低空慢小目标的监测与防范主要面临的技术挑战包括：无人机、鸟类、车辆、船只、人员等目标种类繁多特征各异，对目标特征提取的智能化水平低，导致检测与识别精度低；目标所处环境背景复杂，单一传感器检测能力有限，但多源异构传感器融合理论与技术在目标监测应用中尚不成熟；目标处于动态飞行之中，多种传感器融合出处理对系统的信号处理实时性要求非常高，且系统需要考虑传感器容错。

采用机器学习和传感器融合设计了一套多传感器探测系统。除了最为常见的视频和音频传感器外，还包括了热红外相机。结果表明：利用红外传感器是探测无人机任务的可行解决方案，即使在分辨率较低的情况下，性能也能够达到与视频传感器一样的效果。采用传感器融合的方法，系统比独立传感器的鲁棒性更好、输出结果更稳定。

该产品采用当前前沿先进（SOTA）和AI目标检测模型，进一步提升性能和灵活性，同时具备快速、准确且易于使用，使其成为各种物体检测与跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。该产品采用多传感器融合的技术，设计开发出一套基于机器学习的低空慢小目标探测和识别DOIR系统或模块，该产品集成和融合了视频、热红外相机和音频等传感器，系统比单独传感器鲁棒性更强，输出结果更加稳定，误检率大大减少。测试训练样本视频数据集，包含无人机、鸟类、飞机和直升机的650个带注释的红外和可见视频信息与包含无人机、直升机和背景的音频数据集。（支持用户数据定制化学习）

主要应用场景：

1、探驱一体化鸟情管理系统

 基于DORI可以定制具有人工智能的鸟类检测和驱赶系统，主要实现了一下主要功能：

（1）该系统使用机器学习和神经网络不断提高其检测能力，采用高级分类器和大型数据库来实现其性能。

（2）该系统使用先进的摄像头配置与人工智能相结合来识别鸟类。它可以区分鸟类，人类和其他物体。

（3）该系统可获得鸟类活动的客观和量化数据，旨在为鸟类防治问题提供最佳解决方案，并生成富有洞察力的报告。

2、低空飞行器智能监测系统

目前用于“低慢小”无人机探测的手段主要有低空监视雷达、光电探测、声学探测和无线电信号侦测等。这些探测手段特性各异，在发现距离、灵敏度、能效范围、抗恶劣气候能力、多目标同时跟踪能力等方面各有所长，但是单一手段均难以有效解决复杂环境下“低慢小”无人机的探测问题。

该系统利用最先进的机器学习技术和传感器融合设计和构建无人机探测系统。该系统使用热红外摄像机（IRcam）和视频相机（Vcam）作为检测的主要光电传感器和分类。在合作空域，系统使用ADS-B信息跟踪飞机。音频数据用于检测无人机或直升机，系统使用它们各自独特的声音。系统所需运算资源科在单板机电脑中进行，识别模型部署采用轻量化设计，并可部署到边缘侧，便于DORI模块集成应用

2、低空飞行器智能监测系统

目前用于“低慢小”无人机探测的手段主要有低空监视雷达、光电探测、声学探测和无线电信号侦测等。这些探测手段特性各异，在发现距离、灵敏度、能效范围、抗恶劣气候能力、多目标同时跟踪能力等方面各有所长，但是单一手段均难以有效解决复杂环境下“低慢小”无人机的探测问题。

该系统利用最先进的机器学习技术和传感器融合设计和构建无人机探测系统。该系统使用热红外摄像机（IRcam）和视频相机（Vcam）作为检测的主要光电传感器和分类。在合作空域，系统使用ADS-B信息跟踪飞机。音频数据用于检测无人机或直升机，系统使用它们各自独特的声音。系统所需运算资源科在单板机电脑中进行，识别模型部署采用轻量化设计，并可部署到边缘侧，便于DORI模块集成应用。