Auswahl & Integration von UAVs mit Infrarotkamera: OEM-Entwicklungsleitfaden

Die Integration einer ungekühlten Wärmebild-Nutzlast in ein unbemanntes Luftfahrzeug (UAV) beschränkt sich längst nicht mehr darauf, einfach einen analogen Sensor auf ein ausbalanciertes 3-Achsen-Gimbal zu setzen. Moderne autonome und halbautonome Flugplattformen erfordern kompakte Architekturen mit minimaler Latenz, die langwellige Infrarotdetektoren (LWIR), elektro-optische (EO) Taglichtsensoren und Onboard-Edge-KI-Verarbeitung (künstliche Intelligenz) in extrem engen SWaP-C-Vorgaben (Size, Weight, Power, and Cost) vereinen. Für Drohnen-OEMs, Robotik-Integratoren und Zulieferer aus dem Verteidigungssektor liegt die eigentliche Herausforderung an der Schnittstelle von optischer Physik, elektrischer Rauschisolierung, Flugsteuerungsprotokollen wie CRSF oder MAVLink und multispektralen Computer-Vision-Pipelines in Echtzeit.

Worauf es ankommt: Die Auswahl des richtigen UAV mit Infrarotkamera Setups erfordert eine kompromisslose Evaluierung von Mikrobolometer-Pixel-Pitch, thermischer Empfindlichkeit (NETD), optischen Brennweiten und Engpässen bei Hardware-Schnittstellen. Ein mangelhaft integrierter Sensor-Stack überlastet Onboard-Verarbeitungspipelines, leitet massive elektromagnetische Störungen (EMI) direkt in die Flugsteuerung ein oder verliert die Zielerfassung, sobald die Zelle durch dichten Rauch, schlechte Lichtverhältnisse oder starkes thermisches Rauschen manövriert. Dieser technische Leitfaden verzichtet auf Marketing-Floskeln und analysiert die technischen Parameter, Schnittstellenkonzepte für Flight-Stacks, Fusionsstrategien für duale Spektren sowie OEM-Hardwareoptionen für den Aufbau einsatzbereiter UAV-Plattformen.

1. Physikalische Grundlagen & Sensorarchitekturen für UAV-Infrarot-Nutzlasten

Infrarot-Nutzlasten für unbemannte Systeme arbeiten primär in zwei atmosphärischen Transmissionsfenstern: Langwelliges Infrarot (LWIR, 8 bis 14 μm) und Mittelwelliges Infrarot (MWIR, 3 bis 5 μm). Im taktischen und industriellen Segment unter 25 kg maximalem Abfluggewicht (MTOW) dominieren ungekühlte Vanadiumoxid- (VOx) und amorphe Silizium- (α-Si) Mikrobolometer-Focal-Plane-Arrays (FPAs). Der Grund: Kryogekühlte MWIR-Stirling-Kühler verursachen eine enorme Masse, hohe Leistungsaufnahme und strenge Wartungsintervalle, die sich nicht mit praxisnahen kommerziellen oder taktischen UAV-Missionsprofilen vereinbaren lassen.

Ungekühlte Mikrobolometer-Arrays absorbieren einfallende Infrarotstrahlung über mikroskopisch freitragende Stege, was den elektrischen Widerstand des Materials verändert. Diese minimale Widerstandsänderung wird durch eine Ausleseschaltung (Read-Out Integrated Circuit, ROIC) digitalisiert, die direkt unter dem Detektor-Array angebracht ist. Die resultierende Signaltreue im Labor oder im Flug wird maßgeblich durch die Dünnschichtchemie, die Pixelgeometrie und den optischen Transmissionsgrad des Frontelements bestimmt.

Mikrobolometer-Detektormaterial: VOx vs. α-Si

Bei der Spezifikation eines Wärmebild-Kerns zur Zielerfassung aus der Luft definiert das gewählte Mikrobolometermaterial den grundlegenden Signal-Rausch-Abstand:

• ⚙️ Vanadiumoxid (VOx): VOx bleibt die Benchmark für hochleistungsfähige luftgestützte Wärmebildkerne. Es bietet einen überlegenen Temperaturkoeffizienten des Widerstands (TCR) und ein wesentlich geringeres 1/f-Flicker-Rauschen. Dies führt zu nativen rauschäquivalenten Temperaturdifferenzen (NETD), die routinemäßig unter 40 mK sinken (und unter 30 mK in kontrollierten Laborumgebungen). Im Feldeinsatz behalten VOx-Detektoren klare Kontrastverläufe in Umgebungen mit geringem thermischen Delta bei, wie beispielsweise bei Such- und Rettungseinsätzen auf offener See, der Verfolgung bei bedecktem Nachthimmel und der Überwachung kontrastarmer Gelände.
• ⚙️ Amorphes Silizium (α-Si): Während α-Si-Arrays von etablierten Standard-CMOS-Halbleiterfertigungslinien und etwas geringeren Stückkosten profitieren, leiden sie unter einem erhöhten 1/f-Rauschgrund und einer geringeren thermischen Basissensitivität (typische NETD liegt zwischen 50 mK und 70 mK). Um bei großen Einsatzdistanzen verwertbare räumliche Details aus einem α-Si-Kern zu gewinnen, sind Optikingenieure gezwungen, hochlichtstarke Objektive (niedrigere Blendenzahl) einzusetzen, was die unerwünschte Germanium-Masse Ihres Schwenk-/Neige-Gimbals unmittelbar in die Höhe treibt.

Pixel-Pitch, optische Aperturen und Ground Sample Distance (GSD)

In der Praxis vollzieht die Industrie den Übergang von älteren 17-μm-Pixelarchitekturen zu modernen 12-μm-Mikrodetektoren führender Sensor-Foundries wie Teledyne DALSA Infrarot-Detektoren. Die Reduzierung des Pixel-Pitch auf 12 μm verringert die physische Grundfläche des Focal-Plane-Arrays bei gleicher Auflösung (z. B. 640 × 512). Dadurch können Objektiventwickler kleinere, leichtere Germanium- oder Chalkogenidglas-Elemente verwenden, ohne das winkelbezogene Sichtfeld einzuschränken – was das Rotationsträgheitsmoment des Gimbals sowie die Motorleistungsaufnahme drastisch senkt.

Um zu berechnen, ob Ihre Kamera-Nutzlast Ziele in der operativen Dienstgipfelhöhe tatsächlich auflösen kann, nutzen Sie die Formel für das momentane Sichtfeld (Instantaneous Field of View, IFOV):

IFOV (mrad) = [ Pixel-Pitch (p in μm) / Brennweite (f in mm) ]

Beispiel: Ein 12-μm-Detektor (0,012 mm) in Kombination mit einem thermischen 9,1-mm-Objektiv ergibt ein IFOV von ca. 1,318 Milliradiant. Bei einem Inspektionsflug in 100 Metern Höhe über Grund (AGL) entspricht dies einer Bodenauflösung (Ground Sample Distance, GSD) von etwa 13,2 cm pro Pixel. Nach den klassischen Johnson-Kriterien für thermische Zielerfassung sind mindestens 6 bis 8 zusammenhängende Pixel über die Silhouette einer Person oder eines Fahrzeugs erforderlich, um eine zuverlässige KI-Klassifizierung zu gewährleisten. Ist die GSD zu grob, liefern die Onboard-Convolutional-Neural-Networks kontinuierlich Fehlalarme.

Thermaloptik: Germanium vs. Chalkogenidglas

Standard-Kronglas ist für LWIR-Photonen zwischen 8 und 14 μm vollkommen undurchlässig. Thermische Nutzlasten für Luftfahrzeuge setzen daher auf spezielle transmissive Substrate:

• ⚙️ Monokristallines Germanium (Ge): Germanium zeichnet sich durch einen außergewöhnlich hohen Brechungsindex (nahe 4,0) aus, was die Konstruktion kompakter, flacher Mehrelementobjektive mit präziser Korrektur sphärischer Aberrationen ermöglicht. Der Haken? Germanium ist schwer, teuer und anfällig für thermische Defokussierung sowie Transmissionsabfall (Thermal Runaway), sobald die internen Elementtemperaturen 60°C übersteigen.
• ⚙️ Chalkogenidglas-Legierungen: Chalkogenid-Verbindungen (wie GASIR) bieten eine Glasoption mit geringerer Dichte, die sich präzise in komplexe asphärische Profile formen lässt. Noch wichtiger ist, dass Chalkogenid-Optiken ein überlegenes passives Athermalisierungsverhalten über weite Betriebstemperaturbereiche (-20°C bis +60°C) aufweisen und so ein Abdriften der Fokusebene verhindern, wenn ein Fluggerät rasch in eisige Flughöhen aufsteigt.

2. Dual-Spektrum-Fusion, Optik & Edge-Compute-Architekturen

Reine Wärmebildtechnik eignet sich hervorragend zur Erkennung thermischer Signaturen bei völliger Dunkelheit oder leichtem Staub, liefert jedoch weder Farbinformationen noch Oberflächentexturen oder feine Beschriftungen. Dual-Spektrum-Systeme lösen dies, indem sie einen hochauflösenden elektro-optischen (EO) CMOS-Taglichtsensor mit einem LWIR-Mikrobolometer auf einer synchronisierten Recheneinheit koppeln.

Bildfusionsmodi und Bild-in-Bild (PIP)

Die Ausrichtung von Taglicht- und Wärmebild-Videoströmen auf einer schnellen Drohnenplattform ohne störende Parallaxe oder zeitliche Verzögerung erfordert eine präzise algorithmische Registrierung. Dual-Spektrum-UAV-Prozessoren realisieren dies in der Praxis über drei primäre Verarbeitungspipelines:

• ✅ Dynamisches Picture-in-Picture (PIP) Inset: Der primäre Weitwinkel-Sichtbildkanal enthält ein anpassbares Inset-Fenster, das den Wärmebildkanal anzeigt (oder umgekehrt). Dies ermöglicht es einem Bediener oder Flugcomputer, den breiten Lagekontext zu überwachen, während Wärmesignaturen von Zielen direkt im Fadenkreuzzentrum erfasst werden.
• ✅ Dynamische Kantenüberblendung (Alpha-Fusion): Räumliche Hochpass-Kantenerkennungsoperatoren (wie Sobel- oder Laplace-Kernel) extrahieren hochfrequente Strukturgrenzen aus dem visuellen 1080p-Stream und überlagern sie direkt auf das 640 × 512 Falschfarben-Wärmebild. Sie erhalten scharfe Strukturdefinitionen – wie Fahrzeugtürspalte, Fensterrahmen, Zaunlinien und Fahrbahnmarkierungen –, die direkt über den thermischen Gradienten dargestellt werden.
• ✅ Thermische Salienz-Hervorhebung: Die integrierte KI-Engine führt eine Schwellenwertanalyse im Hintergrund des Wärmebild-Feeds durch. Wenn ein Ziel einen festgelegten Temperaturschwellenwert oder ein neuronales Klassifizierungskonfidenzniveau überschreitet, blendet das System gut sichtbare Tracking-Bounding-Boxes direkt in das HD-Sichtbild ein.

Edge-KI-Inferenz vs. Auslagerung an die Bodenstation

Die herkömmliche Methode der UAV-Videoanalyse bestand darin, komprimiertes Video über eine Funkstrecke (COFDM, Wi-Fi oder proprietäre digitale Datenlinks) an einen Bodenstations-Laptop mit Objekterkennungssoftware zu übertragen. Im realen taktischen Einsatz stößt diese Architektur schnell an ihre Grenzen: Die Übertragungslatenz steigt auf 200–400 ms, Kompressionsartefakte zerstören Kantengradienten, und bereits geringe Funkstörungen oder Mehrwegeausbreitung führen zum Verlust der Zielverfolgung.

Moderne Architekturen führen neuronale Inferenzen direkt am Edge der Nutzlast aus. Eingebettete Neural Processing Units (NPUs) mit 4 bis 6 TOPS verarbeiten unkomprimiertes MIPI-CSI2-Video mit minimaler Latenz direkt aus dem Sensor-ROIC. Durch die Onboard-Frame-by-Frame-Inferenz sinkt die Verarbeitungslatenz auf bis zu 8 ms. Das Modul berechnet Bounding Boxes, Geschwindigkeitsvektoren sowie Zielschwerpunkte lokal und übergibt kompakte serielle Koordinatentelemetrie direkt an Autopiloten mit Open-Source-Stacks, gesteuert über QGroundControl.

3. Elektrische, mechanische & Flugprotokoll-Schnittstellen (ArduPilot / BetaFlight)

In der Integrationspraxis lassen sich Probleme fast immer auf drei Ursachen zurückführen: instabile Versorgungsspannungen, hochfrequente Vibrationen der Zelle und gestörte serielle Kommunikationsleitungen. Leistungsstarke elektronische Drehzahlregler (ESCs) und digitale Videosender (VTX) mit mehreren Watt Sendeleistung erzeugen raue elektromagnetische Bedingungen, welche die Auslesestabilität des Mikrobolometers beeinträchtigen, wenn an der Entkopplung gespart wird.

Flight-Controller-Telemetrie & Protokollschnittstellen

Moderne flugtaugliche KI-Tracking-Module kommunizieren über dedizierte serielle UART-Busse direkt mit Flight-Controller-Hardware unter ArduPilot, PX4, BetaFlight oder INAV:

• ⚙️ CRSF (Crossfire-Protokoll): Der Standard für agile Multirotoren, taktische Abfangdrohnen und abgeleitete Hochgeschwindigkeits-FPV-Plattformen. CRSF nutzt bidirektionale serielle Kommunikation über Standard-Logikpegel-UARTs mit 416.666 Baud. Der KI-Kamerakern dekodiert Piloten-Schaltbefehle (Fadenkreuzsperre, Tracking-Modus-Umschaltung, optische Stream-Umschaltung) und schreibt Echtzeit-Zielverfolgungsstatus sowie Bounding-Box-Koordinaten direkt in den OSD-Telemetriestream des Flight Controllers.
• ⚙️ MAVLink-Protokoll: Das Enterprise-Arbeitspferd für Starrflügler, Kartierungs- und Schwerlast-Multicopter. Die Tracking-Nutzlast generiert TARGET_ABSOLUTE oder VISION_POSITION_ESTIMATE MAVLink-Pakete, die es dem Autopiloten ermöglichen, vollautonome Closed-Loop-Flugmanöver wie automatisierte Zielumkreisung, Vorhaltewinkel-Verfolgung und geführte visuelle Anflüge auszuführen.

Stromversorgungsfilterung und Erdungsregeln

Mikrobolometer und Hochgeschwindigkeits-NPUs erfordern eine extrem saubere Gleichspannungsversorgung. Schwankt die Versorgungsspannung bei abrupten Gasstößen der Motoren, entstehen im Wärmebild horizontale Streifenmuster (Banding-Rauschen) und die Sensorkalibrierung driftet ab. Beachten Sie folgende praxiserprobte Regeln:

• ⚙️ Dedizierte DC-DC-Step-Down-Regelung: Betreiben Sie einen KI-Wärmebildkern niemals direkt an den rohen Anschlüssen der Antriebs-LiPo-Batterie. Implementieren Sie einen isolierten, gefilterten Step-Down-Schaltregler, der eine präzise geregelte 9V- bis 16V-Gleichspannungsschiene mit einer Ausgangswelligkeit von unter 50 mV Spitze-Spitze unter Volllast bereitstellt.
• ⚙️ TVS-Transientenunterdrückung: Aktives regeneratives Motorbremsen (Damped Light) speist massive induktive Spannungsspitzen in den Haupt-DC-Bus zurück. Löten Sie eine Transient-Voltage-Suppression-Diode (TVS) mit hoher Joule-Zahl zusammen mit Low-ESR-Festkörper-Elektrolytkondensatoren am Stromeingang der Nutzlast ein, um gefährliche Spannungstransienten zu klemmen.
• ⚙️ Sternmasse-Architektur: Verbinden Sie die Masseleitungen von KI-Nutzlast, Flight Controller und Videosender an einem einzigen gemeinsamen Sternpunkt-Massebezug. Erdschleifen zwischen Videosignalen und Flight Controllern verursachen wandernde 50/60-Hz-Brummstreifen bei analogen Feeds und induzieren Takt-Jitter auf digitalen Hochgeschwindigkeitsleitungen.

Mechanische Dämpfung & Wärmeableitung

Motorunwuchten und der Propeller-Abwind erzeugen hochfrequente Strukturschwingungen (typischerweise im Bereich von 100 Hz bis 400 Hz), die mikrophonische Resonanzen an den empfindlichen Mikrobolometer-Membranen auslösen können. Entkoppeln Sie die Kamerahalterungen mit Silikon- oder Fluorsilikondämpfern einer Härte von 40 bis 50 Shore A. Hinsichtlich des Wärmemanagements erzeugt ein Onboard-Prozessor mit 6 TOPS beim Multi-Target-Tracking erhebliche Abwärme. Stellen Sie sicher, dass das Nutzlastgehäuse oder das Drohnengehäuse den Luftstrom des Propellerabwinds gezielt über das Aluminium-Kühlkörpergehäuse leitet, um thermisches Throttling bei längeren Schwebeflügen zu verhindern.

4. Detaillierter OEM-Hardware-Showcase: Edge-KI-Wärmebildmodule

Für Systemintegratoren, die maßgeschneiderte UAV-Plattformen mit Dual-Spektrum- oder optischem Taglicht-Tracking entwickeln, bieten diese schlüsselfertigen Edge-Compute-Kameranutzlasten zuverlässige Drop-in-Funktionalität und geprüfte Kompatibilität mit gängigen Flight-Stacks.

TM02-SOLO T: 6-TOPS-UAV-KI-Tracking-Modul mit 640-Thermalkamera

Die TM02-SOLO T ist eine integrierte Dual-Spektrum-Edge-AI-Tracking-Plattform, die speziell für Drohnen-OEMs, taktische Flugzeugzellen und Robotik-Integratoren entwickelt wurde. Sie kombiniert einen sichtbaren 1080p-CMOS-Sensor mit 120 Hz und eine ungekühlte 640 × 512 VOx-Langwellen-Infrarotkamera, gesteuert durch eine dedizierte 6-TOPS-Edge-Compute-Engine.

Entwickelt für Einsatzbereiche von vollem Tageslicht über beeinträchtigte Sichtverhältnisse und 0-Lux-Nachteinsätze bis hin zu kontrastarmen thermischen Hintergründen, übernimmt das TM02-SOLO T die gesamte rechenintensive Computer-Vision-Verarbeitung direkt an Bord des Fluggeräts. Sein heterogener 6-TOPS-Prozessor (mit Quad-Core Arm Cortex-A76 bei 2,4 GHz und Cortex-A55 bei 1,8 GHz) verfolgt bis zu 120 Zielspuren gleichzeitig. Zu den Tracking-Funktionen gehören Fadenkreuz-Locking, Close-to-Lock, Routen-Pre-Mapping und die Wiedererfassung verlorener Ziele bei relativen Zielgeschwindigkeiten von bis zu 450 km/h.

Produktdetails & Preise anzeigen ➔

TC01-HD: Kompaktes 4-TOPS-UAV-KI-Tracking-Modul mit HD-Kamera

Die TC01-HD ist ein ultrakompaktes visuelles Tracking-Modul, das für Mikrodrohnen, leichte Schwenk-/Neigebaugruppen und Robotikplattformen mit begrenztem Bauraum und strikten Gewichtsvorgaben entwickelt wurde.

Untergebracht auf einer 38 × 38 mm großen Platine mit einem Standard-Montageraster von 25,5 mm, kombiniert das TC01-HD eine integrierte 4-TOPS-NPU mit einem 1/1,8-Zoll-CMOS-Sensor, der eine Auflösung von 2160 × 1440 bei 60 Hz liefert. Das Modul übernimmt die bordseitige Personen- und Fahrzeugklassifizierung, Multi-Ziel-Tracking für bis zu 60 Ziele, Bild-in-Bild-Feeds (PIP) sowie die direkte Integration von CRSF-Flight-Controllern.

Produktdetails & Preise anzeigen ➔

5. Technische Vergleichsmatrix: KI-Wärmebild- & Tagsicht-Tracking-Kerne

Bei der Auswahl der Payload-Elektronik müssen Entwicklungsteams Rechenleistung, optische Spektralanforderungen, Platinengröße und Protokollintegration gegeneinander abwägen. Für eine umfassendere RFQ-Vorbereitung lesen Sie unsere detaillierte OEM-RFQ-Checkliste für Wärmebildkamera-Lieferanten.

Die nachfolgende Vergleichsmatrix schlüsselt die operativen Kompromisse zwischen Dual-Spektrum-Tracking-Einheiten, HD-Sichtfeld-Tracking-Engines und miniaturisierten Mikrokernen auf, wie beispielsweise dem TC160-NF 160×120 LWIR-Wärmebildmodul.

6. Schritt-für-Schritt-Workflow für OEM-Integration & Bodentests

Ein disziplinierter Hardware-Integrationsablauf spart wochenlange Fehlersuche am Prüfstand und verhindert Ausfälle direkt an der Flight-Line. Befolgen Sie diese fünfphasige Engineering-Checkliste:

Phase 1: Mechanische Entkopplung und thermische Auslegung

Fräsen oder 3D-drucken Sie Ihre Montagehalterung aus CNC-gefrästem 6061-T6-Aluminium oder endlos kohlenstofffaserverstärktem Nylon. Befestigen Sie das Modul mit M2- oder M3-Schrauben, gedämpft durch Silikon-Isolationsringe mit einer Härte von 45 Durometer, um Motorvibrationen zwischen 150 Hz und 350 Hz zu filtern. Stellen Sie sicher, dass sich der Kühlkörper des Moduls sowohl beim Schweben als auch bei Hochgeschwindigkeits-Vorwärtsflügen direkt im Rotorabwind befindet.

Phase 2: Kabelbaumverlegung und Oszilloskop-Überprüfung der Versorgungsschienen

Verwenden Sie einen verdrillten, geschirmten Kabelbaum, der hochfrequente MIPI-, HDMI- und serielle Leitungen physisch von den Hochstrom-ESC-Batterieleitungen trennt. Versorgen Sie das System auf dem Prüfstand über ein Labor-Gleichstromnetzteil und führen Sie Vollgas-Schubtests auf einem Prüfstand durch. Schließen Sie ein Oszilloskop an die 9–16-V-Payload-Schiene an, um sicherzustellen, dass Schaltstörungen und Gegen-EMK-Welligkeit der Motoren bei schnellen Beschleunigungs- und Bremsvorgängen strikt unter 50 mV Spitze-Spitze bleiben.

Phase 3: Autopilot-Konfiguration und serielle Protokollbindung

Führen Sie die seriellen TX/RX-Leitungen des Tracking-Moduls zu einem freien Hardware-UART Ihres Flight-Controllers (z. B. UART3 auf einem ArduPilot H7- oder BetaFlight F722-Stack). Konfigurieren Sie den Port für CRSF-Telemetrie mit 416.666 Baud. Belegen Sie in Ihrem Fernsteuerungskonfigurator die Hilfsschalter mit den Payload-Steuerungsmodi: Konfigurieren Sie einen 3-Stufen-Schalter für Tracking Aus / Fadenkreuz-Lock / Multi-Ziel-Auto-Track und einen zweiten Schalter für das Routing der Anzeige Visible / Thermal / Dynamic PIP.

Phase 4: Optischer Parallaxenabgleich (Boresighting)

Da das Objektiv des sichtbaren Sensors (8,45 mm) und das des Wärmebildsensors (9,1 mm) bei Dual-Spektrum-Modulen einige Zentimeter voneinander entfernt liegen, tritt im Nahbereich eine physische Parallaxe auf. Platzieren Sie ein kontrastreiches, beheiztes Fadenkreuz-Kalibrierziel in einem exakten Abstand von 50 Metern. Nutzen Sie das Kalibrierprogramm des Moduls, um die digitalen X/Y-Ausrichtungsoffsets feinjustieren zu können, bis das sichtbare Fadenkreuz und die thermischen Tracking-Marker perfekt konvergieren.

Phase 5: Dynamisches Bodentracking & Flugbereichsverifizierung

Führen Sie gründliche Bodentests zur Spurerhaltung durch, bevor Sie die Propeller montieren. Bewegen Sie Testfahrzeuge und Personen mit unterschiedlichen Winkelgeschwindigkeiten durch das Sichtfeld, um die Bounding-Box-Stabilität und Edge-Konfidenz zu verifizieren. Testen Sie den Algorithmus zur Wiedererfassung verlorener Ziele, indem Sie Personen hinter Bäume oder Fahrzeuge treten lassen. Nach erfolgreichen Bodentests führen Sie Belastungstests im Flugbereich durch – mit maximalen Nick- und Roll-Winkelgeschwindigkeiten, um sicherzustellen, dass High-G-Manöver keine optische Desynchronisation oder serielle Kommunikationsabbrüche verursachen.

7. Missionsprofile, taktischer Einsatz & Anwendungsfälle im Feld

Ein mit bordseitiger Dual-Spektrum-KI-Vision ausgestattetes UAV verschafft Einsatzkräften bei kritischen Missionsprofilen einen enormen Vorteil:

Taktische ISR und Perimeter-Interzeption

Beim Grenzschutz und bei der Perimetersicherung nutzen Eindringlinge regelmäßig Dunkelheit, dichte Bodenstrukturen oder Tarnung, um sichtbaren Kameras zu entgehen. Eine in 100 Metern AGL patrouillierende Dual-Spektrum-Drohne nutzt ihren 640 × 512 LWIR-Kern, um menschliche Wärmesignaturen auf 170 Meter und Fahrzeugwärmesignaturen auf 400 Meter zu erkennen. Sobald die Edge-AI-Engine das Ziel erfasst hat, verfolgt sie schnelle Bewegungen bis zu 450 km/h und überträgt Echtzeit-Koordinatenvektoren direkt an die Bodenteams. Einsatzkräfte, die mit multispektralen Handgeräten wie dem handgehaltenen Dual-Light-Fusion-Wärmebildbeobachter der URA-Z-Serieausgestattet sind, können Luftkoordinaten nahtlos mit Bodenperspektiven abgleichen, um gezielte Zugriffsmaßnahmen zu koordinieren.

PV-Großanlagen & Stromnetzprüfung

Gewerbliche Photovoltaik-Großanlagen erstrecken sich über hunderte Hektar, auf denen defekte Zellen, ausgefallene Bypass-Dioden und Sub-String-Kurzschlüsse destruktive lokale Hotspots verursachen. Der Einsatz einer Dual-Spektrum-Drohne ermöglicht es dem Piloten, den sichtbaren 1080p-Kanal für einen sicheren Hindernisabstand und die Modulbeschriftung zu nutzen, während der Wärmebildkern thermische Anomalien über ganze Strings hinweg aufdeckt. Das Edge-AI-Auto-Tracking hält die Paneele automatisch im Bildzentrum zentriert, was die Inspektionsflugzeiten im Vergleich zur manuellen Steuerung um mehr als 60 % verkürzt.

Such- und Rettungseinsätze in unwegsamem Gelände (SAR)

Bei Such- und Rettungseinsätzen im Gebirge oder unwegsamem Gelände können menschliche Wärmesignaturen durch sonnenaufgeheizte Felswände oder dichten Baumbestand leicht überdeckt werden. Der Dual-Spektrum-Verarbeitungskern führt eine dynamische Kantenspektrum-Fusion durch und blendet scharfe Geländekonturen sowie Pfadverläufe aus dem sichtbaren Kanal direkt in die Wärmebildebene ein. Sobald eine menschliche Wärmesignatur auf einer Lichtung auftaucht, aktiviert die KI-Tracking-Engine ihren Close-to-Lock-Tracking-Modus und hält das Suchziel unabhängig von Gierbewegungen oder Turbulenzen des Fluggeräts stets in der Bildmitte.

8. Umfassende technische FAQ

9. OEM-RFQ-Checkliste & Beschaffungsspezifikationen

Um die technische Bearbeitungszeit zu verkürzen und kostspielige Abweichungen beim Leistungsumfang während der Angebotsprüfung zu vermeiden, stellen Sie sicher, dass Ihr Entwicklungsteam vor dem Einreichen einer Angebotsanfrage (RFQ) diese Kernparameter spezifiziert:

1. Zielplattform & Flight-Stack-Architektur

• ⚙️ Fluggeräte-Kategorie: Multirotor, Starrflügler mit Druck-/Zugpropeller, taktisches VTOL oder bodengestützte Robotikplattform.
• ⚙️ Flight Controller & Firmware: ArduPilot (Firmware-Release), BetaFlight (Target/Release), PX4 oder proprietäre Autopilot-Hardware.
• ⚙️ Telemetrie-Bus: CRSF seriell UART, MAVLink seriell, S.Bus oder Ethernet/IP-Telemetrie.

2. Anforderungen an optische und thermische Sensoren

• ⚙️ Spektralkanal: Dual-Spektrum (EO + LWIR) oder einkanalig thermisch/visuell.
• ⚙️ Thermische Auflösung: 640 × 512 (z. B. TM02-SOLO T) vs. 160 × 120 (z. B. TC160-NF) vs. spezialisierte Sensorformate.
• ⚙️ Optisches Sichtfeld (FOV): Engwinkel-/Tele-Stand-off-Optik vs. Weitwinkel-Szenenabdeckung (z. B. TC01-HD 109° HFOV).
• ⚙️ Radiometrische Anforderung: Relatives Kontrast-Tracking vs. werkskalibrierte absolute radiometrische Temperaturausgabe.

3. Onboard-Verarbeitung & Telemetrie-Schnittstellen

• ⚙️ NPU-Rechenleistung: 4 TOPS vs. 6 TOPS Onboard-Edge-KI-Inferenz.
• ⚙️ Zielklassifizierungsklassen: Person, Fahrzeug, Schiff oder benutzerdefinierte, kundenseitig trainierte neuronale Netzgewichte.
• ⚙️ Videoschnittstelle: Raw MIPI-CSI2, Micro-HDMI, analoges CVBS (NTSC/PAL) oder komprimiertes H.264/H.265-RTSP über IP.

4. Elektrik, Mechanik & Lieferumfang

• ⚙️ Eingangsspannungsbeschränkungen: Geregelter 9–16-V-DC-Bus vs. anwendungsspezifisch geregelte Versorgungsschiene.
• ⚙️ Mechanischer Bauraum: Maximales Lochbild (42,5 mm vs. 25,5 mm) und Obergrenze für das Gimbal-Nutzlastgewicht.
• ⚙️ Beschaffungsumfang: Ungehäuster Platinenstapel (Board-Level), integrierte Sensor-/Objektivbaugruppen, kundenspezifische Kabelbäume oder versiegelte, robuste Module.