行业领域

新一代信息技术产业,民用航空,生成式人工智能,人工智能

需求背景

传统路面巡检主要依赖人工徒步排查与车载检测车两种模式，存在三重核心痛点：一是安全风险突出，高速公路人工巡检需占道作业，作业人员暴露于高速车流中，事故隐患大；山区临崖、急弯路段人工巡检通行难度高、坠落风险大。二是效率与精度失衡，人工徒步巡检日均仅能覆盖 5-10 公里，且依赖人员经验，毫米级早期裂缝漏检率高，病害量化主观性强，难以支撑预防性养护决策；车载检测车购置与运营成本高昂，对交通通行存在干扰，且农村公路、窄幅路段无法抵达，存在大量养护盲区。三是周期性覆盖不足，全省路网规模大、分布散，传统模式难以实现高频次全覆盖巡检，病害发现滞后，易导致小病害演变为结构性损坏，大幅提升全生命周期养护成本。

无人机低空巡检技术凭借机动灵活、非接触、全域覆盖、多源感知的技术优势，已成为路面养护智能化升级的核心路径。无人机无需占道封路，不影响正常交通，单架无人机单日可覆盖 80 公里以上路面，作业效率较人工提升 10 倍以上，结合 AI 智能识别技术可实现早期病害的精准量化。在此背景下，开展路面低空巡检技术研究与系统开发，构建适配湖南山区、丘陵地域特征的无人机智慧巡检体系，是落实行业政策要求、破解路面养护痛点、提升路网安全保障能力的迫切需求，对推动全省公路养护数字化转型具有重要的工程应用价值。

需解决的主要技术难题

1、长距离带状路网的高精度导航与连续作业技术：公路路面呈线性带状分布，单段里程可达数十公里，山区路段、林荫路段普遍存在卫星信号遮挡，难以保障病害桩号定位精度；单架无人机续航有限，长距离连续巡检需解决多段航线衔接、多机协同调度问题。

2、复杂干扰下路面病害智能识别与标准化量化技术：路面病害类型多、尺度差异大，从毫米级微裂缝到平方米级坑槽均需检测；同时现场存在光照阴影、路面水渍、油污、行车标线等复杂干扰，易造成病害误判漏判；且检测结果需匹配行业养护标准，支撑路面性能指数自动评定。需构建覆盖多等级公路、多场景的路面病害样本数据集，优化小样本、强干扰下的深度学习识别算法，实现病害类型精准分类与尺寸、面积高精度量化，自动输出符合规范的路面损坏状况评定结果。

3、运营公路低空巡检的安全作业管控技术：运营公路车流密集、路侧障碍物（线缆、标识牌、行道树）分布复杂，无人机低空作业存在碰撞、坠落风险，可能干扰正常交通；高速公路车速快，山区公路弯急坡陡，进一步加大了安全管控难度。需攻克路侧多维度障碍物智能感知与动态避让技术，优化低高度安全飞行控制策略，建立故障应急处置与迫降选址机制，形成运营公路巡检安全管控体系，确保作业全程不影响公路通行安全。

期望实现的主要技术目标

1、构建全自主路面低空巡检系统开发集航线智能规划、自主起降作业、多源感知避障、数据自动回传于一体的路面无人机巡检系统，覆盖高速公路、国省干线、农村公路等全等级公路场景。系统单日连续巡检里程可达 80 公里以上，作业效率较传统人工徒步巡检提升 10 倍以上，全程无需占道封路，不影响公路正常运营。

2、实现路面病害高精度智能检测与评定建立包含 8 类以上典型路面病害的标准化样本库，AI 病害识别准确率不低于 95%，裂缝宽度检测误差≤0.1mm，坑槽、沉陷等病害面积检测误差≤5%；系统可自动计算路面损坏状况指数（PCI）。

3、形成复杂场景常态化作业能力攻克弱卫星信号环境下的高精度导航技术，林荫、山区路段桩号定位误差控制在米级以内；系统可适应 5 级风、轻度雾霾等常见气象条件，具备路侧障碍物动态避让能力，满足湖南山区、丘陵地区公路的常态化巡检需求。