基于最短时间的机场智能驱鸟系统驱离效果评估技术的制作方法

基于最短时间的机场智能驱鸟系统驱离效果评估技术
所属技术领域
1.本技术发明涉及航空航天、机场安全、信息技术等应用领域，适用于军用机场驱鸟、民用机场预警或驱鸟，针对机场或其它场景的鸟击事件防范，具体为一种基于最短时间的机场智能驱鸟系统鸟群驱离效果评估技术。


背景技术：

2.近年来,随着航空事业的快速发展，世界各地鸟撞事故的发生概率成明显上升趋势，重大鸟撞事故时有发生，事故造成了严重的生命及财产损失，已经引起各国有关部门的高度重视。鸟击事故的频繁发生，是航空兵场站和民航机场的重点和难点问题。目前针对鸟击解决方案大多采用声波、光束、化学、生物等技术手段，如煤气炮、声波驱鸟器、激光驱鸟器、驱鸟风轮、驱鸟剂、无人机驱鸟、驱鸟机器鹰等。虽然能起到一定效果，但由于缺少探测识别装置、无法预警与驱离效果评估、没有智能化算法、驱离手段单一、针对性不强、缺乏大数据分析及深度学习等原因，使得驱鸟未能达到预期效果。
3.针对机场鸟击事件防范组建专业研发团队，继承前期复杂背景飞鸟雷达探测、光电及红外识别、鸟类特征研究、大数据统计分析、人工智能边缘计算、深度学习、声强和激光驱鸟技术等相关研究成果，采用“开放式、模块化”设计理念，可根据机场部署要求灵活搭配使用，具备“智能探测感知
→
数据融合处理
→
人工智能边缘计算
→
声、光多能驱赶
→
驱离效果评估
→
机器深度学习”等综合防范功能，研发了具有仿生学及光声电一体，人工智能机场探测感知及驱鸟装备，可全天候全地域适用于军、民用机场执行鸟群、无人机的探测和远程预警，智能化针对性地实施高效驱鸟，减少人员参与、降低驱鸟成本、提高识别驱离效率，对航空界的飞行安全有重要的理论实际研究意义。
4.随着驱鸟技术得发展，驱鸟系统也由人工驱鸟向智能化驱鸟发展，越发趋向于智能化、系统化，为了更好的展现驱鸟系统的作用和有效性，同人工监测相比，采用识别设备对鸟类目标进行实时跟踪监测显得更加方便快捷。为了实现对鸟群驱离效果的评估，结合鸟类目标的生物特性，采用历史经验和深度学习，采用基于长短期记忆网络的鸟类目标驱离效果评估技术，结合权重计算对鸟类目标的驱离情况进行实时评估，实现基于最短时间的机场智能驱鸟系统驱离效果评估。


技术实现要素：

5.本发明的目的在于克服现有的技术的不足，提供一种基于生物特性的机场智能驱鸟系统鸟群疲劳程度评估技术。
6.本技术发明通过如下技术方案予以实现：
7.提供一种基于最短时间的机场智能驱鸟系统鸟群驱离效果评估技术，其特征是通过对鸟类目标的驱离时间、区域内鸟类目标驱离的完全程度、鸟类目标的疲劳性进行综合分析，使用识别设备对鸟类目标进行数据记录，获得区域内鸟类目标的驱离效果。由于目标的生物特性，在同一区域会经常性的出现，为了实现对鸟群驱离效果的评估，结合深度学
习，采用基于长短期记忆网络的鸟群驱离效果评估方法，采用聚类法对鸟群目标的特征进行分析，并建立评估矩阵，在驱离最短时间的前提下实现对驱离效果的评估；以驱离的时间为主采用权重分析法对鸟类目标的驱离时间、驱离的完全程度、鸟类目标的疲劳性等相关特征进行分析，得出影响效果评估鸟类目标特征权重；采用长短期记忆网络对鸟群目标的驱离效果进行评估。
8.所述最短时间其特征是以驱离时间为主，实现在以最短时间驱离鸟类目标的基础上对驱离效果进行评估。由于鸟类目标的生物特性，会在多区域出现，当对鸟类目标进行驱离时要保证在最短时间内将鸟类目标进行驱离，防止鸟类目标在控制区域内长时间逗留对飞行造成伤害，保证驱离的快速性，所以驱离效果评估要以时间为主要考虑对象，实现对驱离效果的精准评估。
9.所述机场智能驱鸟系统鸟群驱离效果评估技术其特征是在考虑鸟类目标生物特性的基础上，利用历史经验和深度学习等方法，建立长短期记忆网络的驱离效果评估方法，利用此方法结合对鸟类目标特征的权重分析，形成基于最短时间的机场智能驱鸟系统鸟群驱离效果评估技术，对驱离的效果实现精准、快速评估。
10.本发明与现有技术相比具有如下优点：
11.(1)本发明的基于最短时间的机场智能驱鸟系统鸟群驱离效果评估技术可以实现智能化计算，通过对历史经验的学习和安全区域的划分，为驱离程度提供了一个新的概念，通过识别设备的实时跟踪和总体判断，实现对鸟群目标驱离效果的综合判断，最终实现对鸟群目标驱离效果的评估。
12.(2)本发明的基于长短期记忆网络的鸟类目标驱离效果评估技术，通过对安全区域的划分，拟定安全区域，通过结合安全区域内鸟类目标出现的频率、驱离时间、驱离的完全程度和鸟类对驱离手段的疲劳程度，系统的分析鸟类目标的驱离效果，实现对鸟类目标驱离效果的精准评估。
附图说明
13.下面结合附图和实施例对本技术发明进一步说明。
14.图1是鸟群驱离效果评估框图。
15.图2是数据采集过程。
16.图3是聚类的标准。
17.图4是熵权法流程图。
18.图5是长短期记忆网络评估方法流程图。
具体实施方式
19.下面采用附图和实施例对本技术发明做进一步说明，此处所说明的附图用来提供对本技术发明的进一步理解，构成本技术的一部分，并不构成对本技术发明的限定。
20.基于最短时间的机场智能驱鸟系统鸟群驱离效果评估技术，其特征是通过对鸟类目标的驱离时间、区域内鸟类目标驱离的完全程度、鸟类目标的疲劳性进行综合分析，使用识别设备对鸟类目标进行数据记录，获得区域内鸟类目标的驱离效果。为了实现对鸟群驱离效果的评估，结合深度学习，采用基于长短期记忆网络的鸟群驱离效果评估方法，采用聚
类法对鸟群目标的特征进行分析，并建立评估矩阵，在驱离最短时间的前提下实现对驱离效果的评估；以驱离的时间为主采用权重分析法对鸟类目标的驱离时间、驱离的完全程度、鸟类目标的疲劳性等相关特征进行分析，得出影响效果评估的鸟类目标特征权重；采用长短期记忆网络对鸟群目标的驱离效果进行评估。
21.其具体实施过程如下：
22.1)鸟群驱离效果评估框图如图1所示，在驱离过程中使用识别设备对鸟类目标进行实时跟踪并记录鸟类目标在控制区域内的停留时间、飞行轨迹等相关信息，当完成对鸟类目标的整体驱离后，使用雷达探测器和光电探测器对控制区域进行整体扫描，实现对区域内鸟类目标的整体记录，并且将驱离完成后的区域与驱离前的区域进行对比，获得对鸟类目标的驱离完全程度，最终结合对鸟类目标疲劳性的相关研究，完成对鸟类目标驱离信息数据的采集；信息采集完成后对数据进行分析，将不同的鸟群目标按照飞行时间进行聚类分析，以驱离时间为主，对鸟类目标进行分类，按照分类的结果建立驱离效果评估矩阵；然后根据驱离的指标进行权重分析并不断优化，最终获得对鸟群驱离效果的综合评估。
23.2)数据采集过程如图2所示，通过识别设备和上位机对驱离的鸟群目标进行数据的采集，主要针对驱离鸟群目标的时间、鸟群目标的数量、鸟群目标的疲劳程度以及驱离的完全程度进行采集。假设控制区域内的需要采集的鸟群驱离指标数据总数为na，驱离每个鸟群的时间为ta，不同鸟群的疲劳程度通过对鸟群目标的相关反应分析后得出为pa，驱离后控制区域内的驱离完全程度为wa，采集的函数为ka，鸟群驱离数据采集资源fa为：
[0024][0025]
设单个鸟群的数据采集时间为t
tm
，设备开机后控制区域内有ma个鸟群，数据采集的时间sc为：
[0026][0027]
通过识别设备将数据采集后，将数据上传至上位机，然后由上位机对数据进行整合并进行下一步的处理。
[0028]
3)通过上位机对驱离时间的分析将鸟群目标进行分类，由于不同鸟类的飞行速度、对驱离手段的反应时间、鸟类出现区域与安全区域的距离等因素不同，通过对鸟类特性分析，并结合历史经验和深度学习，对驱离时间相近的鸟类进行聚类分析，聚类的标准如图3所示。假设鸟群驱离指标量测数据la、lb之间离散特征点为和设特征权系数为鸟群驱离效果评估矩阵u(la，lb)为：
[0029][0030]
然后根据对不同类别的鸟类驱离数据的分析，利用熵权法对鸟群驱离效果评估指标的权重进行优化，熵权法流程图如图4所示。根据历史经验对评估矩阵赋予初始的特征权重，设输入的指标个数为e，初始权重w为：
[0031]
w＝(w1，w2，
…
，we)
ꢀꢀꢀꢀꢀꢀꢀ
(4)
[0032]
设评估矩阵为us＝u(la，lb)，改进的鸟群驱离效果评估指标权重特征赋权值wh为：
[0033]
[0034]
根据历史的经验和对鸟群特性的分析，不断完善对驱离鸟群目标的数据，从而获得最优的鸟群驱离效果评估矩阵。
[0035]
4)长短期记忆网络评估方法流程图如图5所示，长短期记忆网络在标准rnn网络上进行了调优，包括输入们、输出们和遗忘门，可以处理单个鸟群目标与多个评估指标之间的依赖关系，也可以在不同的评估指标之间对不同的鸟类进行横向比较，并且由于鸟类目标的生物特性，往往会是同种鸟类在同一区域多次出现，具有一定的重复性，因此采用长短期记忆网络构建鸟群驱离效果综合评估模型。
[0036]
设鸟群驱离效果评估模型的激活函数为评估模型遗忘门的激活函数为tan，输入的鸟群驱离时间数据为ta，驱离的完全程度为wa，鸟群目标的疲劳性为pa，则当前的鸟群驱离效果评估数据为：
[0037][0038]
通过式6可知，通过鸟群驱离效果评估技术可以获得鸟群驱离效果的精准评估结果。
[0039]
以上所述的具体实施方法，对本技术发明的目的、技术方案和有益效果进行了详细说明，所应理解的是，以上所述仅为本技术发明的具体实施方式而已，并不用于限定本技术发明的保护范围，凡在本技术发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术发明的保护范围之内。

技术特征：
1.提供一种基于最短时间的机场智能驱鸟系统鸟群驱离效果评估技术，其特征是通过对鸟类目标的驱离时间、区域内鸟类目标驱离的完全程度、鸟类目标的疲劳性进行综合分析，使用识别设备对鸟类目标进行数据记录，获得区域内鸟类目标的驱离效果。由于目标的生物特性，在同一区域会经常性的出现，为了实现对鸟群驱离效果的评估，结合深度学习，采用基于长短期记忆网络的鸟群驱离效果评估方法，采用聚类法对鸟群目标的特征进行分析，并建立评估矩阵，在驱离最短时间的前提下实现对驱离效果的评估；以驱离的时间为主采用权重分析法对鸟类目标的驱离时间、驱离的完全程度、鸟类目标的疲劳性等相关特征进行分析，得出影响效果评估的鸟类目标特征权重；采用长短期记忆网络对鸟群目标的驱离效果进行评估。2.根据权利要求1，所述最短时间其特征是以驱离时间为主，实现在以最短时间驱离鸟类目标的基础上对驱离效果进行评估。由于鸟类目标的生物特性，会在多区域出现，当对鸟类目标进行驱离时要保证在最短时间内将鸟类目标进行驱离，防止鸟类目标在控制区域内长时间逗留对飞行造成伤害，保证驱离的快速性，所以驱离效果评估要以时间为主要考虑对象，实现对驱离效果的精准评估。3.根据权利要求1，所述机场智能驱鸟系统鸟群驱离效果评估技术其特征是在考虑鸟类目标生物特性的基础上，利用历史经验和深度学习等方法，建立长短期记忆网络的驱离效果评估方法，利用此方法结合对鸟类目标特征的权重分析，形成基于最短时间的机场智能驱鸟系统鸟群驱离效果评估技术，对驱离的效果实现精准、快速评估。

技术总结
基于最短时间的机场智能驱鸟系统鸟群驱离效果评估技术，其特征是通过对鸟类的驱离时间、区域内鸟类驱离的完全程度、鸟类的疲劳性进行综合分析，使用识别设备对鸟类进行数据记录，获得区域内鸟类目标的驱离效果。由于目标的生物特性，在同一区域会经常性的出现，为了实现对鸟群驱离效果的评估，结合深度学习，采用基于长短期记忆网络的鸟群驱离效果评估方法，采用聚类法对鸟群的特征进行分析，并建立评估矩阵，在驱离最短时间的前提下实现对驱离效果的评估；以驱离的时间为主采用权重分析法对鸟类的驱离时间、驱离的完全程度、鸟类的疲劳性等相关特征进行分析，得出影响效果评估的鸟类特征权重；采用长短期记忆网络对鸟群的驱离效果进行评估。离效果进行评估。离效果进行评估。


技术研发人员：周小晚
受保护的技术使用者：杭州小晚智能科技有限公司
技术研发日：2023.05.05
技术公布日：2023/8/13