
无人机+大数据,飞向产业新蓝海
航拍、植保、巡检、测绘……这几年,无人机应用越来越广泛,无人机产业已处于新经济的重要风口,每年应用市场增长率超过50%。盐城无人机行业2011年起步,2015至2017年进入快速发展阶段,目前无人机拥有量约8000架,其中用于航拍6000架,用于消防等行业约1000架,其余主要服务农业植保。作为新兴产业,无人机如何整合行业资源,“飞”入新蓝海?近日召开的盐城市无人机行业应用研讨会上,行业“大咖”纷纷支招。
“无人机-遥控器”,
实现全自主飞行
“2015年,我带着无人机第一次去稻田主飞。5000亩地,四个人面对面站在田埂上,手举小旗,无人机从田这头飞到田那头,每过10多分钟就要换一次电池,特别累人。”说起传统无人机的痛点,盐城本土第一家无人机生产企业、江苏艾格信航空科技有限公司总经理陈晓峰感触颇深。由于飞行器续航时间短,每飞一段,无人机就得降落换电池。“记得一次巡检1600公里长的公路,我们多飞几倍的路程,‘飞跑’四架无人机。”
传统无人机的瓶颈远不止于这些。在极飞地理负责人游春成看来,传统无人机需通过飞手控制,而培养一名专业飞手要3个月;无人机如果要去基站覆盖不到的地方,工作人员必须扛着移动基站到处跑,工作效率低;由GPS定位的传统无人机,坐标误差为5米左右,很难说得上精准……无人机高效智能化应用,还存在很大提升空间。
“常见的无人机都有遥控器,遥控器依赖人来操作,时间一长,飞手就会疲劳。如今,我们引入RTK技术,并在全国布点固定基站,有望攻克这一难题。”其实,游春成所说的RTK技术,是测绘行业已沿用十几年的成熟技术,极飞只是做了一项跨界融合,将原来GPS米级的定位精度,精准到RTK的厘米级。技术的融合,也让飞手放下遥控器,只需在平台上设计飞行线路,便可实现无人机的全自主飞行,甚至还能“聪明”地避开电线杆等障碍物。告别遥控器,无人机飞行误差小了,应用效率高了。同时,智能飞行不需要专业飞手,人员培训仅需3天,更能实现一人同时操作3架无人机,大大解放了劳动力,降低成本。
去年,全国已有4000架无人机“告别”遥控器,实现精准飞行,成为智慧农业的高效助手,其中江苏约300架,盐城有40多架。
“无人机+农业”,
“加”入精细化产业链
“农业大市要成为农业强市,就不能满足于人工+机械化,而要考虑做好‘无人机+’文章,向精准农业发力。”游春成认为,无人机+农业,本土化非常重要。“江苏农业专家到新疆去,未必能种出好的水稻来。因为对农业来说,本土人更懂环境。而且农业是微利行业,无人机服务一亩地,利润只有几元、几角,甚至是几分钱,从成本上考量,无人机不便‘飞出去’做农业植保。”
“农业对无人机行业来说仍有广阔市场。我不建议大家自立门户,因为成本代价非常高。本土企业只要真正沉淀下来,结合当地农业特色、资源优势,同样能在产业链中找到一条适合自己的路,在本土站稳脚跟。”北京中斗科技股份有限公司副总裁李娜建议。
研讨会现场许多专家认为,参与到农业领域的本土无人机企业,最好能把眼光放到耕种管收烘销各个环节,走专业路,做精细化,这样就不愁没市场。“专业化的关键是人才。无人机科技的注入,能够让年轻人感觉农业不再‘苦、脏、累’,从而吸引更多的有志青年。”
“如今,植保、测绘、安防、警备、电力巡检等很多领域都离不开无人机,但对地区来说,发展无人机行业还要注意避免同质化竞争。”苏州中桐创业投资有限公司创始合伙人施登岭坦言,江苏涉足无人机行业的企业不少,未来要实现更好发展,就必须整合好行业资源,政府要引导企业对市场进行细分、错位发展,这样无人机才能“飞”得更远。
“无人机×数据”,
让数据越飞越大
一张航拍测绘图,表面看不出什么,但如果关联到大数据,传统航拍的价值就变得不可估量。无人机是数据采集的利器,在数据获取方面优势明显,而“飞出来的数据”得以应用,并转化成服务,其价值才会无限放大。
“不应把无人机仅作为一个‘会飞行’的工具,其更大作用是在数据的应用中。”游春成举例说,农业保险定损时,以往都是由人拿着测损仪器去受灾地测量,但许多时候,人进不了受灾地块,最终只能由农户自行上报受损情况,这样得到的数据很难客观。现在许多保险公司更喜欢用无人机来获得更精准的受灾数据。无人机作为获得大数据的一个有效工具,不仅为测损提供有效的解决途径,而且在政府部门诸多宏观调控上,给出十分“得力”的参考。
“无人机和大数据,是天然的搭档。”近年来,国家对大数据和人工智能的重视程度不断提高,而无人机则引发空中的大数据革命。盐城在无人机研发、应用、培训上优势突出,同时又拥有省内第一家大数据产业专门园区,得天独厚的大数据行业资源,为打造江苏“无人机+大数据”高地创造出有利条件。
“当下,无人机应用的浪潮已经来临。”陈晓峰坚信,未来大数据很可能是由最先进的采集工具和人工智能来完成,无人机作为一个技术成熟、性能稳定的工具,服务越来越智能、高效、精准,而当无人机与物联网、与农业有效融合时,无疑将带来数据采集及应用的巨大突破。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15