[发明专利]一种多机场协同的空域智能驱鸟系统及方法

说明书

本发明公开了一种针对机场空域智能驱鸟系统，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。基于此系统，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。本发明所提系统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。

技术领域

本发明涉及使用无人机进行控制鸟群的系统与方法，特指一种多机场协同的空域智能驱鸟系统及方法。

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系统，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气枪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系统是首先需要解决的问题。提出一种智能驱鸟算法框架，使系统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，是保证系统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，保持系统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系统，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系统及方法，该系统包括服务器、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系统，包括共享系统、中央控制系统以及设置在各机场的驱鸟子系统，

所述驱鸟子系统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；

所述中央控制系统控制共享系统与各机场子系统的服务器数据共享。

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系统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。