为三个时间段早、中、晚,早是从6-12点,中是12-17点,晚是17到第二天6点;将一年分为春、夏、秋、冬四个季节,这样可以确定需要训练12个识别模型;再根据机场地域常见的鸟类目录,确定季节常见的鸟类,比如春季,再确定所述季节的早上常活动的鸟类目录,根据确定的鸟类目录从数据库中获取对应的鸟类图像数据,将其发送给模型训练单元进行训练得到识别模型;
本领域技术人员可知的是以上一天的时间段划分和一年的四季划分仅是示例,本领域技术人员可以根据当地的气候对鸟类影响的实际情况对一天或一年划分的更细或更简单。
所述识别单元,能从所述模型训练单元获取训练好的识别模型更新识别单元的识别参数;当识别单元开始工作时,首先访问信息处理设备的日历时间系统,获取季节及当前时间,根据季节及当前时间调取对应的识别模型以更新识别单元的识别参数;这样识别时,仅需要识别当前时间段常见的鸟类即可,提高识别的速度及精度。
所述控制单元通过网络连接所述图像采集设备,控制所述摄像头进行角度旋转、所述自动升降杆进行高度的升降;所述控制单元初步识别鸟类区域及数量,调整所述摄像头的焦距获取清晰鸟类照片,并对所述照片进行裁剪保留鸟类区域照片,将所述鸟类照片发送到所述识别单元;所述识别单元根据控制单元发送的鸟类照片,识别出鸟的种类;
通常机场外围区域附近都会有不同的设施、树等竖立物体,可能会影响到摄像头的视线,有时只通过调整摄像头的角度不足以拍摄全景图像,本发明中通过将摄像头设置在能控制自动升降的升降杆上,能够确保足够大的拍摄角度;进一步的可以设置不同摄像头自动升降杆之间的距离、自动升降杆的最高升高高度以使得各摄像头相互配合使拍摄的角度无死角;
所述驱离单元从所述识别单元获取鸟的种类、从控制单元获取鸟的数据,根据鸟的种类和数量通过查表方式查找对应声波频率,将所述对应声波频率数据发送给驱鸟单元,所述驱鸟单元控制所述声波发生器发出对应频率的声波;进一步的当所述鸟的种类为多种时,可以获取对应多个频段的声波,所述驱鸟单元控制所述声波发生器阵列同时发出不同频率的声波;
所述跟踪单元用于跟踪鸟的飞行方向,根据鸟的飞行方向调整摄像头的水平旋转角度、仰角、焦距、以及自动升降杆的高度,以使得所述摄像头能够持续捕获到鸟飞行方向及大致位置便于驱鸟单元调整所述声波发生器的角度、高度以及功率持续驱离鸟群;
因为驱鸟不需要非常精确的鸟的位置,只需要大概位置即可,所述鸟的大致位置可以根据多个所述图像采集设备自动升降杆的坐标信息、自动升降杆的高度、所述摄像头的水平旋转角度及仰角获得;
比如可以根据所述鸟群是否在多个所述摄像头的视线范围内以大致判断其位置,再根据自动升降杆的高度、所述摄像头的水平旋转角度及仰角获得其方位,以调用所述驱鸟单元持续驱离。因为机场驱鸟的目的是防止鸟飞入机场,机场最外围的摄像头可以设置的稍微离机场远一些,当超出最外围摄像头的视线时,鸟群离机场已经足够远,对于远离机场外围区域,飞机已经飞高,鸟飞不高,飞机不会与鸟发生碰撞,也就无需过多关注。
所述主动防御单元,用于主动防御鸟群飞进机场,当所述驱鸟单元已经驱离鸟群之后,所述主动防御单元,关闭驱鸟单元,调整第一圈、第二圈摄像头角度拍摄所述摄像头近处是否有鸟活动;调整第三圈摄像头角度,持续监视是否有飞鸟接近,并将所述图像发送到所述控制单元,为提高计算速度,所述控制单元仅识别是否有物体移动且不断变大,如果是,则通知跟踪单元,所述跟踪单元调整摄像头的水平旋转角度、仰角、焦距、以及自动升降杆的高度,以使得所述摄像头能够持续捕获到鸟飞行方向及大致位置,当飞鸟靠近机场一定距离内时,所述跟踪单元通知所述驱鸟单元开启并调整所述声波发生器阵列的角度、高度到合适位置,控制所述声波发生器阵列交替变换声波频率,将发射功率调整到最大持续驱离鸟群,直到鸟群离开摄像区域。
之所以所述驱鸟单元要控制所述声波发生器阵列交替变换声波频率,是因为在主动防御模式时,因为数据量比较大,为减少数据计算量,仅识别是否有移动物体且逐渐变大即大致判断空中是否有鸟靠近机场,不用精确判断是什么鸟,这样交替变换声波频率基本可以覆盖到大多数鸟类的敏感声波频率,可以有效驱离绝大多数鸟类,如果有漏网之鸟,如图4所示,则可以使用第一、第二圈的摄像头进行拍照、识别驱离。
本发明相对于现有技术设置了主动防御单元,能够在驱离鸟群之后及时关闭声波发生器,避免声波污染,同时节约能源,当有飞鸟接近时再次开启声波发生器,避免飞鸟靠近,也避免了临时驱鸟时可能驱离不干净,部分鸟受到惊吓容易乱飞导致驱离失败的问题。
所述飞机包括第二无线通信单元,能够通过第二无线通信单元、第一无线通信单元与信息处理设备相连;如图6所示,当飞机起飞或降落时,向信息处理设备发送起飞或降落监控指令,所述信息处理设备接收到起飞或降落监控指令后,所述监视单元调用机场第一圈的图像采集设备监视飞机附近是否有飞鸟,当监视单元发现有飞鸟时,判断飞鸟飞行方向与飞机运行方向是否有交叉;如果有则所述信息处理设备通过无线单元向飞机发出报警信息及建议策略;所述报警信息包括飞机周围图像数据及危险类型;所述建议策略包括飞机加速、飞机减速、调整飞行方向及调整仰角;飞行员根据报警信息及建议策略采取规避动作。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (2)
1.一种考虑地域、季节因素的机场智能驱鸟系统,其特征在于:该系统包括信息处理设备,图像采集设备,驱鸟单元、飞机;所述信息处理设备包括控制单元,模型训练单元,跟踪单元,筛选单元,数据库,识别单元,驱离单元,主动防御单元,第一无线通信单元,网络连接单元,监视单元;
所述信息处理设备能够通过网络连接单元连接互联网获取鸟类图像数据;
所述数据库具有配置信息;所述数据库还存储有查找表,所述查找表中记录着鸟类对应的敏感声波频率;所述信息处理设备根据所述数据库的配置信息通过网络获取对应的鸟类图像数据;
所述信息处理设备将获取的所述鸟类图像数据输入所述筛选单元,未经过筛选单元的鸟类图像数据直接丢弃;经过筛选单元识别后的鸟类图像标记上对应的鸟类标签放入待确认样本库,定期经由鸟类专家进行识别确认后,再放入所述数据库中的训练样本集中;
所述筛选单元为经训练的多分类鸟类卷积神经网络识别模型,其训练时根据所述机场所处的地域常见的鸟类进行训练,仅用于筛选机场附近常见的鸟类图像数据;
所述模型训练单元,定期从所述数据库中获取更新后的鸟类训练样本数据进行训练;所述模型训练单元根据一天的时间段、一年划分的季节数量、机场的地域确定训练的模型数量及对应的常见鸟类;从数据库中获取相应鸟类图像数据训练相应数量的识别模型;
所述识别单元,从所述模型训练单元获取训练好的识别模型更新识别单元的识别参数;当识别单元开始工作时,首先访问信息处理设备的日历时间系统,获取季节及当前时间,根据季节及当前时间调取对应的识别模型以更新识别单元的识别参数;这样识别时,仅需要识别当前时间段常见的鸟类即可,提高识别的速度及精度;
所述主动防御单元,用于主动防御鸟群飞进机场,当所述驱鸟单元已经驱离鸟群之后,所述主动防御单元,关闭驱鸟单元,调整第一圈、第二圈摄像头角度拍摄所述摄像头近处是否有鸟活动;调整第三圈摄像头角度,持续监视是否有飞鸟接近,并将所述图像发送到所述控制单元,为提高计算速度,所述控制单元仅识别是否有物体移动且不断变大,如果是,则通知跟踪单元,所述跟踪单元调整摄像头的水平旋转角度、仰角、焦距、以及自动升降杆的高度,以使得所述摄像头能够持续捕获到鸟飞行方向及大致位置,当飞鸟靠近机场一定距离内时,所述跟踪单元通知所述驱鸟单元开启并调整所述声波发生器阵列的角度、高度到合适位置,控制所述声波发生器阵列交替变换声波频率,将发射功率调整到最大持续驱离鸟群,直到鸟群离开摄像区域。
2.如权利要求1所述的机场智能驱鸟系统,所述飞机包括第二无线通信单元,能够通过第二无线通信单元、第一无线通信单元与信息处理设备相连;当飞机起飞或降落时,向信息处理设备发送起飞或降落监控指令,所述信息处理设备接收到起飞或降落监控指令后,所述监视单元调用机场第一圈的图像采集设备监视飞机附近是否有飞鸟,当监视单元发现有飞鸟时,判断飞鸟飞行方向与飞机运行方向是否有交叉;如果有则所述信息处理设备通过无线单元向飞机发出报警信息及建议策略;所述报警信息包括飞机周围图像数据及危险类型;所述建议策略包括飞机加速、飞机减速、调整飞行方向及调整仰角;飞行员根据报警信息及建议策略采取规避动作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577746.5A CN114158546B (zh) | 2021-12-22 | 2021-12-22 | 一种考虑地域、季节因素的机场智能驱鸟系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577746.5A CN114158546B (zh) | 2021-12-22 | 2021-12-22 | 一种考虑地域、季节因素的机场智能驱鸟系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114158546A true CN114158546A (zh) | 2022-03-11 |
CN114158546B CN114158546B (zh) | 2023-04-07 |
Family
ID=80487666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111577746.5A Active CN114158546B (zh) | 2021-12-22 | 2021-12-22 | 一种考虑地域、季节因素的机场智能驱鸟系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114158546B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH104858A (ja) * | 1996-06-21 | 1998-01-13 | Takenaka Komuten Co Ltd | 鳥類飛来防止装置 |
US20110125349A1 (en) * | 2009-11-23 | 2011-05-26 | Danny Ace | Integrated Bird-Aircraft Strike Prevention System - IBSPS |
CN102150653A (zh) * | 2011-03-11 | 2011-08-17 | 湖南继善高科技有限公司 | 移动式机场鸟情探测与定向驱鸟装置 |
CN105548970A (zh) * | 2015-12-11 | 2016-05-04 | 无锡市雷华科技有限公司 | 一种飞鸟探测雷达处理机 |
CN207764625U (zh) * | 2018-01-08 | 2018-08-24 | 四川德科信息技术有限公司 | 一种机载鸟情监控系统 |
CN109090093A (zh) * | 2018-07-24 | 2018-12-28 | 南京林航新材料科技有限公司 | 一种军用机场鸟害预警防治一体化平台 |
CN111158013A (zh) * | 2019-12-30 | 2020-05-15 | 华通科技有限公司 | 多算法融合探鸟系统 |
CN111709372A (zh) * | 2020-06-18 | 2020-09-25 | 深圳市赛为智能股份有限公司 | 驱鸟方法、装置、计算机设备及存储介质 |
CN112261270A (zh) * | 2020-10-23 | 2021-01-22 | 上海大学 | 长中短系列焦距镜头组合视觉传感阵列及其方法 |
CN112560619A (zh) * | 2020-12-06 | 2021-03-26 | 国网江苏省电力有限公司常州供电分公司 | 一种基于多聚焦图像融合的多距离鸟类精准识别方法 |
-
2021
- 2021-12-22 CN CN202111577746.5A patent/CN114158546B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH104858A (ja) * | 1996-06-21 | 1998-01-13 | Takenaka Komuten Co Ltd | 鳥類飛来防止装置 |
US20110125349A1 (en) * | 2009-11-23 | 2011-05-26 | Danny Ace | Integrated Bird-Aircraft Strike Prevention System - IBSPS |
CN102150653A (zh) * | 2011-03-11 | 2011-08-17 | 湖南继善高科技有限公司 | 移动式机场鸟情探测与定向驱鸟装置 |
CN105548970A (zh) * | 2015-12-11 | 2016-05-04 | 无锡市雷华科技有限公司 | 一种飞鸟探测雷达处理机 |
CN207764625U (zh) * | 2018-01-08 | 2018-08-24 | 四川德科信息技术有限公司 | 一种机载鸟情监控系统 |
CN109090093A (zh) * | 2018-07-24 | 2018-12-28 | 南京林航新材料科技有限公司 | 一种军用机场鸟害预警防治一体化平台 |
CN111158013A (zh) * | 2019-12-30 | 2020-05-15 | 华通科技有限公司 | 多算法融合探鸟系统 |
CN111709372A (zh) * | 2020-06-18 | 2020-09-25 | 深圳市赛为智能股份有限公司 | 驱鸟方法、装置、计算机设备及存储介质 |
CN112261270A (zh) * | 2020-10-23 | 2021-01-22 | 上海大学 | 长中短系列焦距镜头组合视觉传感阵列及其方法 |
CN112560619A (zh) * | 2020-12-06 | 2021-03-26 | 国网江苏省电力有限公司常州供电分公司 | 一种基于多聚焦图像融合的多距离鸟类精准识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114158546B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2021103526A4 (en) | Imaging array for bird or bat detection and identification | |
CN114097764B (zh) | 一种智能驱鸟系统 | |
US11544490B2 (en) | Avian detection systems and methods | |
US20200156784A1 (en) | Methods and systems for bird deterrence and maintenance thereof | |
CN105739335A (zh) | 一种机场鸟类探测预警与驱赶联动系统 | |
CN204969108U (zh) | 基于图像探测和光声复合驱赶的驱鸟设备 | |
CN204969110U (zh) | 一种探测驱赶一体化驱鸟车 | |
CN105900954A (zh) | 害虫监测系统及方法 | |
CN109186553A (zh) | 基于无人机技术的金枪鱼围网鱼群侦察追踪系统及方法 | |
Hill et al. | Of birds, blades and barriers: Detecting and analysing mass migration events at alpha ventus | |
JP2018050503A (ja) | 害獣の撃退または駆除のシステム及び方法 | |
CN114158546B (zh) | 一种考虑地域、季节因素的机场智能驱鸟系统 | |
CN116602288A (zh) | 一种输电线路智能定向驱鸟系统及方法 | |
Carswell et al. | Towards building a speciesspecific risk model for mammal-aircraft strikes | |
CN215142944U (zh) | 一种具有自清洁功能的风力反光驱鸟器 | |
CN117859729A (zh) | 一种机场鸟击防范探驱一体化系统 | |
CN115868473A (zh) | 机场鸟情智能监控防范系统 | |
CN117882701A (zh) | 一种军用机场智能化综合驱除系统 | |
CN117315512A (zh) | 一种电网防鸟器多维度巡检方法 | |
Cleary et al. | Bird Strike Committee-USA/Canada 6 th Annual Meeting, 13-16 September 2004, Baltimore, Maryland |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230517 Address after: No. 7, 1st Floor, Building 4, Zone 2, Jinyang Lane, Wuhou District, Chengdu City, Sichuan Province, 610045 Patentee after: Chengdu Xinna Technology Co.,Ltd. Address before: 233260 No. 11, Xiaoliu group, Chitang village, Zhangqiao Town, Dingyuan County, Chuzhou City, Anhui Province Patentee before: Zhao Shigao |
|
TR01 | Transfer of patent right |