国核院无人机飞控平台

2025-06-13 16:57:16

行业：物联网、人工智能

载体：网站、算法模型

技术：Java、Spring Boot、Vue、MySQL

业务和功能介绍

在电力行业巡检工作中，传统人工巡检存在效率低、风险高、成本大等问题，且难以对复杂地形、高危区域进行全面检测。国核院无人机飞控平台应运而生，其业务亮点在于整合无人机机巢管理、无人机管理、AI 识别缺陷、航线管理等功能，实现巡检自动化、智能化，提高巡检效率与准确性，降低人力成本与安全风险，为电力设施安全稳定运行提供有力保障。立项旨在解决传统巡检的弊端，提升电力巡检的整体水平与质量。
（一）具体功能模块及实现功能
无人机机巢管理：实现机巢的远程监控、自动充电、维护提醒等功能，确保无人机随时处于可用状态，提高无人机的使用效率和使用寿命。
无人机管理：涵盖无人机注册、状态监测、飞行数据记录等，方便管理人员对无人机资产进行统一管理和调度，实时掌握无人机运行情况。
无人机 AI 识别缺陷：利用 AI 图像识别技术，对无人机巡检拍摄的图像进行分析，快速准确识别电力设施的缺陷，如线路破损、设备老化等，减少人工识别的误差和时间成本。
航线管理：支持航线规划、编辑、导入导出等功能，根据不同的巡检需求制定最优航线，确保巡检覆盖全面且高效。
（二）主要功能路径
用户登录系统后，可进入无人机管理模块查看无人机状态并进行调度。在航线管理模块中，根据巡检区域特点规划航线，将航线任务分配给指定无人机。无人机从机巢自动起飞执行巡检任务，飞行过程中实时回传数据至平台，机巢管理模块同步监控无人机电量、状态等信息，保障飞行安全。巡检完成后，无人机 AI 识别缺陷模块对采集的图像进行分析，生成缺陷报告，供用户查看和处理，形成完整的无人机巡检闭环管理流程。

项目实现

（一）项目角色、参与人数、开发周期及个人任务
项目团队包含项目经理 1 人、产品经理 1 人、架构师 1 人、后端开发 2 人、前端开发 2 人、测试人员 1 人，开发周期为 3 个月。
（二）技术栈、架构、实现亮点与难点
技术栈采用 Spring Boot 构建后端服务，Vue.js 开发前端页面，数据库使用 MySQL 存储业务数据，Redis 缓存热点数据。架构上采用微服务架构，将各功能模块拆分为独立服务，提高系统的可扩展性和稳定性。实现亮点在于通过 AI 算法优化图像识别精度，采用分布式任务调度实现航线高效执行；难点在于无人机与平台的实时数据传输稳定性保障，以及 AI 模型在复杂环境下的缺陷识别准确率提升，项目团队通过多次测试与优化，最终较好地解决了这些问题。

示例图片视频

广东异派源码科技有限公司惠州分公司

30天前活跃

交付率：100.00%

查看主页

相似推荐

互联网金融支付项目

1.随着电商、共享经济等新业态爆发，中小商户与个人对便捷、低成本收付款需求激增，传统银行结算流程繁琐、到账慢，第三方支付凭借轻量化、全场景适配优势，成为市场刚需，本项目旨在打造合规、高效的聚合支付系统。 2.支持微信、支付宝、云闪付等主流渠道收款，提供订单管理、自动对账、分账结算、电子发票一键开具，搭载交易风控引擎，实时拦截异常交易，同时开放 API 接口，支持商户个性化二次开发。 3.用户发起付款请求，系统跳转至聚合收银台，用户选择支付渠道完成付款，交易数据同步至风控模块核验，核验通过后资金自动清算至商户账户，同时推送交易凭证与对账报表至商户后台。

智慧金融爬虫数据采集系统

1.立项背景和目标：需要对主流金融网站上的常见金融指标数据进行分析，需要获取实时的数据做量化分析 2.软件功能、核心功能模块的介绍：(1) 爬虫任务定时执行、任务状态检测平台采用dolphinschduler开源框架 (2) 爬取数据采用request,selenium,playwright,rpa,scapy等框架（3）反爬技术框架采用js逆向、滑块验证码、图片数字验证码、ocr图片识别技术（4）数据库采用mongoldb,oracle,后端技术采用flask框架 3.业务流程、功能路径描述：爬取主流金融网站的数据、图片、excel文件、html信息，解析、提取、转换其中的数据并落入数据库中，通过接口的形式推送到业务系统做展示

消费金融项目

锦咏数据互联网信贷中台（以下简称“信贷中台”）是构建在互联网+的基础上推出的新一代信贷系统平台，为企业客户和金融机构提供全流程、模块化的综合金融科技解决方案。整个系统是集线上线下多渠道导流、智能信贷审核、智能风控引擎、完整信贷核心核算、智能催收系统为一体的综合业务解决方案，解决了传统信贷的放款速度慢、银行垄断及信用审核难等问题，使互联网、个人消费、信用认证、量化评分、快速放款高效地结合到一起。系统平台支持互联网渠道如蚂蚁集团、微众银行、众安保险、度小满金融、360数科等多个导流渠道，支撑多种金融应用场景，完美适应面向场景化消费信贷、现金分期、随借随还、小微信贷等多种金融产品。结合互联网大数据征信对接多维度数据源、个人信用认证、量化评分等，做到快速自动化审批与人工审批完美结合，从而灵活配置风控规则，运用大数据风控建模，降低风控成本，提升审批效率，减少坏账发生率。

基于大模型NLP与游资动量特征的A股智能决策系统

1、立项背景和目标散户获取股市消息面的渠道分散（新闻联播、财经频道、交易软件、财务报表等），且面对海量资讯时，人类大脑无法在盘中极短时间内完成“阅读->情绪判断->结合盘面->交易决策”的闭环。本项目旨在解决这一痛点，开发一款“全维量化监控系统”。目标是将国内顶尖短线游资（如“92科比”）的盘面量价心法（硬数据）与基于深度学习的大语言模型（LLM）新闻情感分析（软数据）相结合，实现盘中毫秒级的自动化盯盘与决策辅助。 2、软件功能、核心功能模块的介绍系统主要包含三大核心模块：高频行情嗅探模块 (Market Scanner): 绕过繁琐的全市场扫描，直连新浪财经API，实时抓取全市场“高换手率”的活跃资金流向，计算涨跌停家数与市场平均溢价，生成“游资情绪仪表盘”。量化规则引擎 (Strategy Logic): 基于短线打板心法，内置多重过滤漏斗（剔除ST/退市、锁定5-50元黄金价格带、筛选5%-25%异动换手率、大于2亿成交额的右侧上涨股），精准锁定核心龙头。 AI 舆情雷达模块 (AI News Sentiment): 针对初筛出的龙头股，自动化调用东方财富搜索接口，抓取最近7天的相关新闻。并载入本地部署的 Erlangshen/FinBERT 中文金融自然语言处理模型，对资讯标题进行语义理解，输出“利好/利空/中性”的AI判别及置信度。 3、业务流程、功能路径描述系统的业务路径为一条高度自动化的流水线：启动系统 -> 初始化本地NLP大模型 -> 触发定时扫描 -> 拉取新浪实时活跃行情 -> 执行量价策略筛出Top 5目标股 -> 对Top 5目标触发定向新闻爬虫 -> 大模型阅读新闻并打分 -> 融合行情与消息面，终端输出带表情包的可视化决策看板。

SA财富管理系统

该项目是中国民生银行自主研发运营的一套零售理财管理系统，业务主要分为对公和对私，PC端和手机端，服务范围全国28家所有民生银行的理财经、理财助理、产品经理、产品助理等。包括基本电子基金业务、利息支票业务、货币市场、基本储蓄业务、信用卡及线索营销等服务。该项目每年营业365天，每天营业24小时，通过电子邮件或免费热线，为客户提供充满活力的、全天候的客户服务支持。为用户提供客户信息的收集整理，发起线索，开展营销活动等一系列的流程。实现各级分工协作，适合每个岗位的操作权限的控制。该项目主要的模式是帮助银行工作人员收集和管理客户信息，为不同的客户群体提供各种有针对性的银行理财产品，帮助客户做出购买决定；充分挖掘潜在客户，持续追踪客户，和客户建立长期稳定的合作关系。该项目主要运用的技术包括Spring, SpringMVC, MyBatis, Struts, WebService, Ajax, Json, Jsp, jQuery, Easy-ui, E-charts等等。因为该项目是由.net升级改造为Java的一个大型项目工程，有很多业务外包给多家软件公司，跨越多个项目，分属不同领域，所以涵盖的技术也比较多和杂。主要功能模块分为：工作首页（包含各个功能模块的热点功能），工作专区（工作计划、工作日程、工作提醒），快速查询（查询客户），产品货架（储蓄、基金、债券、贵金属等），系统管理（用户信息管理、菜单设置、权限管理、系统参数配置等，此项仅管理岗可见，且根据权限大小而定），关于我们。