Business Scenarios
多場景應用
廠區
港口
傳統人工巡檢三大核心痛點，無人機方案一站式解決
單條股道巡檢需 2-3 人配合，日均覆蓋不足 50 條股道，難以適配"班列密集、周轉頻繁"的作業節奏。
巡檢人員進入股道區域時，易與調車作業、機車通行產生交叉干擾，事故占貨場事故總量 15%-20%。
人工判斷受多種因素影響如光照、天氣、疲勞度等，車頂雜物漏檢、FTR鎖頭狀態誤判等時有發生。
4K@30fps 高清視頻流，低延遲實時回傳至內網服務器。支持畫面縮放、抓拍、錄像回溯等操作，實時掌握股道狀態、貨物堆放、人員作業動態。
從任務下達到巡檢報告，全程無需人工干預
調度值班員在系統制定巡檢任務（巡檢地點、任務名稱、下達對象），一鍵觸發執行。支持國鐵管控平臺遠程下發。
機場開啟，無人機自主起飛，按預設航線執行巡檢，巡航精度 ±0.3m，最大速度 8m/s。4K 高清視頻實時回傳。
自研 Matrix-LirsNet 模型實時分析視頻流，自動識別車號、箱號，檢測雜物、箱門開等 12 項異常，單車廂分析時延 ≤2s。
異常項自動完成空間坐標標注（精確至車節、車號、位置）與分類，觸發語音報警、彈窗預警等多維度響應。
巡檢完成，無人機自主返航，回機場充電，準備下一次任務。支持設備狀態實時監測、故障自動診斷。
自動生成結構化車檢報告（PDF/Excel），識別結果關聯高清圖像和異常標注。支持多維查詢與 6 個月日志追溯。
數據采集 → AI 處理 → 場景應用 → 運維管理，全鏈路閉環
大疆 M4TD 機場 3 套件，多旋翼無人機平臺，4K@30fps 高清視頻，無線+有線雙鏈路傳輸，自動+手動雙模式飛行。
Matrix-LirsNet 深度學習模型（CNN+空間注意力機制+FPN），幀級車廂切割，多維度異常檢測，單車廂分析時延 ≤2s。
GIS 航線規劃、任務管控、AI 實時監控（異常區域框選高亮）、多維結果查詢，與國鐵管控平臺深度對接。
設備狀態實時監測、分級報警策略、日志審計（等保 2.0 標準 ≥6 個月）、運維周期管理。
覆蓋車號箱號、裝載加固、安全裝備等全場景，異常自動報警聯動
* 其它識別項可根據需求拓展