ZT-39V无人机整体方案特点和优势

        飞行平台模块化设计，无需工具快装快卸，起飞准备速度快

全机所有连接均设有快速锁定机构，无需任何工具，徒手可快速完成整机装配，机械连接完成的同时自动完成电气连接。从开箱到组装完成可在10分钟内完成。运输箱可作为组装台使用，组装后飞机直接从运输箱上起飞。 

、

续航时间长，携带体积小

采用大展弦比机翼、高升力翼型、低风阻机身等高效气动设计， 使得整机升阻比较高，结合高能量密度电池和优秀的重油动力系统，使得最大航时在同级别、同类型无人机中处于先进水平。最大航时可达8小时;一架无人机、一组备用电池、一台充电器和一台充电器直流电源、一个备用零件包都可以放入一个1.5M x 0.6M x 0.7M的运输箱内。

载荷重量大，兼容多种载荷

得益于出色的结构设计和先进复合材料结构，结构重量低，最大可用有效任务载荷重量可达10kg，兼容正射相机、倾斜相机、激光雷达、光电吊舱、高光谱成像等多种载荷。

航电高度集成化，四合一模块，体积小，重量轻，无电磁兼容问题

四合一模块集成了三余度飞控、差分定位模块、100km图数一体化数据链、AI人工智能模块，总体积为147mm x 114mm x 33mm，总重量仅有335g，同时原模块间通信走线都在PCB板内部，彻底解决了电磁兼容性问题。

   采用三余度飞控，多个传感器互相独立工作，互为备份，稳定可靠

专为复合翼无人机打造的三冗余度自动驾驶仪，采用三个高性能传感器，三个传感器独立工作，飞控收到各传感器的测量数据后，进行判断、筛选和融合。

差分双天线定向，强磁场干扰的环境下，仍可以保持正确航向

双天线差分定向是利用无人机机载端的高精度GNSS接收机，能接收地面端基准站上传的载波相位观测量实时联合解算，求得地面端基准站和天空端流动站基线。双天线差分流动站由天线和流动站两部分组成，天线是用来接收卫星信号的设备，天线收到的GNSS信号通过射频馈线给到流动站。流动站根据接收到的GNSS信息进行定位，同时使用收到的来自基准站的修正数据进行误差改正，获得精确的定位结果。使用两个天线计算无人机航向从而时刻给无人机提供无人机航向信息。

     跳频抗干扰数据链，支持有楼或山遮挡环境下的中继传输100km

图像下行链路采用的频段为1430MHz～1444MHz，数据上行链路采用的频段为：840.5MHz～845MHz，符合工信部规定。无人机可确保100km的上下行数据链路传输稳定：

产品使用数据链中继技术，在有遮挡（如高楼、山）的情况下，可将数据链中继端放置在高点，解决遮挡问题，真正实现在实战中100km传输。产品采用了当前最新通信技术中的OFDM技术有效提升了带宽的利用效率。产品支持通过选频和跳频技术规避干扰，并通过重传控制ARQ抵抗误码，采用双天线收发，通过天线分集提高系统可靠性。

采用H.265和OFDM技术，实时传输1080P高清视频，质量高，延时低

使用新一代的H.265编码，其压缩率在100倍以上，传输相同大小的1080P分辨率视频所需的无线通信带宽也大大降低，在较低带宽的情况下，仍能够保证视频质量，结合OFDM及跳频技术，能够实现远到100Km的1080P视频实时回传，端到端（含编解码）延时小于300ms。

专为固定翼设计的三轴机械增稳吊舱，30倍变焦画面稳定，无像旋无黑边

专为固定翼设计的三轴吊舱，球形和45度设计有效降低风阻，三轴增稳有效解决两轴吊舱上的像旋问题，优秀的算法和结构设计，高速巡航模式下增稳精度可达0.01度。

300米高度拍摄画面兼具“全局视野”和“丰富细节”

吊舱可引导飞机改变轨迹跟飞动目标，跟飞操作简单方便

吊舱可反馈自身的姿态信息、目标位置信息给飞控，用户可以通过控制吊舱图像改变飞机的飞行轨迹，跟飞操作简单。

机载AI，智能识别人、车等特定目标，支持多个目标的智能识别

基于无人机影像的智能分析系统结构如上图所示。无人机实时影像从吊舱直接输入到机载端，不需要返回服务器处理，直接在机载端实时进行处理和分析，完成识别特定目标的检测，并将识别统计的结果直接叠加到视频上，发回上级指挥中心，进行进一步确认与记录。

支持实时统计识别目标数量，生成目标密度热力图，并支持扩展数据集识别

系统采用deep learning卷积神经网络技术，对视频图像提取特征，并判断相应目标类别。同时采用了多线程的处理方法，最大化合理分配机载端运算资源，将图像预处理的工作分配到多个线程当中，缩短视频图像单帧进入神经网络的准备（预处理）时间，从而提高整体识别系统对视频流的处理效率，该套系统的核心优势在于并发的多线程处理机制，提高了的系统对无人机视频流的处理效率，实现了针对小目标的快速实时的检测效果，为执法人员提供做流畅清楚的识别结果。

基于深度学习智能识别不同种类目标，识别准确度高，克服不同自然天气状况。采用的人工神经网络模型，在提高准确率的同时，降低运算量，达到实时区分不同类别，并使用不同的框颜色予以区分。支持多线程，充分利用机载计算机多核运算性能，将运算密集型，与交互密集型的任务有机结合，合理分配不同识别任务之间的协同动作，以达到对视频中同一画面的内容进行多角度同时识别的效果。