基于機器學習和傳感器融合的DORI系統/模塊
該產品主要應用于低空慢小目標探測和識別領域，利用通用貨架視頻、夜視熱像儀等傳感器，結合我司現有AIoT綜合應用平臺、AI算法模型定制和邊緣計算與部署等物聯網、人工智能和機器視覺領域的技術優勢，構建一套基于機器學習和傳感器融合的目標檢測、觀察、識別和認證（DORI）系統/模塊，該產品可以大大減少用戶驗證誤報所花費的時間，并將重點放在對相關事件的處理上，從而提高人工操作效率。
低空慢小目標的監測與防范主要面臨的技術挑戰包括：無人機、鳥類、車輛、船只、人員等目標種類繁多特征各異，對目標特征提取的智能化水平低，導致檢測與識別精度低；目標所處環境背景復雜，單一傳感器檢測能力有限，但多源異構傳感器融合理論與技術在目標監測應用中尚不成熟；目標處于動態飛行之中，多種傳感器融合出處理對系統的信號處理實時性要求非常高，且系統需要考慮傳感器容錯。
采用機器學習和傳感器融合設計了一套多傳感器探測系統。除了最為常見的視頻和音頻傳感器外，還包括了熱紅外相機。結果表明：利用紅外傳感器是探測無人機任務的可行解決方案，即使在分辨率較低的情況下，性能也能夠達到與視頻傳感器一樣的效果。采用傳感器融合的方法，系統比獨立傳感器的魯棒性更好、輸出結果更穩定。
該產品采用當前前沿先進（SOTA）和AI目標檢測模型，進一步提升性能和靈活性，同時具備快速、準確且易于使用，使其成為各種物體檢測與跟蹤、實例分割、圖像分類和姿態估計任務的絕佳選擇。該產品采用多傳感器融合的技術，設計開發出一套基于機器學習的低空慢小目標探測和識別DOIR系統或模塊，該產品集成和融合了視頻、熱紅外相機和音頻等傳感器，系統比單獨傳感器魯棒性更強，輸出結果更加穩定，誤檢率大大減少。測試訓練樣本視頻數據集，包含無人機、鳥類、飛機和直升機的650個帶注釋的紅外和可見視頻信息與包含無人機、直升機和背景的音頻數據集。（支持用戶數據定制化學習）
主要應用場景：
1、探驅一體化鳥情管理系統
基于DORI可以定制具有人工智能的鳥類檢測和驅趕系統，主要實現了一下主要功能：
（1）該系統使用機器學習和神經網絡不斷提高其檢測能力，采用高級分類器和大型數據庫來實現其性能。
（2）該系統使用先進的攝像頭配置與人工智能相結合來識別鳥類。它可以區分鳥類，人類和其他物體。
（3）該系統可獲得鳥類活動的客觀和量化數據，旨在為鳥類防治問題提供最佳解決方案，并生成富有洞察力的報告。
2、低空飛行器智能監測系統
目前用于“低慢小”無人機探測的手段主要有低空監視雷達、光電探測、聲學探測和無線電信號偵測等。這些探測手段特性各異，在發現距離、靈敏度、能效范圍、抗惡劣氣候能力、多目標同時跟蹤能力等方面各有所長，但是單一手段均難以有效解決復雜環境下“低慢小”無人機的探測問題。
該系統利用最先進的機器學習技術和傳感器融合設計和構建無人機探測系統。該系統使用熱紅外攝像機（IRcam）和視頻相機（Vcam）作為檢測的主要光電傳感器和分類。在合作空域，系統使用ADS-B信息跟蹤飛機。音頻數據用于檢測無人機或直升機，系統使用它們各自獨特的聲音。系統所需運算資源科在單板機電腦中進行，識別模型部署采用輕量化設計，并可部署到邊緣側，便于DORI模塊集成應用
2、低空飛行器智能監測系統
目前用于“低慢小”無人機探測的手段主要有低空監視雷達、光電探測、聲學探測和無線電信號偵測等。這些探測手段特性各異，在發現距離、靈敏度、能效范圍、抗惡劣氣候能力、多目標同時跟蹤能力等方面各有所長，但是單一手段均難以有效解決復雜環境下“低慢小”無人機的探測問題。
該系統利用最先進的機器學習技術和傳感器融合設計和構建無人機探測系統。該系統使用熱紅外攝像機（IRcam）和視頻相機（Vcam）作為檢測的主要光電傳感器和分類。在合作空域，系統使用ADS-B信息跟蹤飛機。音頻數據用于檢測無人機或直升機，系統使用它們各自獨特的聲音。系統所需運算資源科在單板機電腦中進行，識別模型部署采用輕量化設計，并可部署到邊緣側，便于DORI模塊集成應用。
2、低空飛行器智能監測系統
