前言：尋找寫作靈感？中文期刊網用心挑選的機場智能驅鳥系統技術發展思考，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

文章首先介紹了當前機場智能驅鳥系統技術的現狀，接著分析存在的問題和不足，最后對機場智能驅鳥系統的探測、控制、驅鳥等方面技術發展進行了展望。鳥擊，也稱鳥撞，主要是指飛行器在高速飛行過程中，與鳥類或蝙蝠等動物發生碰撞的事件。據統計，全球每年約發生21000起鳥擊事件，造成經濟損失約100億美元。美國聯邦航空局（FAA）、歐洲航空安全局（EASA）和中國民用航空局（CAAC）在各自的適航規定中都針對鳥擊事件提出了相關要求。隨著航班量的持續增長和生態環境的改善，我國機場的鳥擊防范工作壓力越來越大，飛鳥作為航班起降階段的傳統安全威脅因素，對航空公司帶來的損失遠遠超出其他因素。美國在鳥擊方面的研究走在世界前列，GeoMarine公司的鳥類研究實驗室在全美48個州都安裝了氣象雷達網，建立了鳥類危險咨詢系統，用于鳥擊空難預防；美國丹佛空軍基地針對鳥群的個體總數、個體體積、活動時間、移動能力、位置、歷史數據和機動能力等特征，專門建立了適用于本基地的鳥擊風險評估模型。我國廣西大學動物科學技術學院的王志高教授等人對南寧吳圩國際機場附近的70多種鳥類進行長期觀察研究，確定了機場應關注的特殊鳥類群體，并提出了針對單個鳥類目標的定量風險評估指標算法。中國民航科學技術研究院的陳唯實研究員等人綜合德爾菲法和層次分析法建立了可以用于機場實時鳥擊風險評估的鳥擊嚴重程度評價模型。我國軍民航對機場鳥擊問題的研究僅經過十幾年的建設與發展，對鳥擊問題的研究體系仍存在一定的不足之處。為完善國內智能驅鳥系統體系的建設，智能驅鳥平臺需要如何去架構的問題顯得至關重要。

1機場智能驅鳥系統主要技術

為降低鳥類對某種驅鳥方式的適應，可以使用智能的工作方式，鳥類一旦進入威脅飛行安全的區域就實施驅趕，直至其遠離安全范圍后停止。這種工作方式可有效的延長其適應的時間，促使鳥類產生一種進入機場范圍就會遇到危險的心理。因此，發展一種智能自動檢測、識別并驅趕鳥類的新技術，對于改善現有驅鳥方式、增強驅鳥效果，具有很現實的意義。當今機場智能驅鳥系統大致包含以下幾個部分：探測技術部分、控制技術部分、驅鳥技術部分。

（1）探測技術部分主要通過雷達探測、視覺探測、聲音識別等方式搜集鳥類入侵機場的具體信息，例如鳥類的位置、種類、數量和飛行行為等。1）雷達探測模塊——探鳥雷達可以對一定范圍內的空域進行360°掃描，水平覆蓋距離通常為0～10km，垂直覆蓋距離大致為0～1.5km。通常可以調節雷達傳感器的頻率、波束形狀和掃描模式，來適應多樣化的周圍環境和種類繁多的探測目標。雷達探測裝置可固定安置在地面或屋頂上，也可以安裝在便于移動的拖車上。目前的雷達系統能夠提供全天候的空域監視，對鳥類活動進行自動檢測、跟蹤、定位與報警[1]。2）視覺探測模塊——機場鳥類圖像識別，旨在自動監測鳥類在機場區域的活動，方便機場管理人員對不同種類的鳥采取不同的驅趕措施，保證飛機的安全運行。面向鳥類圖像問題分類的方法一般步驟為：進行姿態的對齊或者關鍵部件的獲取；使用相關的特征將部件信息進行描述；選擇最合適的分類器進行鳥類圖像精細分類。3）聲音識別模塊——通過Mel頻率倒譜系數以及Logistic分類算法[2]、AdaBoot分類算法，對鳥聲進行識別，提高識別的性能，并降低了識別的復雜度。面向鳥類聲音識別的方法一般步驟為：通過鳥類聲音采集模塊采集鳥類聲音樣本；通過預處理模塊對采集的鳥聲樣本進行預處理；預處理后的鳥聲通過特征提取模塊進行特征提取，獲取分類效果貢獻度最好的特征；貢獻度最好的特征放入分類器中進行分類，最終輸出結果。

（2）控制技術部分主要負責通信與數據處理，將探測部分搜集到的信息通過算法程序進行處理從而得到驅鳥的最佳方案。1）控制模塊——對于探測部分搜集到的信息進行處理并將其轉化成具體的控制命令，這就是該部分的主要責任。驅鳥系統大多以移動方便的無人機為平臺進行搭建，因此無人機之間的配合方案設計就顯得尤為重要。通過將無人機執行驅鳥任務的操作視作簡單任務規劃問題，即可得到無人機驅鳥的初步方案。驅鳥系統的方案規劃主要分為兩個方面：任務分配規劃與路徑規劃。由于系統需要探測的環境很復雜。過于簡單的模型將會導致大量原始數據的丟失，建模失真情況比較嚴重，且傳統規劃模型受數據量的限制比較大，過于龐大的數據量將會導致系統反應速度的顯著降低。因此驅鳥過程中的無人機任務分配問題一般采用智能算法，例如人工蜂群算法和粒子群算法。2）通信模塊——采用GPRS移動通信技術通過HTTP協議與物聯網云平臺通信，實現了與遠程云平臺的通信，大幅度降低了巡檢工作的人力成本，而且增強了智能驅鳥器的靈活性。

（3）驅鳥技術部分是整個系統的直接手段，系統通過聲音、激光、藥劑等驅鳥設備執行控制部分下達的驅鳥方案。1）聲音驅鳥器驅鳥原理——聲音驅鳥是最常用的驅鳥方式，播放大聲壓級的驅鳥音頻可以使鳥類產生驚嚇、飛離、恐慌等情況，用自然生態的方式達到驅鳥的目的。2）激光驅鳥器驅鳥原理——鳥類的視覺是較為敏感的，射向鳥類的激光被鳥類視為一種危險信號，使其產生恐嚇，出于求生的本能，鳥兒會躲避射向它們的光束從而快速飛走，以此用不傷害鳥類的方式將鳥類驅離。目前市場上使用最多的為波長為532nm的綠色激光器，該驅鳥器價格較便宜，技術比較成熟，光束質量好。一個驅鳥過程的完成需要上述三個系統之間緊密的配合：探測部分搜集鳥情，控制部分針對搜集到的信息計算最佳策略，最后由驅鳥部分負責對命令進行執行。如圖1所示為機場智能驅鳥系統工作原理圖。

2機場智能驅鳥系統技術研究存在的不足

（1）在探測部分，關于雷達探測方面，鳥類對機場的入侵是一種動態的過程，隨著鳥類位置的不斷變化，中央處理器必須對驅鳥方案做出實時更新。關于視覺識別方面，特征識別的方法需要在訓練樣本中事先給定要獲取的鳥類目標標注框以及部件標注信息，因此該方法的樣本收集與制作工作量很大。關于聲音識別方面，應該考慮到現實環境下可能存在兩只或兩只以上鳥類混合鳴叫的場景，研究對于這種特殊情況應該如何提高識別效果。

（2）在控制部分，關于控制模塊方面，基礎圖論算法的研究全面，算法也已經比較成熟且能夠滿足無人機驅鳥工作分配的基本需求，但由于建模階段一般對機場環境采取簡化手段，因此模型對復雜多樣的現實環境適應性不高，計算也會更加繁瑣。關于通信模塊方面，鳥情采集是通過人工錄入移動終端應用的方式進行。移動終端需要把搜集到的鳥情數據發送到服務器，等到數據分析時再從服務器中導出，這將影響數據信息的實時性。

（3）在驅鳥部分，關于聲音驅鳥模塊方面，不同的鳥類對于不同的聲音有著不同的敏感度，鳥類對同一種聲音又會存在適應性，從而降低聲音驅鳥的效果。關于激光驅鳥模塊，與鳥類對聲音的適應性一樣，不同的鳥類對不同形式的激光也會產生不同的驅鳥效果，現有的研究大多針對單一鳥類的視覺測試，不具有普適性。

3機場智能驅鳥系統技術發展趨勢

3.1探測方面技術展望

因為鳥情數據的時效性，機場的雷達系統必須實現對飛鳥目標的跟蹤與實時處理，實現基于鳥情不斷變化的驅鳥方案快速變更。（1）視覺識別系統。為實現鳥類圖像在實際情況下的自動分類提高識別技術的實用性以及可推廣性，應該考慮使用計算機自動檢測鳥類圖像目標框與鳥類部件框信息，弱監督式的定位——識別研究方法。先使用弱監督式的訓練框架，在常見機場鳥類數據集測試中，如果達不到要求的速度和準確率，可以采用強監督式學習[3]。（2）聲音識別模塊。當存在飛機轟鳴聲或其他鳥類聲音干擾時，進一步提高識別結果的準確性，并且將識別系統同時試驗于多種鳥鳴聲，提高系統的普適性。

3.2控制方面技術展望

為提高控制系統的信息處理能力，可以考慮將智能算法的思想加入到控制系統的任務分配程序中，并在建模階段充分考慮現實因素，以提高控制模塊在復雜環境下的信息處理速度。為了在數據分析的過程中，處理器能夠得到及時有效的數據信息，可以考慮將鳥情采集聯網化，即在鳥情錄入的過程中直接通過網絡傳輸給服務器，服務器直接保存采集到的鳥情信息，方便以后快速提供數據。為保證驅鳥器的長期穩定運行，可以選擇太陽能或風能作為輔助電力來源。

3.3驅鳥方面技術展望

可以收集或設計更多不同頻率、不同類型的驅鳥聲音,繼續深入調查機場鳥類活動情況,將驅鳥聲音使用到鳥類活動的各個周期之中,以便針對不同類型的鳥類能達到更好的驅鳥效果。繼續研究如何提高超聲波驅鳥的距離以及降低超聲波驅鳥器的建造價格，有利于超聲波驅鳥器的推廣與應用，對于超聲波頻率方面，研究不同超聲波頻率對不同鳥類的影響，讓超聲波驅鳥器根據不同的鳥類實現更具有針對性頻率調整。對于激光驅鳥器的改進，需要對鳥的視覺光學有更深入的研究，并且深入研究更多的實驗研究目標，使得到的結果更加具有普適性。

4結語

作者按照一個完整的智能驅鳥體系，對近年來飛鳥目標的探測、驅鳥數據的處理、驅鳥手段的執行進行了系統的梳理和總結，簡要講述了各自的原理、優缺點以及未來的發展方向，對各類設備的使用情況給出了相應的理論與數據支撐。對驅鳥行業未來的研究與發展走勢做出了一定的預測。無論是硬件設備還是系統算法方面，都離不開設備與算法的更新換代，從而實現探測、處理、執行這三個系統之間的高效配合。對新驅鳥設備的理論測試需要建立更復雜的機場驅鳥仿真模型，以提高仿真結果的可靠性與實用性。我們期望更多的學者能夠對此領域進行深入研究，尋找更精準的鳥類探測手段、更合理的任務分配算法以及更高效的驅鳥手段新思路。

引用

[1]陳唯實,李敬.雷達探鳥技術發展與應用綜述[J].現代雷達,2017,39(2):7-17.

[2]喬玉,錢昆,趙子平.基于機器聽覺的鳥聲識別的中文研究綜述[J].復旦學報(自然科學版),2020,59(3):375-380.

[3]陳秀梅.部件級多特征融合珍稀鳥類稀疏識別[D].南京:南京郵電大學,2019.

作者：曹飛 康旭 胡云鋒 劉雨林 單位：93642 部隊 93114 部隊 95979 部隊