無人機+5G+AI技術在生態環保領域的應用

華為技術有限公司 潘 偉

在江南一些城市，市中心常常分布著兼具景觀和旅游價值的湖泊水體，湖畔岸邊很容易有游人或本地居民支桿垂釣，此類情況經固定攝像頭或群眾舉報，容易實現快速現場執法或者無人機喊話驅離；但難點在于，深夜凌晨在遠離岸邊難以被巡視人員發現的位置，容易發生不法人員駕駛船只的偷捕魚現象。利用小汽艇或者皮劃艇、以及潛水衣裝置，不法人員放在車輛后備箱或車廂，容易攜帶快速移動，夜晚在湖邊可用很短時間穿戴布置，快速下水到達遠離岸邊的位置，然后撒網打撈，給湖里的環境生態帶來嚴重破壞。由于水體龐大，下水位置分布廣數量多，基本防不勝防，出動船只動靜大，時效性無法保障，可疑船只容易嚇跑，無人機手工巡航無法保障效率，能否發現船只純靠運氣。基于人工經驗進行簡單治理，已經無法滿足城市治理智能化的要求。

基于智慧城市數字底座，并融入本地生態，華為不僅可以利用AI為無人機賦能，還能調用和編排無人機的機隊管理和路線規劃能力，實現例行和任務性的夜晚偷捕魚巡查，靈活機動，打通流程，提升現場處置的執行效率。

1 AI實現對遠紅外物體和人體的深度學習

首先，無人機在空中拍攝湖邊下方活動的船只和人體，尤其是在夜視環境下，使用硬件堆疊、星光、黑光技術可以改善視頻、圖像采集和識別中的遮擋、運動模糊、光線反射、背景噪音等，這固然會降低算法識別的難度，但也并非萬能，會產生拖影、紅外成像關聯、安全性等系列問題。

通過AI深度學習技術的加持，可以實現在夜晚湖面、凸起的地貌、月光、遠方建筑物燈光等混雜背景下，對船只和人體的準確識別。AI算法將紅外圖像灰度化的同時，對視頻中的捕魚背景進行序列建模，區分出船只在畫面中的前景區域，通過自適應混合高斯模型算法，比較前景和背景模型的方差，從而捕獲出區別，實現前后景分割。經過多次圖像形態學變化，前景噪音被過濾，留下可能為船只和捕魚人的候選目標，再經過卷積神經網絡的處理，幫助將熱成像的船只、人影輪廓非線性回歸與可見光影像的圖像庫相匹配，通過損失函數進行訓練，最小化誤差，從而構建出相對準確的船只和人影圖像。

圖1 夜晚偷捕魚AI識別樣例

針對遠紅外識別這種任務模式，華為IOC數據底座可提供一種全優的技術路徑。IOC的大數據和AI中臺能力，通過使用大量紅外熱成像訓練的ResNeXt深度模型，可以構建超過100層的深度學習網絡，從而得到更強的表征能力，大大提升識別效果。這樣，經過混合高斯前景分割，經過后處理，在進行深度學習二次驗證識別，最終識別出是否為船只或者捕魚人。

2 IOC融合全優的技術路徑

IOC致力于服務城市治理的全生命周期，優化從事件發生到處置的閉環過程，中間可以編排、聯動，最小化人工干涉和運維成本，提升運營能力，關鍵技術包括：

視頻數據采集：視頻云支持H.264、H.265視頻編碼格式，接收、存儲從互聯網傳輸過來的無人機拍攝的實時視頻流，并通過API接口向AI中臺開放視頻的抓取和調閱服務。

5G網絡：賦予無人機5G低延遲大帶寬數據傳輸能力，可支持4K的超高清影像傳輸和實時消費，實現偷捕魚行為一經無人機視野將立即報警。

AI算法調度：AI中臺調用無人機傳回的視頻流信息，結合視頻時間點以及飛行數據信息，可以計算發現偷魚船只的經緯度坐標，并進一步計算船只的類型、數量，分布在一艘或多艘船只上的人員數量，發送不同級別的報警信息給工單預處理和分撥系統。

應用集成和消息集成：由API網關扮演業務中臺的角色，接收AI中臺推送過來的偷捕魚識別數據，并組裝其他業務邏輯，如無人機的實時位置、航程、電量信息，通過消息中間件服務，將數據排成消息隊列，發送到需要進行實時消費的可視化界面或其他業務系統。

大數據分析處理：負責偷捕魚識別的深度學習，并根據不同業務用途，通過數據治理將偷捕魚數據包裝成不同的專題，定義數據維度結構，支撐針對不同用戶投放個性化的專題內容。

調度無人機機隊管理能力：華為合作伙伴的機庫和管理軟件，能夠實現無人機全自動調度、自動駕駛，機庫可自動放飛、回收和充電，支持飛行報文實時回傳給IOC，并實現調度能力開放。

這樣，在城市的偷捕魚治理新模式將轉變為：IOC控制無人機庫按重點區域、時間、任務等因素制定無人機隊的飛行路線和任務規劃，無人機自動放飛實現例行巡航，當發現偷捕魚現象后，AI算法自動識別船只的位置數量、人員數量以及行為，甚至可以先于工單利用機載的聲光裝置驅離違法人員，生成工單的周期被縮短到幾分鐘，在附近的執法船只到達現場之前，違法人員的行為已經得到制止。地方執法局領導可使用移動APP，查看實時和歷史偷捕魚識別視頻、工單處置、作業歷史統計情況；無人機的飛行任務、飛行軌跡、以及產生工單的明細記錄，執法隊員不再深夜時分對著無人機控制臺手動操作，而是有的放矢，精準出動執法。新模式體現了技術的人文關懷，使執法人員不再千日防賊，后知后覺。

3 能力集成支撐專管和群管結合的執法體系

當前，國家三令五申強調保護長江流域漁業和生態資源，近日一些省份的農業、人社和財政部門聯合發文，明確支持建立協助巡護隊伍。協助巡護隊伍不具備執法資格，但在執法人員帶領下，可以協助對非法捕撈案件現場進行證據收集和臨時處置；要求各地要制定科學合理的裝備配備計劃規劃，根據執法需求提供必要的船艇、車輛以及取證、通訊和安全防護等設施裝備。

華為IOC能夠在算法演進、應用協同、場景聯動、運營能力提升等方面，支撐建立城市或區域的新非法捕撈監管體系：

算法演進：群訪群管，勢必會擴大偷捕魚監管的地域范圍和識別模式，對于河道人工拉網捕魚、下水捕魚、岸線垂釣等動作場景，IOC可支持算法進一步細分、演化，可調動無人機、分布在水體岸線的固定攝像頭、無人船出勤，持續積累素材，訓練算法準確性。

應用協同：加強IOC與應用系統的橫向協同，如協管員用手機抓拍違法捕撈現象，可使用網格通或者12345服務熱線上傳截圖或視頻并生成工單，工單系統調用AI算法識別確認事件的真實性，用來取代效率較低的人工判別。另外，IOC可驅動無人機機載裝置實現服務化，做到能力外放，如發現偷捕魚現象后，通過可編程的方式控制無人機自動懸停、調近焦距，對準船只方向，進行更精細的行為識別。

場景聯動：視頻云管理著分布在河湖岸線的高空攝像頭、道路卡口攝像頭，可對高空攝像頭綁定偷捕魚識別算法，調度云臺轉動和調焦，發現可疑船只出沒后呼喚無人機自動在事發地點上空逡巡核實；可研選多發區域的偷捕魚路線，加強業務編排能力，在事前預防階段，實現車輛類型識別、車牌識別和人臉識別和偷捕魚算法的聯動，當高發區域周邊路段發現在凌晨時分，有前科的車輛或者人員出沒，可提前觸發預警。

運營能力提升：大數據平臺形成常態化的數據分析服務，對無人機任務、工單、執法組織、協管組織、道路交通、攝像頭、偷捕魚事件等主題數據做深度分析，為工單和現場執法系統提供深加工的數據服務，優化任務出勤路線、周邊資源、處置方案和跨部門協同，提升工單轉化和現場處置效率，并形成可適合在不同屏幕上投放的偷捕魚治理月度、季度統計報告，執法協管隊伍的KPI分析報告等，實現集約化運營。

這樣，圍繞核心的AI識別能力，IOC采用技術手段，能夠配合政府管理手段的流程再造，對內能夠疏通、重建政府原有的工作流程，把線下的工作轉移到線上，外部能夠實現應用融合，適應各種環境的變化而無需人工介入，真正實現智能化、自動化的城市治理新模式。