ZT-39V無人機整體方案特點和優(yōu)勢

        飛行平臺模塊化設計，無需工具快裝快卸，起飛準備速度快

全機所有連接均設有快速鎖定機構，無需任何工具，徒手可快速完成整機裝配，機械連接完成的同時自動完成電氣連接。從開箱到組裝完成可在10分鐘內完成。運輸箱可作為組裝臺使用，組裝后飛機直接從運輸箱上起飛。 

、

續(xù)航時間長，攜帶體積小

采用大展弦比機翼、高升力翼型、低風阻機身等高效氣動設計， 使得整機升阻比較高，結合高能量密度電池和優(yōu)秀的重油動力系統(tǒng)，使得最大航時在同級別、同類型無人機中處于先進水平。最大航時可達8小時;一架無人機、一組備用電池、一臺充電器和一臺充電器直流電源、一個備用零件包都可以放入一個1.5M x 0.6M x 0.7M的運輸箱內。

載荷重量大，兼容多種載荷

得益于出色的結構設計和先進復合材料結構，結構重量低，最大可用有效任務載荷重量可達10kg，兼容正射相機、傾斜相機、激光雷達、光電吊艙、高光譜成像等多種載荷。

航電高度集成化，四合一模塊，體積小，重量輕，無電磁兼容問題

四合一模塊集成了三余度飛控、差分定位模塊、100km圖數(shù)一體化數(shù)據(jù)鏈、AI人工智能模塊，總體積為147mm x 114mm x 33mm，總重量僅有335g，同時原模塊間通信走線都在PCB板內部，徹底解決了電磁兼容性問題。

   采用三余度飛控，多個傳感器互相獨立工作，互為備份，穩(wěn)定可靠

專為復合翼無人機打造的三冗余度自動駕駛儀，采用三個高性能傳感器，三個傳感器獨立工作，飛控收到各傳感器的測量數(shù)據(jù)后，進行判斷、篩選和融合。

差分雙天線定向，強磁場干擾的環(huán)境下，仍可以保持正確航向

雙天線差分定向是利用無人機機載端的高精度GNSS接收機，能接收地面端基準站上傳的載波相位觀測量實時聯(lián)合解算，求得地面端基準站和天空端流動站基線。雙天線差分流動站由天線和流動站兩部分組成，天線是用來接收衛(wèi)星信號的設備，天線收到的GNSS信號通過射頻饋線給到流動站。流動站根據(jù)接收到的GNSS信息進行定位，同時使用收到的來自基準站的修正數(shù)據(jù)進行誤差改正，獲得精確的定位結果。使用兩個天線計算無人機航向從而時刻給無人機提供無人機航向信息。

     跳頻抗干擾數(shù)據(jù)鏈，支持有樓或山遮擋環(huán)境下的中繼傳輸100km

圖像下行鏈路采用的頻段為1430MHz～1444MHz，數(shù)據(jù)上行鏈路采用的頻段為：840.5MHz～845MHz，符合工信部規(guī)定。無人機可確保100km的上下行數(shù)據(jù)鏈路傳輸穩(wěn)定：

產品使用數(shù)據(jù)鏈中繼技術，在有遮擋（如高樓、山）的情況下，可將數(shù)據(jù)鏈中繼端放置在高點，解決遮擋問題，真正實現(xiàn)在實戰(zhàn)中100km傳輸。產品采用了當前最新通信技術中的OFDM技術有效提升了帶寬的利用效率。產品支持通過選頻和跳頻技術規(guī)避干擾，并通過重傳控制ARQ抵抗誤碼，采用雙天線收發(fā)，通過天線分集提高系統(tǒng)可靠性。

采用H.265和OFDM技術，實時傳輸1080P高清視頻，質量高，延時低

使用新一代的H.265編碼，其壓縮率在100倍以上，傳輸相同大小的1080P分辨率視頻所需的無線通信帶寬也大大降低，在較低帶寬的情況下，仍能夠保證視頻質量，結合OFDM及跳頻技術，能夠實現(xiàn)遠到100Km的1080P視頻實時回傳，端到端（含編解碼）延時小于300ms。

專為固定翼設計的三軸機械增穩(wěn)吊艙，30倍變焦畫面穩(wěn)定，無像旋無黑邊

專為固定翼設計的三軸吊艙，球形和45度設計有效降低風阻，三軸增穩(wěn)有效解決兩軸吊艙上的像旋問題，優(yōu)秀的算法和結構設計，高速巡航模式下增穩(wěn)精度可達0.01度。

300米高度拍攝畫面兼具“全局視野”和“豐富細節(jié)”

吊艙可引導飛機改變軌跡跟飛動目標，跟飛操作簡單方便

吊艙可反饋自身的姿態(tài)信息、目標位置信息給飛控，用戶可以通過控制吊艙圖像改變飛機的飛行軌跡，跟飛操作簡單。

機載AI，智能識別人、車等特定目標，支持多個目標的智能識別

基于無人機影像的智能分析系統(tǒng)結構如上圖所示。無人機實時影像從吊艙直接輸入到機載端，不需要返回服務器處理，直接在機載端實時進行處理和分析，完成識別特定目標的檢測，并將識別統(tǒng)計的結果直接疊加到視頻上，發(fā)回上級指揮中心，進行進一步確認與記錄。

支持實時統(tǒng)計識別目標數(shù)量，生成目標密度熱力圖，并支持擴展數(shù)據(jù)集識別

系統(tǒng)采用deep learning卷積神經(jīng)網(wǎng)絡技術，對視頻圖像提取特征，并判斷相應目標類別。同時采用了多線程的處理方法，最大化合理分配機載端運算資源，將圖像預處理的工作分配到多個線程當中，縮短視頻圖像單幀進入神經(jīng)網(wǎng)絡的準備（預處理）時間，從而提高整體識別系統(tǒng)對視頻流的處理效率，該套系統(tǒng)的核心優(yōu)勢在于并發(fā)的多線程處理機制，提高了的系統(tǒng)對無人機視頻流的處理效率，實現(xiàn)了針對小目標的快速實時的檢測效果，為執(zhí)法人員提供做流暢清楚的識別結果。

基于深度學習智能識別不同種類目標，識別準確度高，克服不同自然天氣狀況。采用的人工神經(jīng)網(wǎng)絡模型，在提高準確率的同時，降低運算量，達到實時區(qū)分不同類別，并使用不同的框顏色予以區(qū)分。支持多線程，充分利用機載計算機多核運算性能，將運算密集型，與交互密集型的任務有機結合，合理分配不同識別任務之間的協(xié)同動作，以達到對視頻中同一畫面的內容進行多角度同時識別的效果。