河道视觉智算巡检

将 AI 视觉识别能力下沉到无人机端侧，为河道安全巡航打造专用的视觉智算芯片，实现漂浮物、水质异常、岸线隐患等目标的实时检测与智能预警。

视觉智算河道巡航无人机端侧

项目背景

该河道位于广东省某县，全长 50 余公里，地理位置偏远。原有巡检采用人工+固定视频摄像头组合模式，视频全部回传云端分析，不仅巡检成本高、监测存在盲区，而且受野外网络限制，难以实现常态化、实时化监管。

本项目研发端侧视觉智算巡检方案，将 AI 视觉识别部署在无人机机载设备本地，无需回传全部录像，降低带宽压力，实现隐患就地识别、实时告警。

作为此项目的 AI 产品经理，对接课题需求，结合地方水利监管标准，统筹端侧智算巡检产品的需求设计、规则定义与落地管控，协同各方团队完成场景适配与试点验证。

需求拆解与业务建模：对接总包单位，梳理长距离偏远河道巡检业务痛点，明确项目落地的制约条件，输出完整产品需求文档。
AI场景规则体系设计：结合野外河道复杂环境，定义 AI 识别目标清单，设计告警阈值、地理过滤等业务规则，适配野外河道巡检场景。
端云业务分工设计：规划无人机机载设备与后端业务平台的功能边界，确定两端的数据交互逻辑。机载端完成 AI 识别、智能抽帧、临时缓存；平台负责证据归档、事件处置。
人机协同边界制定：明确 AI 只承担前端隐患感知的辅助作用，划分 AI 识别、机载临时存储、人工复核、平台业务处置等的权责边界，规范人机协同流程。
试点验证与迭代优化：汇报阶段性成果，跟进野外实景试点调试，对齐各方验收标准，持续优化 AI 识别效果与业务流程。

围绕全域覆盖、弱网实时感知、支撑执法取证核心目标，梳理核心需求：

需求

人工巡检覆盖范围有限、巡检频次不足。

→

解决方案

依托无人机载体，实现 50 余公里长距离河道全域巡查，补齐偏远河段监测盲区。

需求

传统模式需要回传全部航拍视频至云端，数据体量巨大，野外弱网环境下告警滞后。

→

解决方案

在无人机机载搭载内置 NPU 的 SoC 芯片，完成本地 AI 视觉识别，仅上报结构化告警与关键片段，降低带宽消耗，支持断网事件缓存、联网后补传。

需求

偷排偷取等违法行为多发生在夜间、偏僻河段，传统巡检难以获取前后关联的视频与参数证据，无法形成完整违法证据链，造成执法落地困难。

→

解决方案

依托无人机智能抽帧截取告警前后关键影像片段，回传平台持久存储，为执法闭环提供证据支撑。

目前已完成需求评审、端侧原型开发，并通过了室内测试，现已进入外场试点测试阶段。在目标河道开展无人机实地试飞，持续调优 AI 识别模型与业务规则，验证端侧智能抽帧、事件告警、弱网缓存补传等核心能力，推进试点指标验证。