Termowizyjne moduły podczerwieni do UAV: przewodnik inżynieryjny po integracji OEM i Edge AI

Projektowanie wysoce niezawodnych lotniczych modułów wizyjnych (payload) wymaga wyważenia trudnych kompromisów inżynieryjnych między czułością termiczną, surową mocą obliczeniową, ograniczeniami wagowymi aerodynamiki a opóźnieniami sterowania w czasie rzeczywistym. Nowoczesne autonomiczne płatowce odchodzą od pasywnych sensorów obrazowania, które jedynie przesyłają skompresowane wideo do stacji naziemnej. W praktyce producenci OEM i integratorzy bezzałogowych statków powietrznych (UAV) montują obecnie zunifikowane stosy brzegowej sztucznej inteligencji (edge AI) dla pasma termicznego i elektrooptycznego (EO), które wykonują wnioskowanie sieci neuronowych bezpośrednio na pokładzie platformy.

Niezależnie od tego, czy budujesz wielowirnikowiec do ochrony obwodowej w przemyśle, długodystansowy płatowiec do inspekcji rurociągów, czy zwrotny interceptor taktyczny, integracja podsystemu termowizyjnego UAV wymaga zdyscyplinowanej inżynierii systemowej. Nie wystarczy po prostu przykręcić rdzenia termowizyjnego do ramy, poprowadzić standardowych kompozytowych linii wideo i liczyć na stabilne śledzenie. Każdy miliwolt tętnień napięcia, punkt przegrzania na płycie nośnej i milisekundowe opóźnienie komunikacyjne wpłyną negatywnie na realizację misji.

Sprawa wygląda tak: surowe łącza wideo w dół (downlink) są z natury podatne na zakłócenia radiowe (RF), zaniki sygnału i niedopuszczalne opóźnienia. Przeniesienie wnioskowania głębokiego uczenia bezpośrednio na fizyczny stos obliczeniowy drona sprawia, że platforma nieustannie śledzi, klasyfikuje i steruje napędami gimbala, nawet jeśli łącze telemetryczne całkowicie zaniknie. Niniejszy przewodnik szczegółowo omawia fizykę sensorów, sprzęt obliczeniowy edge AI, protokoły kontrolerów lotu, strategie zarządzania temperaturą oraz procedury walidacji od stanowiska testowego po lot dla platform o krytycznym znaczeniu misji.

1. Fizyka sensorów podczerwieni i EO: ładunki LWIR vs. światła widzialnego w UAV

Wybór lotniczego rdzenia obrazującego rozpoczyna się od dopasowania pasma widmowego do profilu operacyjnego lotu. Moduły wizyjne operują głównie w dwóch zakresach: długofalowej podczerwieni (LWIR, 8–14 µm) oraz w widmie widzialnym/bliskiej podczerwieni (400–1000 nm). Każde pasmo charakteryzuje się odmiennymi właściwościami fizycznymi, wymaganiami dotyczącymi produkcji optyki oraz zapotrzebowaniem na moc obliczeniową.

Widmo widzialne opiera się całkowicie na fotonach światła otoczenia odbijających się od powierzchni fizycznych. Widzialne sensory CMOS zapewniają gęste siatki pikseli (takie jak rozdzielczość 1080p, 2K lub 4K), co czyni je naturalnym wyborem do identyfikacji pęknięć strukturalnych, optycznego rozpoznawania znaków (OCR) na numerach ogonowych oraz dziennej klasyfikacji cech obiektów. Wada? Kamery światła widzialnego szybko tracą skuteczność w warunkach słabego oświetlenia, deszczu, gęstej mgły, zadymienia lub przy pracy pod silne światło słoneczne o wysokim kontraście.

Sensory LWIR wykrywają pasywne promieniowanie termiczne ciała doskonale czarnego, emitowane bezpośrednio przez materię o temperaturze powyżej zera absolutnego, zgodnie z prawem Plancka. Ponieważ rdzenie LWIR odczytują emitowane ciepło zamiast światła odbitego, podsystem termowizyjny UAV działa w całkowitej ciemności, przenikając przez kamuflaż, cienie, rzadkie korony drzew i zamglenie przemysłowe. Pokładowy detektor termiczny natychmiast wyodrębnia gorące obiekty — takie jak ludzie, pracujące silniki spalinowe, przegrzewające się transformatory czy diody bocznikujące paneli fotowoltaicznych — na chłodnym tle otoczenia.

Niechłodzone mikrobolometry a matryce sensorów światła widzialnego

W przypadku platform lotniczych, gdzie gramy i miliampery decydują o czasie lotu, standardowym wyborem są niechłodzone detektory termiczne. Chłodzone kamery termowizyjne wymagają kriogenicznych chłodziarek Stirlinga pracujących w temperaturach ciekłego azotu (77 K). Zapewniają one niesamowitą czułość, ale wiążą się z ogromną masą, poborem mocy od 10 do 30 watów oraz koniecznością regularnych przeglądów serwisowych. Niechłodzone mikrobolometry pracują w temperaturze otoczenia, redukując rozmiar, masę, pobór mocy i koszt (SWaP-C), zapewniając jednocześnie wysoką niezawodność w terenie.

• ⚙️ Mikrobolometry z tlenkiem wanadu (VOx): W nowoczesnych głowicach termowizyjnych preferowane są cienkowarstwowe rezystory VOx względem krzemu amorficznego (a-Si) dzięki ich wyższemu temperaturowemu współczynnikowi rezystancji (TCR) i znacznie niższemu poziomowi szumów 1/f. Dobierając rdzeń do swojego ładunku użytecznego, należy ocenić następujące kluczowe parametry:
  • ⚙️ Równoważna szumowi różnica temperatur (NETD): Mierzony w milikelwinach (mK) parametr NETD określa czułość termiczną. Wartość poniżej 40 mK lub poniżej 30 mK oznacza, że sensor rejestruje ułamkowe różnice temperatur w pochmurne dni lub podczas zjawiska thermal crossover, gdy temperatura celu i tła otoczenia się zrównują.
  • ⚙️ Rozmiar piksela: Detektory termowizyjne przeszły z architektury pikseli 17 µm na 12 µm i 8 µm. Zmniejszenie rozmiaru piksela pozwala projektantom optyki na konstruowanie mniejszych i lżejszych soczewek germanowych dla docelowej ogniskowej, obniżając całkowitą masę ładunku na gimbalu.
  • ⚙️ Korekcja niejednorodności (NUC): Wahania temperatury poszycia statku powietrznego powodują dryf przestrzenny w matrycy mikrobolometrycznej. Aby utrzymać jednolity sygnał radiometryczny, rdzenie termowizyjne wykorzystują wewnętrzne mechaniczne przesłony (migawki) lub zaawansowane algorytmy kalibracji bezmigawkowej uruchamiane na procesorze hosta.
• ⚙️ Sensory CMOS światła widzialnego do pracy w słabym oświetleniu: Jako uzupełnienie rdzeni termowizyjnych, nowoczesne sensory CMOS 1/1,8 cala z tylnym podświetleniem (BSI) zapewniają częstotliwość odświeżania od 60 Hz do 120 Hz przy czułości w słabym oświetleniu do 0,001 luksa. Te sensory światła widzialnego rejestrują krawędzie strukturalne o wysokiej częstotliwości, oznaczenia tekstowe oraz geometrię przestrzenną, których sensory termowizyjne nie są w stanie rozróżnić.

Transmisja optyczna i obudowa mechaniczna

Standardowe szkło optyczne typu crown całkowicie blokuje promieniowanie długofalowej podczerwieni. Optyka podczerwieni do UAV wymaga specjalistycznych materiałów krystalicznych, takich jak german (Ge), szkło chalkogenkowe lub krzem (Si), chronionych powłokami przeciwodblaskowymi typu DLC (Diamond-Like Carbon). German zapewnia wysoką transmisję optyczną w paśmie 8–14 µm, ale charakteryzuje się dużą gęstością fizyczną i znacznym dryfem temperaturowym współczynnika załamania światła. Oznacza to, że tubus obiektywu musi zawierać pasywną atermalizację mechaniczną, aby utrzymać ostrość płaszczyzny ogniskowej w zakresie od -20°C do +60°C.

Głowice dwusensoryczne łączą szerokokątny sensor światła widzialnego z rdzeniem termowizyjnym, wykorzystując tryby obrazu w obrazie (PIP) lub fuzję pikseli w czasie rzeczywistym. Aby zobaczyć, jak te dwupasmowe konfiguracje sprawdzają się w nowoczesnych płatowcach komercyjnych, zapoznaj się z naszą praktyczną analizą implementacji kamer termowizyjnych w dronach.

2. Pokładowe przetwarzanie brzegowe: potoki Edge AI od 4 TOPS do 6 TOPS

Tradycyjnie lotnicze moduły wizyjne przesyłały analogowe wideo kompozytowe lub strumień cyfrowy przez łącze radiowe (RF) do naziemnej stacji kontroli (GCS), gdzie serwery naziemne przetwarzały algorytmy śledzenia wizyjnego. W rzeczywistych operacjach łącza radiowe wprowadzają od 100 ms do 300 ms opóźnienia transmisji, rozmycia spowodowane kompresją cyfrową oraz całkowitą utratę śledzenia podczas zaniku bezpośredniej widoczności (LOS) lub zakłóceń elektromagnetycznych. Uruchamianie modeli głębokiego uczenia bezpośrednio na pokładowym stosie obliczeniowym eliminuje te problemy.

Pokładowy proces przetwarzania wizyjnego pobiera surowe cyfrowe klatki wideo przez szybkie interfejsy MIPI-CSI2 lub DVP, przekazuje je do zintegrowanego procesora sygnałowego obrazu (ISP) w celu sprzętowego debayeryzowania i normalizacji radiometrycznej, a następnie przesyła bufory pamięci do wbudowanej jednostki NPU (Neural Processing Unit). NPU wylicza ramki ograniczające (bounding boxes), poziom pewności klasyfikacji oraz współrzędne środka ciężkości obiektu (centroid), wysyłając polecenia sterujące o niskim opóźnieniu do kontrolera lotu lub sterowników silników gimbala za pośrednictwem lokalnej magistrali szeregowej.

Dobór mocy obliczeniowej: TOPS, precyzja i przepustowość modeli

Sprzęt obliczeniowy edge AI jest klasyfikowany według gęstości obliczeniowej w teraoperacjach na sekundę (TOPS), operując z precyzją INT8 lub FP16:

• ⚙️ Stosy przetwarzania 4 TOPS: Silnik przetwarzania 4 TOPS INT8 zapewnia wydajną równowagę między bilansem termicznym (pobór mocy od 3 do 5 W pod pełnym obciążeniem) a szybką inferencją na potrzeby detekcji obiektów w wysokiej rozdzielczości z pojedynczego strumienia. Wykonując skwantyzowane splotowe sieci neuronowe (takie jak YOLOv8n, MobileNet-SSD lub lekkie transformery typu anchor-free), procesor 4 TOPS przetwarza strumienie wideo 1080p lub 2160×1440 z szybkością od 30 do 60 klatek na sekundę. Ta klasa przetwarzania zapewnia opóźnienie od obiektywu do inferencji (glass-to-inference) poniżej 30 ms i śledzi do 60 celów jednocześnie.
• ⚙️ Wielordzeniowe stosy przetwarzania 6 TOPS: W przypadku szybkich płatowców, dronów przechwytujących i dynamicznych scen wizyjnych z wieloma celami, węzeł przetwarzania 6 TOPS oferuje heterogeniczną moc wielordzeniową (np. dwa rdzenie Arm Cortex-A76 sparowane z czterema rdzeniami Cortex-A55 i NPU 6 TOPS). Ten sprzęt obsługuje sygnały wejściowe o wysokim klatkażu (np. 1080p @ 120 Hz) z czasami inferencji sięgającymi zaledwie 8 ms. Płyty te śledzą do 120 aktywnych obiektów, realizując jednocześnie kinematyczne odzyskiwanie utraconego celu i estymację przepływu optycznego. Wbudowane architektury widzenia przestrzennego, takie jak systemy wyróżniane przez Luxonis, pokazują, jak ścisła integracja sygnałów z sensorów z lokalnymi akceleratorami Edge AI maksymalizuje responsywność systemu.

Tryby śledzenia i blokady celu

Nowoczesne silniki śledzenia edge AI wykonują deterministyczne algorytmy śledzenia przestrzennego bezpośrednio w krzemie:

• ✅ Blokada celownikiem (Reticle Locking): Operator wskazuje cel za pomocą krzyża celowniczego w GCS, a procesor dopasowuje niezmiennicze względem skali cechy w kolejnych klatkach za pomocą filtrów korelacyjnych.
• ✅ Blokada najbliższego celu (Close-to-Lock): Detektor AI skanuje pole widzenia pod kątem sklasyfikowanych kategorii (ludzie, pojazdy, jednostki pływające) i automatycznie blokuje się na celu znajdującym się najbliżej osi optycznej.
• ✅ Odzyskiwanie utraconego celu i ekstrapolacja kinematyczna: Gdy śledzony pojazd lub osoba znika za budynkami, drzewami lub ukształtowaniem terenu, wbudowany filtr Kalmana dokonuje projekcji wektorów prędkości, aby utrzymać przewidywaną ramkę otaczającą (bounding box), natychmiast odzyskując śledzenie, gdy cel pojawi się ponownie.

3. Integracja z kontrolerem lotu: CRSF, MAVLink i sterowanie o niskim opóźnieniu

Moduł wizyjny edge AI musi komunikować się bezpośrednio z autopilotem drona, aby sterować osiami gimbala lub zadawać autonomiczne trajektorie śledzenia dla płatowca. Ustanowienie deterministycznego łącza komunikacyjnego o wysokiej przepływności (baud rate) między modułem wizyjnym a kontrolerem lotu jest kluczowe dla stabilnej pracy w zamkniętej pętli sterowania.

System łączy moduł edge AI z kontrolerem lotu za pośrednictwem dedykowanego portu szeregowego UART. Procesor wizyjny śledzi cel, oblicza wektory błędu pikselowego względem środka optycznego i przekazuje polecenia prędkościowe do autopilota. Kontroler lotu steruje silnikami gimbala (pan-tilt) przez magistrale PWM, CAN lub szeregowe porty UART, przesyłając jednocześnie telemetrię i nakładki wideo do nadajnika wideo.

Porównanie protokołów: CRSF vs. MAVLink vs. S.Bus

• ⚙️ CRSF (Crossfire Protocol): Opracowany pierwotnie dla łączy RC o niskim opóźnieniu, protokół CRSF stał się standardowym rozwiązaniem w bezpośrednich pętlach śledzenia edge-vision. Pracując z prędkościami transmisji od 115,2 kb/s do 416,6 kb/s przy użyciu lekkiego, dwukierunkowego ramkowania, CRSF umożliwia silnikowi śledzenia AI bezpośrednie wprowadzanie korekt błędu śledzenia do nadpisań kanałów autopilota. Oprogramowanie lotu, takie jak BetaFlight lub PX4 Autopilot / ArduPilot przetwarza strumienie CRSF z minimalnym obciążeniem procesora, osiągając częstotliwości aktualizacji przekraczające 150 Hz.
• ⚙️ MAVLink (Micro Air Vehicle Link): W przypadku ładunków użytecznych dla przemysłu i sektora obronnego protokół MAVLink v2, działający przez szybki interfejs UART lub Ethernet, zapewnia ustrukturyzowaną wymianę komunikatów. MAVLink obsługuje projekcję geolokalizacji GPS celu (poprzez fuzję danych o orientacji przestrzennej drona, wysokości barometrycznej, odległości z dalmierza laserowego i kątach gimbala), monitorowanie stanu systemu, polecenia zoomu optycznego oraz ustandaryzowane pakiety sterowania gimbalem.
• ⚙️ S.Bus: Chociaż magistrala S.Bus pozostaje powszechna w starszym sprzęcie gimbali, jej jednokierunkowa konstrukcja i stały, odwrócony format szeregowy 100 kbps ograniczają elastyczność w dynamicznych, dwukierunkowych procesach śledzenia AI.

Dynamika pętli sterowania i koordynacja gimbala

Podczas śledzenia celu procesor edge AI oblicza poziomy i pionowy błąd pikselowy względem środka optycznego:

Error_X = X_target – X_center
Error_Y = Y_target – Y_center

Procesor brzegowy przekazuje te wartości uchybu pikselowego do wewnętrznej pętli PID (proporcjonalno-całkująco-różniczkującej). Algorytm PID przekształca przesunięcia pikselowe na polecenia prędkości kątowej (stopnie na sekundę). Polecenia te są przesyłane do kontrolera gimbala lub autopilota z częstotliwością od 50 Hz do 120 Hz, stale kompensując drgania płatowca, uskoki wiatru i ruch celu, aby utrzymać obiekt dokładnie w centrum kadru.

4. Optymalizacja SWaP-C i inżynieria tłumienia drgań

Montaż wydajnych procesorów edge AI obok czułych sensorów termicznych i optycznych wewnątrz kompaktowych płatowców stwarza realne wyzwania w zakresie SWaP-C (rozmiar, masa, pobór mocy i koszt). Inżynierowie muszą kontrolować zarówno rozpraszanie ciepła, jak i wibracje płatowca, aby chronić osiowanie optyczne i utrzymać stałą stabilność obliczeniową.

W konstrukcji mechanicznej rdzeń optyczny jest montowany na sztywnej płycie bazowej (boresight plate), ciepło z procesora odprowadzane jest przez miedziane warstwy termiczne do obudowy z aluminium obrabianego CNC, a cały moduł jest izolowany od ramy płatowca za pomocą dostrojonych tłumików silikonowych.

Odprowadzanie ciepła w zamkniętych płatowcach

Moduł edge AI pobierający od 4 do 10 W wewnątrz szczelnego kadłuba z włókna węglowego powoduje szybkie nagrzewanie wnętrza. Przy wysokich temperaturach otoczenia (+35°C do +45°C) temperatury złączowe procesorów NPU i CPU mogą przekroczyć bezpieczne limity operacyjne (85°C do 105°C), wywołując dławienie termiczne (thermal throttling), które obniża liczbę klatek na sekundę i zrywa pętle śledzenia.

• ⚙️ Chłodzenie przewodzeniowe: Utwórz bezpośrednie ścieżki przewodzenia ciepła z układu SoC AI i układów scalonych zarządzania zasilaniem (PMIC) przy użyciu zmiennofazowych materiałów termoprzewodzących (TIM) lub termopadów o wysokiej przewodności (6 do 12 W/m-K), połączonych z aluminiową obudową modułu.
• ⚙️ Konwekcyjny przepływ powietrza: W płatowcach lub wielowirnikowcach w locie postępowym zintegruj aerodynamiczne wloty NACA w poszyciu płatowca. Skieruj napływające powietrze spiętrzone na zewnętrzne żebra radiatora, aby utrzymać stabilną równowagę termiczną podczas długich lotów.

Rezonans mechaniczny i tłumienie drgań

Układy napędowe dronów generują złożone, wieloosiowe widma drgań. Harmoniczne silnika o wysokiej częstotliwości (od 100 Hz do 500 Hz) w połączeniu z niskoczęstotliwościowym strumieniem zaśmigłowym (od 15 Hz do 50 Hz) wprowadzają szumy mechaniczne do rdzeni optycznych:

• ⚙️ Widoczne artefakty Rolling Shutter: Wibracje o wysokiej częstotliwości przenoszą się bezpośrednio na sensory CMOS, powodując efekt „jello” migawki rolującej (rolling shutter), który zniekształca klatki obrazu i zakłóca śledzenie cech przez AI.
• ⚙️ Integralność strukturalna mikrobolometru: Chociaż niechłodzone mikrobolometry nie są podatne na artefakty rolling shutter, długotrwałe wibracje mogą prowadzić do zmęczenia połączeń drutowych detektora i rozregulowania mechanicznych przesłon NUC.
• ⚙️ Dostrojone mocowania wibroizolacyjne: Zamontuj ładunek użyteczny przy użyciu silikonowych wibroizolatorów o twardości 40–60 w skali Shore'a lub kompaktowych izolatorów linkowych (wire-rope). Utrzymuj częstotliwość rezonansu własnego układu izolacji poniżej 15 Hz, aby odsprzęgnąć harmoniczne silników i śmigieł od optyki.

5. Porównanie sprzętu i komercyjne moduły wizyjne Edge AI

Wybór sprzętu Edge AI wymaga dopasowania masy ładunku użytecznego, optycznego pola widzenia, gęstości obliczeniowej oraz protokołów szeregowych do specyfikacji płatowca. Pozyskując rdzenie wizyjne do konstrukcji niestandardowych, zapoznaj się z naszą kompleksową listą kontrolną zapytania ofertowego (RFQ) dla OEM kamer termowizyjnych aby ustalić rygorystyczne specyfikacje elektryczne i mechaniczne przed ostatecznym zatwierdzeniem projektu.

Poniższe porównanie przedstawia dwa moduły śledzące Edge AI klasy produkcyjnej, stworzone do bezpośredniej integracji z komercyjnymi, przemysłowymi i obronnymi bezzałogowymi statkami powietrznymi (UAV).

W przypadku specjalistycznych ładunków użytecznych integrujących celowniki termowizyjne dalekiego zasięgu, lornetki dwuspektralne lub wytrzymałe urządzenia ręczne, zapoznaj się z naszym szerszym katalogiem urządzeń do obserwacji terenowej.

6. Integracja OEM krok po kroku i protokół walidacji w locie

Integracja inteligentnego modułu termowizyjnego lub szybkiego rdzenia śledzącego EO wymaga ustrukturyzowanego protokołu walidacji – od testów laboratoryjnych po testy w locie – w celu ochrony wrażliwej elektroniki, weryfikacji integralności sygnału i potwierdzenia stabilności śledzenia.

Wykonaj poniższe cztery fazy testów przed dopuszczeniem ładunku wizyjnego do autonomicznych operacji lotniczych:

Faza 1: Izolacja elektryczna i kondycjonowanie szyn zasilania

• ⚙️ Tłumienie napięć przejściowych: Nigdy nie zasilaj płytek obliczeniowych edge bezpośrednio z niebuforowanych akumulatorów napędowych LiPo/Li-Ion. Aktywne hamowanie rekuperacyjne z elektronicznych regulatorów prędkości (ESC) wprowadza do głównej szyny DC indukcyjne skoki napięcia SEM wstecznej przekraczające 40 V. Zawsze instaluj dedykowaną, wysoce wydajną przetwornicę obniżającą napięcie DC-DC (buck), zapewniającą czyste, stabilizowane zasilanie 9–16 V DC z tętnieniem międzyszczytowym poniżej 50 mV.
• ⚙️ Topologia połączeń masy w gwiazdę: Poprowadź przewody zasilania i masy w ścisłej topologii gwiazdy. Połącz masę sensora kamery, masę modułu obliczeniowego AI, masę kontrolera lotu oraz masę nadajnika wideo w jednym fizycznym węźle, aby zapobiec powstawaniu prądów pętli masy wprowadzających szumy do linii danych wideo MIPI lub szeregowych strumieni telemetrycznych.

Faza 2: Symulacja Hardware-in-the-Loop (HIL) i mapowanie telemetrii

• ⚙️ Dopasowanie poziomów logicznych UART / CRSF: Potwierdź zgodność poziomów napięć logicznych (3,3 V TTL vs. piny tolerujące 5 V) oraz prędkości transmisji (baud rate) między modułem AI a portem UART kontrolera lotu. Przypisz przełączniki pomocnicze (AUX) nadajnika RC do obsługi akwizycji celu, przełączania blokady śledzenia, trybów PIP oraz ręcznego sterowania gimbalem.
• ⚙️ Benchmarking opóźnienia od sensora do aktuatora (Glass-to-Actuation): Zmierz całkowity czas reakcji systemu na stanowisku testowym. Skieruj sensor wizyjny na milisekundowy licznik LED, rejestrując ruch silnika gimbala za pomocą kamery high-speed. Upewnij się, że całkowite opóźnienie — obejmujące ekspozycję optyczną, inferencję NPU, transmisję szeregową oraz wysterowanie pętli PID gimbala — pozostaje znacznie poniżej 50 ms.

Faza 3: Walidacja statycznego ciągu silnika i EMI

• ⚙️ Pomiary widma częstotliwości radiowych EMC / EMI: Zamocuj w pełni zmontowanego drona na statycznym stanowisku do testów ciągu. Przeprowadź stopniowe testy przepustnicy od 0% do 100% ciągu, monitorując stosunek nośnej do szumu GPS (CNR / SNR) oraz jakość cyfrowego łącza wideo. Upewnij się, że wysokie częstotliwości przełączania NPU oraz magistrale pamięci DDR nie emitują zakłóceń elektromagnetycznych do anten nawigacyjnych.
• ⚙️ Test wygrzewania w komorze termicznej: Uruchom stos wizyjny w trybie ciągłego śledzenia wielu celów na 45 minut w niewentylowanej komorze w temperaturze +40°C. Upewnij się, że temperatury złączowe SoC i NPU stabilizują się poniżej 80°C bez thermal throttlingu ani gubienia klatek.

Faza 4: Kontrolowane próby w locie i weryfikacja obwiedni śledzenia

• ⚙️ Weryfikacja bezpiecznego dystansu operacyjnego optyki (Standoff): Wykonaj loty testowe na wysokościach 50 m, 150 m, 300 m i 500 m nad poziomem gruntu (AGL). Udokumentuj skuteczność akwizycji celów w przypadku osób i pojazdów przy różnych kątach podejścia, zakłóceniach tła (clutter) i kątach padania promieni słonecznych.
• ⚙️ Testy odporności na okluzję (przesłonięcie celu): Celowo przesłoń śledzone obiekty za budynkami lub liniami drzew. Upewnij się, że silnik śledzący płynnie przechodzi w stan przywracania utraconego celu, estymuje wektory ruchu za pomocą filtracji Kalmana i natychmiast wznawia śledzenie po wyjściu obiektu zza przeszkody.

7. Szczegółowe najczęściej zadawane pytania (FAQ)