机场智能驱鸟系统技术发展思考

2022-09-21 16:46:20 来源:写作指导

文章首先介绍了当前机场智能驱鸟系统技术的现状,接着分析存在的问题和不足,最后对机场智能驱鸟系统的探测、控制、驱鸟等方面技术发展进行了展望。鸟击,也称鸟撞,主要是指飞行器在高速飞行过程中,与鸟类或蝙蝠等动物发生碰撞的事件。据统计,全球每年约发生21000起鸟击事件,造成经济损失约100亿美元。美国联邦航空局(FAA)、欧洲航空安全局(EASA)和中国民用航空局(CAAC)在各自的适航规定中都针对鸟击事件提出了相关要求。随着航班量的持续增长和生态环境的改善,我国机场的鸟击防范工作压力越来越大,飞鸟作为航班起降阶段的传统安全威胁因素,对航空公司带来的损失远远超出其他因素。美国在鸟击方面的研究走在世界前列,GeoMarine公司的鸟类研究实验室在全美48个州都安装了气象雷达网,建立了鸟类危险咨询系统,用于鸟击空难预防;美国丹佛空军基地针对鸟群的个体总数、个体体积、活动时间、移动能力、位置、历史数据和机动能力等特征,专门建立了适用于本基地的鸟击风险评估模型。我国广西大学动物科学技术学院的王志高教授等人对南宁吴圩国际机场附近的70多种鸟类进行长期观察研究,确定了机场应关注的特殊鸟类群体,并提出了针对单个鸟类目标的定量风险评估指标算法。中国民航科学技术研究院的陈唯实研究员等人综合德尔菲法和层次分析法建立了可以用于机场实时鸟击风险评估的鸟击严重程度评价模型。我国军民航对机场鸟击问题的研究仅经过十几年的建设与发展,对鸟击问题的研究体系仍存在一定的不足之处。为完善国内智能驱鸟系统体系的建设,智能驱鸟平台需要如何去架构的问题显得至关重要。

1机场智能驱鸟系统主要技术

为降低鸟类对某种驱鸟方式的适应,可以使用智能的工作方式,鸟类一旦进入威胁飞行安全的区域就实施驱赶,直至其远离安全范围后停止。这种工作方式可有效的延长其适应的时间,促使鸟类产生一种进入机场范围就会遇到危险的心理。因此,发展一种智能自动检测、识别并驱赶鸟类的新技术,对于改善现有驱鸟方式、增强驱鸟效果,具有很现实的意义。当今机场智能驱鸟系统大致包含以下几个部分:探测技术部分、控制技术部分、驱鸟技术部分。

(1)探测技术部分主要通过雷达探测、视觉探测、声音识别等方式搜集鸟类入侵机场的具体信息,例如鸟类的位置、种类、数量和飞行行为等。1)雷达探测模块——探鸟雷达可以对一定范围内的空域进行360°扫描,水平覆盖距离通常为0~10km,垂直覆盖距离大致为0~1.5km。通常可以调节雷达传感器的频率、波束形状和扫描模式,来适应多样化的周围环境和种类繁多的探测目标。雷达探测装置可固定安置在地面或屋顶上,也可以安装在便于移动的拖车上。目前的雷达系统能够提供全天候的空域监视,对鸟类活动进行自动检测、跟踪、定位与报警[1]。2)视觉探测模块——机场鸟类图像识别,旨在自动监测鸟类在机场区域的活动,方便机场管理人员对不同种类的鸟采取不同的驱赶措施,保证飞机的安全运行。面向鸟类图像问题分类的方法一般步骤为:进行姿态的对齐或者关键部件的获取;使用相关的特征将部件信息进行描述;选择最合适的分类器进行鸟类图像精细分类。3)声音识别模块——通过Mel频率倒谱系数以及Logistic分类算法[2]、AdaBoot分类算法,对鸟声进行识别,提高识别的性能,并降低了识别的复杂度。面向鸟类声音识别的方法一般步骤为:通过鸟类声音采集模块采集鸟类声音样本;通过预处理模块对采集的鸟声样本进行预处理;预处理后的鸟声通过特征提取模块进行特征提取,获取分类效果贡献度最好的特征;贡献度最好的特征放入分类器中进行分类,最终输出结果。

(2)控制技术部分主要负责通信与数据处理,将探测部分搜集到的信息通过算法程序进行处理从而得到驱鸟的最佳方案。1)控制模块——对于探测部分搜集到的信息进行处理并将其转化成具体的控制命令,这就是该部分的主要责任。驱鸟系统大多以移动方便的无人机为平台进行搭建,因此无人机之间的配合方案设计就显得尤为重要。通过将无人机执行驱鸟任务的操作视作简单任务规划问题,即可得到无人机驱鸟的初步方案。驱鸟系统的方案规划主要分为两个方面:任务分配规划与路径规划。由于系统需要探测的环境很复杂。过于简单的模型将会导致大量原始数据的丢失,建模失真情况比较严重,且传统规划模型受数据量的限制比较大,过于庞大的数据量将会导致系统反应速度的显著降低。因此驱鸟过程中的无人机任务分配问题一般采用智能算法,例如人工蜂群算法和粒子群算法。2)通信模块——采用GPRS移动通信技术通过HTTP协议与物联网云平台通信,实现了与远程云平台的通信,大幅度降低了巡检工作的人力成本,而且增强了智能驱鸟器的灵活性。

(3)驱鸟技术部分是整个系统的直接手段,系统通过声音、激光、药剂等驱鸟设备执行控制部分下达的驱鸟方案。1)声音驱鸟器驱鸟原理——声音驱鸟是最常用的驱鸟方式,播放大声压级的驱鸟音频可以使鸟类产生惊吓、飞离、恐慌等情况,用自然生态的方式达到驱鸟的目的。2)激光驱鸟器驱鸟原理——鸟类的视觉是较为敏感的,射向鸟类的激光被鸟类视为一种危险信号,使其产生恐吓,出于求生的本能,鸟儿会躲避射向它们的光束从而快速飞走,以此用不伤害鸟类的方式将鸟类驱离。目前市场上使用最多的为波长为532nm的绿色激光器,该驱鸟器价格较便宜,技术比较成熟,光束质量好。一个驱鸟过程的完成需要上述三个系统之间紧密的配合:探测部分搜集鸟情,控制部分针对搜集到的信息计算最佳策略,最后由驱鸟部分负责对命令进行执行。如图1所示为机场智能驱鸟系统工作原理图。

2机场智能驱鸟系统技术研究存在的不足

(1)在探测部分,关于雷达探测方面,鸟类对机场的入侵是一种动态的过程,随着鸟类位置的不断变化,中央处理器必须对驱鸟方案做出实时更新。关于视觉识别方面,特征识别的方法需要在训练样本中事先给定要获取的鸟类目标标注框以及部件标注信息,因此该方法的样本收集与制作工作量很大。关于声音识别方面,应该考虑到现实环境下可能存在两只或两只以上鸟类混合鸣叫的场景,研究对于这种特殊情况应该如何提高识别效果。

(2)在控制部分,关于控制模块方面,基础图论算法的研究全面,算法也已经比较成熟且能够满足无人机驱鸟工作分配的基本需求,但由于建模阶段一般对机场环境采取简化手段,因此模型对复杂多样的现实环境适应性不高,计算也会更加繁琐。关于通信模块方面,鸟情采集是通过人工录入移动终端应用的方式进行。移动终端需要把搜集到的鸟情数据发送到服务器,等到数据分析时再从服务器中导出,这将影响数据信息的实时性。

(3)在驱鸟部分,关于声音驱鸟模块方面,不同的鸟类对于不同的声音有着不同的敏感度,鸟类对同一种声音又会存在适应性,从而降低声音驱鸟的效果。关于激光驱鸟模块,与鸟类对声音的适应性一样,不同的鸟类对不同形式的激光也会产生不同的驱鸟效果,现有的研究大多针对单一鸟类的视觉测试,不具有普适性。

3机场智能驱鸟系统技术发展趋势

3.1探测方面技术展望

因为鸟情数据的时效性,机场的雷达系统必须实现对飞鸟目标的跟踪与实时处理,实现基于鸟情不断变化的驱鸟方案快速变更。(1)视觉识别系统。为实现鸟类图像在实际情况下的自动分类提高识别技术的实用性以及可推广性,应该考虑使用计算机自动检测鸟类图像目标框与鸟类部件框信息,弱监督式的定位——识别研究方法。先使用弱监督式的训练框架,在常见机场鸟类数据集测试中,如果达不到要求的速度和准确率,可以采用强监督式学习[3]。(2)声音识别模块。当存在飞机轰鸣声或其他鸟类声音干扰时,进一步提高识别结果的准确性,并且将识别系统同时试验于多种鸟鸣声,提高系统的普适性。

3.2控制方面技术展望

为提高控制系统的信息处理能力,可以考虑将智能算法的思想加入到控制系统的任务分配程序中,并在建模阶段充分考虑现实因素,以提高控制模块在复杂环境下的信息处理速度。为了在数据分析的过程中,处理器能够得到及时有效的数据信息,可以考虑将鸟情采集联网化,即在鸟情录入的过程中直接通过网络传输给服务器,服务器直接保存采集到的鸟情信息,方便以后快速提供数据。为保证驱鸟器的长期稳定运行,可以选择太阳能或风能作为辅助电力来源。

3.3驱鸟方面技术展望

可以收集或设计更多不同频率、不同类型的驱鸟声音,继续深入调查机场鸟类活动情况,将驱鸟声音使用到鸟类活动的各个周期之中,以便针对不同类型的鸟类能达到更好的驱鸟效果。继续研究如何提高超声波驱鸟的距离以及降低超声波驱鸟器的建造价格,有利于超声波驱鸟器的推广与应用,对于超声波频率方面,研究不同超声波频率对不同鸟类的影响,让超声波驱鸟器根据不同的鸟类实现更具有针对性频率调整。对于激光驱鸟器的改进,需要对鸟的视觉光学有更深入的研究,并且深入研究更多的实验研究目标,使得到的结果更加具有普适性。

4结语

作者按照一个完整的智能驱鸟体系,对近年来飞鸟目标的探测、驱鸟数据的处理、驱鸟手段的执行进行了系统的梳理和总结,简要讲述了各自的原理、优缺点以及未来的发展方向,对各类设备的使用情况给出了相应的理论与数据支撑。对驱鸟行业未来的研究与发展走势做出了一定的预测。无论是硬件设备还是系统算法方面,都离不开设备与算法的更新换代,从而实现探测、处理、执行这三个系统之间的高效配合。对新驱鸟设备的理论测试需要建立更复杂的机场驱鸟仿真模型,以提高仿真结果的可靠性与实用性。我们期望更多的学者能够对此领域进行深入研究,寻找更精准的鸟类探测手段、更合理的任务分配算法以及更高效的驱鸟手段新思路。

引用

[1]陈唯实,李敬.雷达探鸟技术发展与应用综述[J].现代雷达,2017,39(2):7-17.

[2]乔玉,钱昆,赵子平.基于机器听觉的鸟声识别的中文研究综述[J].复旦学报(自然科学版),2020,59(3):375-380.

[3]陈秀梅.部件级多特征融合珍稀鸟类稀疏识别[D].南京:南京邮电大学,2019.

作者:曹飞 康旭 胡云锋 刘雨林 单位:93642 部队 93114 部队 95979 部队