Automatyczna inspekcja infrastruktury z wykorzystaniem dronów

Definicja i elementy systemu

Automatyczna inspekcja infrastruktury z wykorzystaniem dronów to proces technologiczny, w którym bezzałogowy statek powietrzny (UAV) wykonuje zaprogramowaną misję lotu — zdefiniowaną przez punkty nawigacyjne, wzory siatki, trasy korytarzowe lub ścieżki wyznaczone za pomocą modelu 3D — w celu rejestracji obrazów i danych sensorycznych obiektów infrastrukturalnych przy minimalnej ingerencji człowieka podczas fazy pozyskiwania danych. System zastępuje tradycyjny model pilota zdalnie sterującego każdym ruchem lotu planem misji, który dron wykonuje autonomicznie, podążając za precyzyjnie zdefiniowanymi parametrami wysokości, prędkości, kursu, interwału wyzwalania kamery, orientacji gimbala i procentowego zakładu.

Architektura systemu obejmuje osiem podstawowych elementów zintegrowanych w płynny proces inspekcyjny:

Platforma UAV — Płatowiec, układ napędowy, kontroler lotu i awionika zapewniające fizyczną zdolność do lotu. Platformy obejmują zakres od małych multikopterów (DJI Mavic 3 Enterprise, Skydio X10) ważących poniżej 4 kg do inspekcji nawierzchni, po większe systemy (DJI Matrice 350 RTX, Freefly Astro) zdolne do przenoszenia wielu ładunków do kompleksowych przeglądów infrastruktury. Kluczowe parametry obejmują maksymalną masę startową (MTOW), czas lotu (zazwyczaj 25-45 minut z ładunkiem), klasę IP dla odporności środowiskowej oraz redundancję w krytycznych systemach, takich jak odbiorniki GNSS, jednostki IMU i układ napędowy.

Oprogramowanie do planowania misji — Aplikacja naziemna, w której operatorzy definiują misję inspekcyjną przed lotem. Wiodące platformy obejmują UgCS, DJI Pilot 2, Pix4Dcapture, DroneDeploy i Skydio Cloud. Narzędzia te umożliwiają operatorom rysowanie obszarów przeglądu na mapie, określanie procentowego zakładu, ustawianie wysokości i prędkości, definiowanie kątów gimbala oraz konfigurowanie parametrów kamery. Zaawansowane planery misji obsługują śledzenie terenu z wykorzystaniem cyfrowego modelu wysokościowego (DEM) w celu utrzymania stałej rozdzielczości naziemnej (GSD) nad zmiennym terenem, planowanie oparte na modelu 3D dla złożonych konstrukcji, takich jak mosty i budynki, oraz orkiestrację wielu lotów do pokrycia dużych obszarów.

Ładunki sensoryczne — Przyrządy do zbierania danych specyficzne dla misji, montowane na dronie. Wybór ładunku bezpośrednio determinuje, które typy uszkodzeń można wykryć. Kamery RGB są standardem do wizualnego wykrywania pęknięć i generowania ortomozików. Kamery termowizyjne wykrywają wilgoć podpowierzchniową, delaminację i uszkodzenia izolacji. Skanery LiDAR generują precyzyjne chmury punktów do analizy deformacji i przeglądów penetrujących roślinność. Sensory wielospektralne umożliwiają klasyfikację materiałów i ocenę kondycji roślinności. Masa ładunku, pobór mocy, szybkość transmisji danych i wymiary fizyczne muszą być zgodne z ładownością platformy UAV i możliwościami montażowymi.

System wykrywania i omijania przeszkód (ODA) — Pokładowy system sensoryczny i przetwarzający, który zapobiega kolizjom drona z przeszkodami podczas lotu automatycznego. Nowoczesne systemy wykorzystują kamery stereoskopowe, czujniki czasu przelotu (ToF), LiDAR lub radary milimetrowe do wykrywania przeszkód na ścieżce lotu. Algorytm omijania albo planuje nową trasę wokół przeszkody (przeplanowanie ścieżki), albo wstrzymuje misję do czasu usunięcia przeszkody. System ODA ma kluczowe znaczenie dla inspekcji na niskich wysokościach złożonych konstrukcji, gdzie dźwigi, linie energetyczne, roślinność i elementy konstrukcyjne mogą nie być obecne w załadowanych danych mapowych.

Łącze transmisji danych (C2) — Kanał komunikacyjny między naziemną stacją kontroli a UAV do przesyłania telemetrii, poleceń lotu i danych z ładunku. W przypadku automatycznych misji inspekcyjnych łącze C2 musi zapewniać wystarczającą przepustowość do przesyłania wideo w czasie rzeczywistym, aktualizacji pozycji z częstotliwością 5-10 Hz oraz transmisji poleceń z opóźnieniem poniżej 100 milisekund. W przypadku operacji BVLOS łącze C2 zazwyczaj wykorzystuje sieci komórkowe 4G/5G lub satelitarne łącza pasma Ku z automatycznym przełączaniem między naziemnymi stacjami przekaźnikowymi. Redundantne łącza C2 z automatycznym przełączaniem awaryjnym są wymagane dla operacji poza zasięgiem wzroku zgodnie z ICAO Doc 10019.

Automatyczny system transferu danych — Mechanizm przesyłania przechwyconych danych inspekcyjnych z drona do infrastruktury przetwarzania. Metody obejmują bezpośredni transfer WiFi lub USB-C po lądowaniu, przesyłanie komórkowe podczas lotu dla mniejszych zbiorów danych oraz zautomatyzowane stacje dokujące, które pobierają dane i ładują baterie bez ingerencji człowieka. Stacja dokująca DVI2AM firmy Techno Sky, działająca na włoskich lotniskach od 2022 roku, demonstruje w pełni zautomatyzowany transfer danych, w którym dron ląduje na stacji, precyzyjnie dokuje z wykorzystaniem lądowania kierowanego RTK, przesyła dane za pomocą szybkiej sieci lokalnej i automatycznie ładuje baterie do następnej misji.

Georeferencja i pozycjonowanie — System zapewniający, że każdy obraz i punkt danych jest powiązany ze znaną współrzędną geograficzną. Kinematyka w czasie rzeczywistym (RTK) GNSS zapewnia dokładność pozycyjną 2-5 cm poprzez odbieranie poprawek w czasie rzeczywistym ze stacji bazowej. Kinematyka po przetworzeniu (PPK) osiąga podobną dokładność bez konieczności posiadania łącza danych na żywo, rejestrując surowe obserwacje GNSS do korekcji po locie. Punkty kontroli naziemnej (GCP) — fizycznie oznakowane punkty o znanych współrzędnych — zapewniają zakotwiczenie absolutnej dokładności. W przypadku inspekcji infrastruktury wymagającej dokładności 1-3 cm, standardową praktyką jest pozycjonowanie RTK lub PPK w połączeniu z co najmniej 5-8 punktami GCP na projekt.

Potok analityczny — System oprogramowania, który przekształca surowe obrazy i dane sensoryczne w praktyczne wyniki inspekcji. Zazwyczaj obejmuje to przetwarzanie fotogrametryczne (generowanie ortomozików i chmur punktów za pomocą metody Structure from Motion), algorytmy wizji komputerowej do wykrywania i klasyfikacji uszkodzeń (modele głębokiego uczenia wytrenowane na tysiącach oznakowanych obrazów uszkodzeń), narzędzia pomiarowe do obliczania szerokości pęknięć, powierzchni i objętości oraz moduły raportowania generujące wskaźniki stanu technicznego (PCI według ASTM D5340), mapy uszkodzeń i raporty wykrywania zmian.

Automatyczne planowanie lotu

Automatyczne planowanie lotu to proces definiowania pełnego profilu misji drona przed startem, kodowania trasy lotu, parametrów pozyskiwania danych i procedur awaryjnych w pliku misji, który kontroler lotu wykonuje autonomicznie. Eliminuje to zmienność wprowadzaną przez ręczne pilotowanie — niespójne kąty kamery, zmienną wysokość, nierówną prędkość i pominięte obszary pokrycia — oraz zapewnia, że każdy przegląd dostarcza dane o spójnej jakości i pokryciu.

Planowanie oparte na punktach nawigacyjnych

Planowanie lotu oparte na punktach nawigacyjnych definiuje sekwencję współrzędnych geograficznych (szerokość, długość, wysokość), do których dron nawiguje po kolei. W każdym punkcie nawigacyjnym skrypt misji może wyzwolić określone akcje: przechwycić obraz, dostosować kąt gimbala, zmienić prędkość lub zainicjować rejestrację sensora. Planowanie punktowe jest najbardziej elastyczną metodą, odpowiednią dla złożonych tras inspekcyjnych, które podążają za nieregularną geometrią obiektu.

Nowoczesne planowanie punktowe obsługuje do 500-1000 punktów nawigacyjnych na misję na platformach komercyjnych. Każdemu punktowi można przypisać określony kąt nachylenia gimbala (od -90° nadiru do +45° w górę), umożliwiając dronowi rejestrację powierzchni pionowych, takich jak filary mostów, elewacje budynków i ściany oporowe. Planowanie punktowe jest stosowane w inspekcji mostów, gdzie dron musi lecieć trasą podążającą za pomostem mostu, opuszczać się w celu inspekcji łożysk dźwigarów i wznosić się, aby uchwycić spód pomostu — trasa lotu, której nie można opisać prostym wzorem siatki lub korytarza.

Planowanie siatkowe

Planowanie siatkowe tworzy wzór serpentynowy nad zdefiniowanym obszarem wielokątnym, z równoległymi liniami lotu rozmieszczonymi w celu osiągnięcia określonego zakładu bocznego między sąsiednimi obrazami. Planowanie siatkowe jest standardową metodą dla przeglądów obszarowych nawierzchni, pasów startowych, dróg kołowania, płyt postojowych i dużych dachów budynków.

Kluczowe parametry w planowaniu siatkowym obejmują:

• Wysokość nad poziomem terenu (AGL): Określa GSD. Do wykrywania pęknięć na pasach startowych, wysokości 30-50 m AGL dają wartości GSD 1-3 mm/piksel przy kamerach 20 MP.
• Zakład w przód: Procentowy zakład między kolejnymi obrazami wzdłuż linii lotu. Przeglądy infrastruktury stosują 80-90% zakładu w przód.
• Zakład boczny: Procentowy zakład między sąsiednimi liniami lotu. Standardowe wartości to 70-80% zakładu bocznego.
• Prędkość: Prędkość względem gruntu wpływa na rozmycie ruchu. W przypadku inspekcji nawierzchni typowe prędkości wynoszą 3-8 m/s, ograniczone czasem migawki kamery i akceptowalną tolerancją rozmycia (zazwyczaj <1 piksel).
• Podwójna siatka: Ortogonalny drugi przebieg obrócony o 90° względem podstawowej siatki, stosowany do rekonstrukcji 3D konstrukcji, gdzie ukośne kąty widzenia poprawiają pokrycie powierzchni pionowych.

Dla standardowego pasa startowego o długości 3000 m (szerokość 45 m), przegląd siatkowy na wysokości 50 m z 80% zakładem w przód i 70% zakładem bocznym wymaga około 450-600 obrazów. Przy GSD 1 cm/piksel daje to ortomozik o około 300 milionach pikseli pokrywający pełną długość pasa.

Planowanie korytarzowe

Planowanie korytarzowe definiuje trasę lotu wzdłuż liniowego obiektu — osi pasa startowego, trasy rurociągu, korytarza linii energetycznej lub odcinka drogi. Dron podąża za linią środkową korytarza, utrzymując określone parametry przesunięcia bocznego i wysokości dla spójnego pozyskiwania danych na długości obiektu.

Planowanie korytarzowe jest niezbędne w inspekcji infrastruktury liniowej, ponieważ planowanie siatkowe na pełnym prostokącie ograniczającym byłoby nieefektywne. W przypadku pasa startowego korytarz podąża za linią środkową pasa na określonej wysokości, a obrazy są przechwytywane w odstępach określonych wymogiem zakładu. Szerokość korytarza jest ustawiona tak, aby pokryć pełną szerokość pasa plus marginesy bezpieczeństwa. Dla pasa o szerokości 45 m, szerokość korytarza 60 m zapewnia pełne pokrycie wraz z poboczami.

Zaawansowane planowanie korytarzowe obsługuje zakrzywione ścieżki podążające za geometrią obiektu, zmienną wysokość na podstawie profilu terenu oraz przeloty dwukierunkowe dla pokrycia stereoskopowego. Dron automatycznie dostosowuje kurs, aby utrzymać wyrównanie z kierunkiem korytarza, zapewniając stały kąt nasłonecznienia i orientację cieni w całym przeglądzie.

Planowanie oparte na modelu 3D

Planowanie oparte na modelu 3D wykorzystuje istniejący cyfrowy model powierzchni (DSM), model informacji o budynku (BIM) lub chmurę punktów obiektu do wygenerowania trasy lotu, która utrzymuje stałą odległość od powierzchni konstrukcji. Jest to najbardziej zaawansowana forma automatycznego planowania lotu i jest niezbędna do inspekcji złożonych struktur 3D, takich jak mosty, stadiony, zakłady przemysłowe i wieże przesyłowe.

Algorytm planowania lotu oblicza powierzchnię przesuniętą względem powierzchni w określonej odległości (zazwyczaj 5-15 m dla szczegółowej inspekcji) i generuje trasę pokrywającą powierzchnię konstrukcji z określonym zakładem. Dron utrzymuje stałą odległość od powierzchni niezależnie od tego, czy powierzchnia jest pionowa, pozioma czy zakrzywiona. W przypadku mostu oznacza to, że dron leci trasą podążającą za powierzchnią pomostu, powierzchniami filarów, dolnymi pasami dźwigarów i ścianami przyczółków — wszystko w ramach jednej automatycznej misji.

Planowanie oparte na modelu 3D zostało zademonstrowane w badaniach Huang i in. (2023) do inspekcji zewnętrznych części budynków, gdzie modele BIM zostały wykorzystane do generowania ścieżek inspekcyjnych osiągających wysokie wskaźniki pokrycia (ponad 95%) z unikaniem okluzji i bezkolizyjną pracą. Metoda ta jest coraz częściej przyjmowana do inspekcji mostów, gdzie złożona geometria konstrukcji kratownicowych, want i zespołów łożysk sprawia, że ręczne planowanie lotu jest niepraktyczne.

Wykrywanie i omijanie przeszkód

System wykrywania i omijania przeszkód (ODA) to zdolność systemu, która umożliwia dronowi wykrywanie przeszkód na ścieżce lotu i autonomiczne podejmowanie działań omijających bez interwencji pilota. W przypadku automatycznych misji inspekcyjnych — szczególnie tych wykonywanych na niskich wysokościach w pobliżu złożonej infrastruktury — system ODA jest niezbędną funkcją bezpieczeństwa.

Technologie sensorowe

Nowoczesne systemy ODA wykorzystują wiele komplementarnych modalności sensorowych:

Widzenie stereoskopowe wykorzystuje dwie lub więcej kamer skierowanych do przodu do obliczania map głębi poprzez triangulację, podobnie jak ludzkie widzenie stereoskopowe. Głębia jest obliczana dla każdego piksela w nakładającym się polu widzenia kamer, dostarczając gęstych informacji o przeszkodach w zakresie 0,5-20 m. Silnik autonomiczny Skydio wykorzystuje sześć kamer nawigacyjnych 4K rozmieszczonych w sferycznym układzie, zapewniając 360° pokrycie wykrywania przeszkód. System przetwarza ponad 240 milionów pomiarów głębi na sekundę na pokładowej platformie NVIDIA Jetson TX2, umożliwiając wykrywanie przeszkód w czasie rzeczywistym przy prędkościach lotu do 15 m/s.

Czujniki czasu przelotu (ToF) emitują impulsy światła podczerwonego i mierzą czas potrzebny na powrót odbicia, dostarczając bezpośrednich pomiarów odległości. Czujniki ToF są skuteczne na krótkim dystansie (0,1-10 m) i działają w warunkach słabego oświetlenia, gdzie systemy wizyjne tracą skuteczność. Są powszechnie stosowane do wykrywania przeszkód skierowanych w dół podczas lądowania oraz do precyzyjnego dokowania w zautomatyzowanych stacjach ładowania.

LiDAR zapewnia aktywne skanowanie 3D otoczenia poprzez emitowanie impulsów laserowych i pomiar czasu ich powrotu. LiDAR ODA działa w zasięgu 50-200 m w zależności od mocy sensora i reflektywności celu. Jest skuteczny w ciemności, mgle i deszczu — w warunkach, w których systemy wizyjne zawodzą. Ouster OS0-128, 128-kanałowy LiDAR powszechnie integrowany w dronach przemysłowych, zapewnia 90° pionowe pole widzenia i 360° pokrycie poziome, generując 2,6 miliona punktów na sekundę. LiDAR ODA jest szczególnie cenny w operacjach BVLOS, gdzie dron musi wykrywać i unikać innych statków powietrznych (załogowych i bezzałogowych) podczas rozszerzonych misji poza zasięgiem wzroku.

Radar fal milimetrowych wykorzystuje fale radiowe o częstotliwości 77-79 GHz do wykrywania przeszkód w zasięgu do 300 m, penetrując mgłę, deszcz, pył i dym skuteczniej niż czujniki optyczne. Radar ODA dostarcza informacji o odległości i prędkości, ale ma ograniczoną rozdzielczość kątową, co czyni go odpowiednim do wykrywania dużych przeszkód i ruchu lotniczego, a nie małych przeszkód, takich jak linie energetyczne.

Strategie omijania przeszkód

Systemy ODA implementują kilka strategii omijania w zależności od trybu operacyjnego i typu przeszkody:

Zatrzymaj i czekaj — Dron wstrzymuje ruch do przodu po wykryciu przeszkody i czeka na usunięcie przeszkody lub interwencję operatora. Jest to najbezpieczniejsza strategia i domyślny tryb w większości komercyjnych dronów.

Przeplanowanie trasy — Dron oblicza alternatywną ścieżkę wokół wykrytej przeszkody, zachowując ogólne cele misji. Algorytmy przeplanowania trasy wykorzystują szybko eksplorujące drzewa losowe (RRT), wyszukiwanie A* lub metody pól potencjałowych do znajdowania bezkolizyjnych ścieżek. Ta strategia jest niezbędna do automatycznej inspekcji w zagraconych środowiskach, gdzie zatrzymywanie się przy każdej przeszkodzie uniemożliwiłoby wykonanie misji.

Wzniesienie i kontynuacja — Dron zwiększa wysokość, aby ominąć przeszkodę, a następnie wznawia zaplanowaną trasę lotu. Ta strategia działa w przypadku przeszkód o ograniczonej wysokości, takich jak pojazdy, sprzęt i małe konstrukcje na terenie inspekcji.

Powrót do ostatniego bezpiecznego punktu nawigacyjnego — Jeśli nie zostanie znaleziona żadna bezpieczna alternatywna ścieżka, dron wraca do ostatniego punktu, w którym miał czystą trasę lotu, i czeka na instrukcje operatora. Jest to zachowanie awaryjne, gdy system ODA napotka przeszkodę, której nie można bezpiecznie ominąć żadną dostępną strategią.

Wymagania regulacyjne

ICAO Doc 10019 (Manual on Remotely Piloted Aircraft Systems) określa wymagania dotyczące wykrywania i unikania (DAA) dla operacji RPAS, stwierdzając, że system DAA musi zapewniać zdalnemu pilotowi możliwość wykrywania ruchu konfliktowego i innych zagrożeń oraz manewrowania RPA w celu uniknięcia kolizji. W przypadku automatycznych dronów inspekcyjnych operujących w trybie BVLOS, system DAA musi wykazywać równoważny poziom bezpieczeństwa do wymogów obserwacji wzrokowej statków powietrznych z załogą (14 CFR 91.113 i ICAO Annex 2, Rule 14).

Proponowane przepisy FAA Part 108 (Notice of Proposed Rulemaking, 2024) zawierają szczegółowe wymagania dla automatycznych dronów operujących w trybie BVLOS, nakazując, aby statek powietrzny był wyposażony w system DAA zdolny do wykrywania i unikania statków powietrznych z załogą, przeszkód i innych UAS. System musi zapewniać co najmniej poziom bezpieczeństwa wynikający z wymogów wizualnego wykrywania i unikania zawartych w Part 91.113, oceniany w procesie zarządzania ryzykiem bezpieczeństwa FAA zgodnie z FAA Order 8040.4.

Operacje poza zasięgiem wzroku (BVLOS)

Operacje poza zasięgiem wzroku (BVLOS — Beyond Visual Line of Sight) odnoszą się do operacji dronowych, w których statek powietrzny działa poza zasięgiem wzroku zdalnego pilota lub obserwatora. BVLOS stanowi kluczowe ramy regulacyjne dla automatycznej inspekcji infrastruktury na dużą skalę, ponieważ umożliwia pojedynczemu operatorowi przegląd obiektów rozciągających się na tysiące metrów — pełnych długości pasów startowych, kilometrów rurociągów lub rozległych sieci mostowych — bez konieczności przemieszczania pilota lub obserwatorów wzdłuż obiektu.

Ramy regulacyjne

W Stanach Zjednoczonych przepisy FAA Part 107 obecnie wymagają operacji w zasięgu wzroku (VLOS) dla komercyjnych małych UAS. Operacje BVLOS wymagają zwolnień na podstawie 14 CFR 107.200, które operator musi uzyskać, wykazując równoważny poziom bezpieczeństwa poprzez alternatywne środki zgodności. Według stanu na 2024 rok FAA wydała mniej niż 600 zwolnień BVLOS w skali kraju, przy czym wskaźniki zatwierdzeń rosną w miarę dojrzewania technologii DAA.

FAA Part 108 NPRM (luty 2024) proponuje ustanowienie nowych ram regulacyjnych specjalnie dla operacji BVLOS. Proponowane wymagania obejmują: (1) UAS musi być zaprojektowany zgodnie z zalecanymi przez FAA standardami niezawodności dla zamierzonego środowiska operacyjnego; (2) UAS musi posiadać sposób zgodności DAA, który spełnia lub przewyższa bezpieczeństwo 14 CFR 91.113; (3) operatorzy muszą ukończyć dodatkowe szkolenie wykraczające poza certyfikację zdalnego pilota Part 107; (4) operacje są ograniczone do 400 stóp AGL i klas przestrzeni powietrznej G i E (z dodatkową autoryzacją dla kontrolowanej przestrzeni powietrznej); (5) statek powietrzny musi być wyposażony w Remote ID transmitujący zarówno na protokołach broadcast, jak i sieciowych.

W Europie przepisy EASA na podstawie rozporządzenia wykonawczego Komisji (UE) 2019/947 ustanawiają trzy kategorie operacyjne dla operacji UAS. Operacje BVLOS mieszczą się w kategorii Szczególnej (Specific), wymagającej autoryzacji operacyjnej od krajowego organu lotnictwa (np. ENAC we Włoszech, DGAC we Francji, CAA w Wielkiej Brytanii). Operator musi przedłożyć szczegółową ocenę ryzyka operacyjnego (SORA) zgodnie z wytycznymi JARUS, która ocenia ryzyko naziemne i powietrzne oraz określa wymagane środki ograniczające. Firma Techno Sky uzyskała autoryzację ENAC do operacji BVLOS w zakresie inspekcji ILS na włoskich lotniskach w 2021 roku, stając się pierwszym operatorem UAV autoryzowanym do operacji BVLOS w środowisku lotniskowym w Europie.

Wymagania techniczne dla BVLOS

Udane operacje BVLOS wymagają solidnych systemów technicznych wykraczających poza standardowe operacje VLOS:

Niezawodne łącze C2 o wystarczającym zasięgu do utrzymania kontroli przez całą misję. W przypadku inspekcji pasa startowego lotniska o długości 3000 m, łącze C2 musi zapewniać pokrycie na pełnej długości pasa. Sieci komórkowe 4G/5G są coraz częściej używane do łączy C2 BVLOS, oferując zasięg ograniczony wyłącznie zasięgiem sieci. Widmo rozproszone z przeskakiwaniem częstotliwości (FHSS) w pasmach ISM 2,4 GHz i 5,8 GHz zapewnia zasięg 5-15 km przy odpowiedniej wysokości anteny i linii widzenia. W przypadku operacji poza zasięgiem sieci komórkowych, satelitarne łącza pasma Ku zapewniają globalne pokrycie przy wyższym opóźnieniu (250-600 ms).

Remote ID transmitujący tożsamość drona, pozycję, wysokość, prędkość i lokalizację stacji kontroli. Remote ID umożliwia zarządzanie ruchem lotniczym i świadomość operacji dronowych przez statki powietrzne z załogą. FAA wymaga Remote ID na podstawie 14 CFR 89 dla wszystkich operacji, z transmisją broadcast w paśmie 915 MHz i transmisją sieciową przez Bluetooth lub WiFi.

System przerywania lotu (FTS) umożliwiający kontrolowane lądowanie lub opadanie na spadochronie w przypadku krytycznej awarii systemu. W przypadku operacji BVLOS nad obszarami zaludnionymi lub infrastrukturą krytyczną, system FTS musi wykazać niezawodne przerwanie lotu w określonym obszarze bezpieczeństwa. Dron DVI2AM firmy Techno Sky zawiera zgodny z EASA system FTS z balistycznym spadochronem zdolnym do bezpiecznego opadania całego systemu z wysokości operacyjnej.

Automatyczny dozor zależny – transmisja (ADS-B) IN do odbierania transmisji ze statków powietrznych z załogą w pobliżu, zapewniający świadomość sytuacyjną uzupełniającą system DAA. Dron musi być wyposażony w odbiornik ADS-B zdolny do dekodowania transmisji Extended Squitter 1090 MHz i ostrzegania operatora o zbliżającym się ruchu.

Ładunki sensoryczne

Ładunek sensoryczny przenoszony przez drona inspekcyjnego determinuje, które typy uszkodzeń można wykryć, jaką dokładność pomiaru można osiągnąć oraz jakie produkty danych można wygenerować. Różne scenariusze inspekcji infrastruktury wymagają różnych kombinacji sensorów.

Kamery RGB

Kamery RGB (światła widzialnego) rejestrują obrazy kolorowe z kanałami czerwonym, zielonym i niebieskim, tworząc obrazy odpowiadające ludzkiemu postrzeganiu wzrokowemu. Wysokorozdzielcze kamery RGB są podstawowym sensorem do inspekcji nawierzchni, wykrywania pęknięć, mapowania uszkodzeń powierzchni i generowania ortomozików.

Nowoczesne kamery RGB jako ładunek drona oferują rozdzielczość 20-61 megapikseli z migawką globalną, która eliminuje zniekształcenia migawki rolkowej — kluczowe dla spójnej rekonstrukcji fotogrametrycznej. Pełnoklatkowy sensor 61 MP firmy Sony (stosowany w ładunkach Phase One iXM-60 i Hasselblad H6D-100c) zapewnia wyjątkową jakość obrazu przy GSD wynoszącym 1 cm lub mniej ze standardowych wysokości inspekcyjnych.

W przypadku inspekcji nawierzchni pasa startowego, kamery RGB muszą rozróżniać pęknięcia o szerokości zaledwie 0,3 mm. Na wysokości 30 m z obiektywem o ogniskowej 24 mm i rozmiarze piksela 3,76 µm, GSD wynosi 4,7 mm/piksel, co jest niewystarczające do wykrywania pęknięć submilimetrowych. Aby osiągnąć GSD 1 mm/piksel, dron musi lecieć na wysokości 15 m lub użyć obiektywu o dłuższej ogniskowej — oba rozwiązania zmniejszają obszar pokrywany na obraz i zwiększają czas lotu. Standardem branżowym dla przeglądów PCI pasów startowych jest GSD 1-3 mm/piksel, wymagający starannego wyważenia między wydajnością pokrycia a zdolnością wykrywania pęknięć.

Kamery termowizyjne na podczerwień

Kamery termowizyjne na podczerwień wykrywają promieniowanie dalekiej podczerwieni (długość fali 8-14 µm) emitowane przez wszystkie obiekty powyżej zera absolutnego. Obrazowanie termiczne ujawnia różnice temperatur na badanej powierzchni, które są niewidoczne dla kamer RGB.

Inspekcja termowizyjna wykrywa: wnikanie wilgoci, gdzie chłodzenie parowe tworzy zimne punkty na wilgotnych powierzchniach; delaminację, gdzie uwięzione kieszenie powietrzne tworzą bariery termiczne powodujące ciepłe punkty podczas nagrzewania słonecznego i zimne punkty podczas chłodzenia nocnego; pustki podpowierzchniowe, gdzie szczeliny powietrzne tworzą efekty izolacyjne widoczne jako anomalie temperaturowe; oraz łuszczenie się betonu, gdzie oderwanie betonu tworzy mostki termiczne między warstwą integralną a oddzieloną.

FLIR Tau 2 i DJI Zenmuse H20T to popularne ładunki termowizyjne do inspekcji dronowych, oferujące rozdzielczość 640 × 512 pikseli z czułością termiczną 0,05°C (NETD). W przypadku inspekcji nawierzchni, przeglądy termowizyjne są przeprowadzane podczas cyklu nagrzewania słonecznego (10:00-14:00 czasu lokalnego), gdy promieniowanie słoneczne tworzy maksymalną różnicę temperatur między nawierzchnią zdrową a delaminowaną. Badania Federalnej Administracji Drogowej USA (FHWA-HIF-19-002) wykazały, że termowizyjne przeglądy dronowe wykrywały delaminowane obszary pokładów mostów z dokładnością 85-90% w porównaniu z inspekcjami naziemnymi metodą przeciągania łańcucha i opukiwania młotkiem.

Skanery LiDAR

Sensory LiDAR (Light Detection and Ranging) emitują impulsy laserowe i mierzą czas potrzebny na odbicie każdego impulsu od powierzchni i powrót do sensora, tworząc bezpośrednie pomiary odległości 3D. LiDAR generuje chmury punktów o typowej gęstości 100-500 punktów na metr kwadratowy z wysokości drona 50-100 m, z dokładnością pionową 1-3 cm dla sensorów klasy geodezyjnej.

LiDAR zapewnia trzy kluczowe możliwości niedostępne w samej fotogrametrii: penetrację roślinności, gdzie impulsy LiDAR przechodzą przez szczeliny w liściach, aby zmierzyć wysokość powierzchni gruntu; bezpośredni pomiar 3D bez konieczności tekstury obrazu lub światła otoczenia; oraz dane intensywności odbicia, gdzie siła odbitego impulsu wskazuje właściwości materiału powierzchni.

W inspekcji infrastruktury LiDAR jest używany do: pomiaru ugięcia mostów pod obciążeniem statycznym (dokładność 2-5 mm z naziemnym LiDAR); pomiaru zwisu linii energetycznych i weryfikacji prześwitów; mapowania terenu do analizy drenażu i obliczeń objętości; oraz weryfikacji stanu istniejącego w porównaniu z modelami projektowymi. Riegl VUX-1LR, popularny sensor LiDAR dla dronów, osiąga zasięg 100 m z precyzją 10 mm na 50 m i częstotliwością powtarzania impulsów 400 kHz, tworząc chmury punktów z maksymalnie 100 punktami na metr kwadratowy z wysokości 50 m.

Sensory wielospektralne

Sensory wielospektralne rejestrują obrazy w wielu wąskich pasmach długości fal poza widmem widzialnym, zazwyczaj obejmujących czerwony brzegowy (710-730 nm), bliską podczerwień (840-860 nm) i czasami wiele pasm w widmie widzialnym. Dane wielospektralne umożliwiają klasyfikację materiałów poprzez analizę sygnatur spektralnych, gdzie różne materiały (asfalt, beton, roślinność, woda, metal) odbijają różne proporcje padającego promieniowania na każdej długości fali.

W przypadku inspekcji nawierzchni, sensory wielospektralne mogą rozróżniać powierzchnie asfaltowe i betonowe, identyfikować obszary zanieczyszczeń olejowych lub paliwowych (które pojawiają się jako cechy absorpcyjne w pasmach SWIR), wykrywać wkraczanie roślinności na krawędziach nawierzchni oraz oceniać zawartość wilgoci poprzez pasma absorpcyjne wody w bliskiej podczerwieni. Micasense RedEdge-P zapewnia pięć pasm spektralnych (niebieski, zielony, czerwony, czerwony brzegowy, bliska podczerwień) w rozdzielczości 1,2 MP na pasmo, z czujnikiem światła padającego (DLS) do kalibracji warunków oświetlenia otoczenia.

Spójność pozyskiwania danych

Spójność danych w powtarzanych przeglądach jest decydującą zaletą automatycznej inspekcji dronowej w porównaniu z metodami ręcznymi. Gdy dron podąża tą samą zaprogramowaną trasą lotu z identycznymi parametrami podczas każdej wizyty, powstałe zbiory danych można bezpośrednio porównywać do wykrywania zmian bez zakłócającego wpływu zmiennych warunków pozyskiwania.

Parametry lotu z określoną tolerancją

Następujące parametry muszą być kontrolowane w określonych tolerancjach, aby zapewnić spójność danych:

Spójność georeferencji

Automatyczna inspekcja opiera się na spójnej georeferencji w kolejnych przeglądach. Pozycjonowanie RTK GNSS zapewnia pozycję kamery drona w każdym punkcie rejestracji obrazu z dokładnością 2-5 cm. Ta pozycja, w połączeniu z orientacją kamery (kąty gimbala), definiuje parametry orientacji zewnętrznej kamery, które kotwiczą każdy obraz w przestrzeni geograficznej.

W przypadku analizy wykrywania zmian, powtarzane przeglądy muszą być wspólnie rejestrowane w tym samym układzie odniesienia współrzędnych. Proces wspólnej rejestracji wykorzystuje niezmienne cechy (oznakowanie nawierzchni, światła pasa startowego, stałe konstrukcje) do obliczenia transformacji, która dopasowuje ortomozik z przeglądu N do ortomoziku z przeglądu 1. Resztkowy błąd dopasowania po wspólnej rejestracji powinien być mniejszy niż 2 piksele — co odpowiada 2-6 mm przy typowych wartościach GSD.

Platforma TarmacView waliduje dane wejściowe względem zdefiniowanych kryteriów jakości przed przyjęciem ich do potoku analitycznego. Jeśli wysokość lotu odbiega poza tolerancję lub zakład spada poniżej minimalnego progu, system oznacza przegląd do przeglądu jakości danych. Ta kontrola dostępu zapewnia, że tylko spójne dane klasy analitycznej trafiają do procesu oceny stanu technicznego.

Standaryzacja oświetlenia i warunków środowiskowych

Spójne warunki oświetlenia zmniejszają liczbę fałszywie pozytywnych wyników w automatycznym wykrywaniu uszkodzeń. Pęknięcia nawierzchni tworzą różne sygnatury wizualne pod różnymi kątami słońca: pęknięcie o szerokości 1 mm jest wyraźnie widoczne przy niskim kącie słońca (10-20°), gdzie rzuca wykrywalny cień, ale prawie niewidoczne przy wysokim kącie słońca (60-90°), gdzie wnętrze pęknięcia jest bezpośrednio oświetlone.

Standardowa praktyka dla powtarzanych przeglądów nawierzchni określa, że loty powinny być przeprowadzane w ciągu ±1 godziny od tego samego czasu słonecznego podczas każdej wizyty, z zachmurzeniem nieprzekraczającym 30% i bez stojącej wody na powierzchni nawierzchni. Kąt elewacji słonecznej powinien przekraczać 30°, aby zapewnić odpowiednie oświetlenie przy jednoczesnym utrzymaniu wystarczającego kontrastu cieni dla algorytmów wykrywania pęknięć. Moduł planowania misji TarmacView automatycznie oblicza optymalne okna lotu na podstawie lokalizacji i daty przeglądu, uwzględniając lokalną efemerydę słoneczną.

Automatyczny transfer i przetwarzanie danych

Automatyzacja transferu i przetwarzania danych zamyka kompleksowy proces inspekcyjny, przekształcając surowe obrazy w praktyczne raporty bez ręcznej interwencji między lotem a analizą.

Metody transferu danych

Bezpośredni transfer kablowy to najprostsza metoda: operator podłącza drona do komputera przez USB-C lub Ethernet po lądowaniu i ręcznie inicjuje pobieranie danych. W przypadku przeglądu pasa startowego składającego się z 300 obrazów w rozdzielczości 20 MP (około 6 GB danych), transfer przez USB 3.0 zajmuje 2-5 minut. Ta metoda jest niezawodna, ale wymaga obecności człowieka i ręcznego działania, co ogranicza stopień automatyzacji.

Transfer przez stację dokującą umożliwia w pełni automatyczne pobieranie danych. Gdy dron ląduje na stacji dokującej, szybkie połączenie danych (USB 3.0 lub Gigabit Ethernet) automatycznie inicjuje transfer danych, podczas gdy stacja jednocześnie rozpoczyna ładowanie baterii. DJI Dock 2 i stacje DVI2AM firmy Techno Sky obsługują tę funkcję. Dane są przesyłane do lokalnego serwera lub chmury w ciągu 10-15 minut dla pełnego przeglądu. Stacja może przygotować drona do następnej misji — naładowane baterie, zweryfikowana kalibracja sensorów i zaktualizowany plan lotu — bez żadnej interakcji człowieka.

Transfer komórkowy podczas lotu przesyła dane do przetwarzania w chmurze podczas samej misji, wykorzystując modemy 4G/5G zintegrowane z dronem. Umożliwia to przetwarzanie prawie w czasie rzeczywistym, gdzie generowanie ortomoziku rozpoczyna się, zanim dron wyląduje. W przypadku dużych zbiorów danych (6+ GB na przegląd) transfer komórkowy wydłuża czas dostarczenia danych w porównaniu z transferem przez stację dokującą (30-60 minut), ale zapewnia zaletę szybkiego przetwarzania w przypadku inspekcji krytycznych czasowo.

Zautomatyzowany potok przetwarzania

Zautomatyzowany potok przetwarzania przekształca surowe obrazy w wyniki inspekcji przez kilka etapów:

Rekonstrukcja fotogrametryczna wykorzystuje algorytmy Structure from Motion do dopasowania obrazów, obliczenia pozycji kamer, wygenerowania gęstych chmur punktów oraz produkcji ortomozików i DSM. Przetwarzanie przeglądu pasa startowego składającego się z 300 obrazów przy GSD 1 cm wymaga około 2-4 godzin na stacji roboczej z akceleracją GPU (NVIDIA RTX 4090 lub odpowiednik). Usługi przetwarzania w chmurze (Pix4Dmatic, Agisoft Metashape cloud) skracają ten czas do 30-60 minut przy użyciu obliczeń rozproszonych na wielu węzłach GPU.

Zapewnienie jakości waliduje rekonstrukcję względem zdefiniowanych kryteriów: GSD w tolerancji celu planu lotu; RMSE punktów kontrolnych poniżej 2 cm w poziomie i 3 cm w pionie; ciągłość szwów ortomoziku bez widocznych artefaktów łączenia lub niedopasowania kolorów; gęstość chmury punktów wystarczająca do wykrywania uszkodzeń przy wymaganej minimalnej wielkości cechy.

Wykrywanie i klasyfikacja uszkodzeń stosuje algorytmy wizji komputerowej i modele głębokiego uczenia do identyfikacji, klasyfikacji i pomiaru uszkodzeń powierzchni na ortomoziku. Model głębokiego uczenia — zazwyczaj architektura U-Net, DeepLabV3+ lub Mask R-CNN wytrenowana na 10 000+ oznakowanych obrazów uszkodzeń infrastruktury — wykonuje semantyczną segmentację na poziomie pikseli, klasyfikując każdy piksel jako nienaruszoną powierzchnię, pęknięcie (podłużne, poprzeczne, siatkowe, blokowe), wykruszenie, łatę, wyziarnienie lub uszkodzenie spoin. Szerokość pęknięcia jest mierzona z precyzją 0,2 mm przy użyciu detekcji krawędzi z dokładnością poniżej piksela.

Obliczanie wskaźnika stanu technicznego wylicza zagregowane wskaźniki stanu nawierzchni zgodnie z metodologią PCI ASTM D5340. Nawierzchnia jest dzielona na jednostki próbkowania (zazwyczaj 20 kolejnych płyt dla nawierzchni betonowej łączonej lub sekcje o powierzchni 500 m² dla nawierzchni asfaltowej). W każdej jednostce próbkowania obliczana jest gęstość każdego typu uszkodzenia na każdym poziomie nasilenia, wartości odliczeń są określane z tabel ASTM, a PCI jest obliczane w skali 0-100.

Integracja z TarmacView

Platforma inspekcyjna TarmacView zapewnia silnik analityczny i raportujący, który konsumuje dane z automatycznych przeglądów dronowych i tworzy oceny stanu technicznego zgodne ze standardami branży lotniczej.

Wymagania wejściowe

TarmacView przyjmuje ortomoziki, chmury punktów i dane DSM wygenerowane z automatycznych przeglądów dronowych. Wymagania wejściowe obejmują: GSD ortomoziku 1-3 mm/piksel do analizy PCI pasa startowego, z wyższym GSD (1 mm lub lepszym) wymaganym do pomiaru szerokości pęknięć poniżej 0,5 mm. Ortomozik musi być georeferencyjny w znanym układzie odniesienia współrzędnych (WGS84 UTM lub lokalnym CRS) z walidacją punktów kontrolnych. Zakład obrazów musi być zweryfikowany, aby spełniał minimalne progi wymagane do rekonstrukcji fotogrametrycznej (80% w przód, 70% w bok). Dane muszą być dostarczone z kompletnymi metadanymi EXIF zawierającymi pozycję GNSS, wysokość, orientację gimbala, parametry kalibracji kamery i znacznik czasu rejestracji dla każdego obrazu.

Proces analityczny

Po przesłaniu zbioru danych z przeglądu do TarmacView, platforma wykonuje ustrukturyzowany proces analityczny:

1. Pobieranie danych — Ortomozik i chmura punktów są ładowane do bazy przestrzennej. Pola metadanych (data przeglądu, parametry lotu, model drona, model kamery, GSD, CRS) są wyodrębniane i walidowane względem wymagań projektu.

2. Segmentacja nawierzchni — Obszar nawierzchni jest automatycznie wyodrębniany z ortomoziku przy użyciu modeli segmentacji głębokiego uczenia wytrenowanych na obrazach lotniskowych. Oznakowanie pasa startowego, pobocza, płyty przedprożowe i sąsiednie drogi kołowania są identyfikowane i oddzielane od analizowanej nawierzchni.

3. Wyznaczanie jednostek próbkowania — Nawierzchnia jest dzielona na jednostki próbkowania PCI zgodnie z ASTM D5340. W przypadku lotniskowej nawierzchni betonowej łączonej, jednostki są definiowane jako 20 kolejnych płyt (±1 płyta) zgodnie z ASTM D5340-19 Sekcja 8.3.1. W przypadku nawierzchni asfaltowej, jednostki mają około 500 m². Granice jednostek próbkowania są przechowywane jako wielokąty przestrzenne w modelu danych GIS.

4. Automatyczne wykrywanie uszkodzeń — Potok wizji komputerowej przetwarza każdą jednostkę próbkowania, wykrywając i klasyfikując wszystkie standardowe typy uszkodzeń PCI: typy pęknięć (podłużne, poprzeczne, ukośne, siatkowe, blokowe), wykruszenia, łaty, wykruszenia spoin, złamanie narożników, rozbicie płyty, wybrzuszenie, pompingu, przemieszczenie, osiadanie, wyziarnienie, wietrzenie, bleeding, koleinowanie, falowanie, obniżenie, wybrzuszenie i polerowany kruszywo. Każdy przypadek uszkodzenia jest przechowywany jako georeferencyjny wielokąt wektorowy z atrybutami określającymi typ uszkodzenia, nasilenie (Niskie, Średnie, Wysokie według kryteriów ASTM), wymiary (długość, szerokość, powierzchnia) oraz wynik prawdopodobieństwa z modelu detekcyjnego.

5. Obliczanie PCI — Dla każdej jednostki próbkowania obliczane są gęstości uszkodzeń, wartości odliczeń są stosowane z krzywych wartości odliczeń ASTM D5340, a skorygowana wartość odliczenia (CDV) jest wyodrębniana poprzez iteracyjne dostosowanie. Końcowe PCI dla każdej jednostki jest obliczane jako 100 minus CDV.

6. Generowanie raportu — TarmacView tworzy kompleksowy raport inspekcyjny obejmujący: ogólne PCI pasa startowego i PCI poszczególnych jednostek próbkowania; mapy uszkodzeń nałożone na ortomozik z kodowaniem kolorami według nasilenia; tabele pomiarów pęknięć z długością, szerokością i klasyfikacją dla każdego wykrytego pęknięcia; statystyczny rozkład typów uszkodzeń na nawierzchni; oraz analizę trendów porównującą bieżące PCI z historycznymi przeglądami.

Ramy regulacyjne

Automatyczne operacje inspekcji dronowej podlegają wielowarstwowym ramom regulacyjnym obejmującym międzynarodowe standardy, krajowe przepisy i lokalne ograniczenia przestrzeni powietrznej.

Międzynarodowe: Standardy ICAO

ICAO Annex 6, Part IV — Międzynarodowe Standardy i Zalecane Praktyki dla Systemów Bezzałogowych Statków Powietrznych (RPAS), obowiązujące od listopada 2026, ustanawiają międzynarodowe ramy dla operacji RPAS, w tym dronów inspekcyjnych. Załącznik obejmuje certyfikację zdatności do lotu (RPAS muszą spełniać standardy certyfikacji typu odpowiednie dla swojej kategorii), certyfikację operatorów (operatorzy muszą posiadać certyfikat operatora RPAS), licencjonowanie zdalnych pilotów (piloci muszą posiadać licencję zdalnego pilota) oraz zasady operacyjne dla lotów automatycznych i poza zasięgiem wzroku.

ICAO Annex 14, Volume I — Projektowanie i eksploatacja lotnisk, reguluje fizyczne charakterystyki lotnisk, w tym wymagania dotyczące stanu nawierzchni pasa startowego. Załącznik określa, że stan nawierzchni pasa startowego musi być monitorowany i utrzymywany w określonych granicach, ze szczególnym uwzględnieniem charakterystyk tarcia, nierówności powierzchni i gromadzenia zanieczyszczeń. Automatyczna inspekcja dronowa dostarcza spójnych, mierzalnych danych wymaganych do weryfikacji zgodności z Annex 14. Ograniczenia wysokości dla operacji dronowych na lotnisku są określone w Annex 14 Sekcja 4.2 (Powierzchnie Ograniczeń Przeszkód) oraz w Manual on Remotely Piloted Aircraft Systems (Doc 10019).

ICAO Doc 8071 — Manual on Testing of Radio Navigation Aids, Volume 3 (Testing of Satellite-Based Radio Navigation Systems), odnosi się do inspekcji systemów lądowania ILS i innych pomocy nawigacyjnych z wykorzystaniem UAV. Zautomatyzowane rozwiązanie inspekcji ILS UAV firmy Techno Sky, zatwierdzone przez ENAC w 2021 roku, demonstruje zgodność z wymogami pomiarowymi Doc 8071 dotyczącymi wyrównania ścieżki lokalizatora, kąta ścieżki schodzenia i czułości przesunięcia.

Stany Zjednoczone: Przepisy FAA

14 CFR Part 107 — Małe systemy bezzałogowe, reguluje komercyjne operacje UAS poniżej 25 kg (55 funtów). Kluczowe wymagania dla automatycznej inspekcji: certyfikacja zdalnego pilota (Part 107 Remote Pilot Certificate), rejestracja statku powietrznego, operacje VLOS (lub zwolnienie BVLOS na podstawie 107.200), operacje dzienne (lub zwolnienie nocne na podstawie 107.29), maksymalna wysokość 400 stóp AGL, maksymalna prędkość względem gruntu 100 mph (87 węzłów) oraz zgodność z Remote ID (14 CFR Part 89).

Zwolnienia Part 107 zostały przyznane dla automatycznych operacji inspekcyjnych, gdy operatorzy wykazali równoważne bezpieczeństwo. Według stanu na 2024 rok FAA przyznała ponad 1200 zwolnień BVLOS w skali kraju, z czego 65% zatwierdzono dla operacji w kontrolowanej przestrzeni powietrznej z koordynacją z kontrolą ruchu lotniczego.

14 CFR Part 108 (proponowane, 2024) — Ustanowi nowe ramy regulacyjne specjalnie dla operacji BVLOS dronów. Proponowane przepisy obejmują wymagania dotyczące: standardów projektowania i produkcji statków powietrznych; analizy niezawodności i ciągłej zdatności do lotu; standardów wydajności systemu DAA; certyfikacji operatorów z rozszerzonym szkoleniem; autoryzacji operacyjnych bez indywidualnych petycji o zwolnienie; oraz standaryzowanych objętości operacyjnych BVLOS.

FAA Advisory Circular 107-2 — Small Unmanned Aircraft Systems, zawiera wytyczne dotyczące zgodności z Part 107. AC 107-2A szczegółowo odnosi się do operacji inspekcyjnych, zauważając, że automatyczne planowanie i wykonywanie lotu jest dozwolone na mocy Part 107, o ile zdalny pilot zachowuje możliwość nadpisania automatyki i ręcznego sterowania statkiem powietrznym.

Europa: Przepisy EASA

Rozporządzenie wykonawcze Komisji (UE) 2019/947 — Zasady i procedury dotyczące eksploatacji bezzałogowych statków powietrznych, ustanawia trzy kategorie operacyjne:

Kategoria Szczególna ma zastosowanie do większości automatycznych operacji inspekcyjnych, szczególnie BVLOS i lotów nad infrastrukturą krytyczną. Operator musi przedłożyć szczegółową ocenę ryzyka operacyjnego (SORA) zgodnie z wytycznymi JARUS, która ocenia klasy ryzyka naziemnego i powietrznego w celu określenia wymaganych środków ograniczających. Autoryzacja ENAC dla firmy Techno Sky do inspekcji BVLOS ILS na włoskich lotniskach należy do kategorii Szczególnej z SORA wykazującą, że automatyczny lot, redundantne łącza C2 i FTS redukują ryzyko operacyjne do akceptowalnego poziomu.

EASA Light UAS Operator Certificate (LUC) — Operatorzy spełniający określone wymagania kompetencyjne mogą samodzielnie autoryzować operacje w ramach uprawnień przyznanych przez ich LUC. Techno Sky posiada EASA LUC, który autoryzuje automatyczne operacje inspekcyjne BVLOS na włoskich lotniskach, co dowodzi, że system zarządzania bezpieczeństwem operatora, program szkoleniowy i procedury operacyjne spełniają standardy EASA w zakresie samoregulacji.

Wymagania dotyczące Remote ID

Remote ID to zdolność drona w locie do nadawania identyfikacji, pozycji, wysokości, prędkości i lokalizacji stacji kontroli. Remote ID umożliwia organom zarządzającym przestrzenią powietrzną, pilotom statków powietrznych z załogą i organom ścigania identyfikację i śledzenie dronów podczas lotu.

W Stanach Zjednoczonych, 14 CFR Part 89 — Remote Identification of Unmanned Aircraft, wymagał zgodności Remote ID do 16 września 2023 roku. Drony wyprodukowane po tej dacie muszą mieć wbudowaną możliwość nadawania Remote ID, transmitując przez WiFi lub Bluetooth z częstotliwością aktualizacji 1 Hz z dokładnością pozycji 10 m. Automatyczne drony inspekcyjne operujące w trybie BVLOS muszą transmitować Remote ID zarówno metodą broadcast, jak i sieciową (internetową).

W Europie, Rozporządzenie delegowane (UE) 2019/945 wymaga Remote ID dla wszystkich dronów w kategorii Szczególnej oraz dla dronów kategorii Otwartej z oznaczeniem klasy. Standard wymaga nadawania numeru rejestracyjnego operatora, numeru seryjnego UAS, pozycji geograficznej UAS i stacji pilota zdalnego oraz znacznika czasu.

Powtarzane przeglądy i wykrywanie zmian

Zdolność do przeprowadzania powtarzalnych automatycznych przeglądów i wykrywania zmian w czasie to jedna z najpotężniejszych możliwości, jakie zapewnia automatyczna inspekcja dronowa. Spójne parametry lotu, georeferencja i przetwarzanie danych zapewniają, że różnice między kolejnymi przeglądami odzwierciedlają rzeczywiste zmiany obiektu, a nie zmienność pomiarową.

Metodologia porównania czasowego

Wykrywanie zmian między kolejnymi przeglądami przebiega według ustrukturyzowanej metodologii:

Wspólna rejestracja dopasowuje ortomozik i chmurę punktów z przeglądu N do bazowego przeglądu 1 przy użyciu niezmiennych cech referencyjnych. Macierz transformacji (zazwyczaj transformacja sztywna lub afiniczna z 6-7 parametrami) jest obliczana z automatycznie dopasowanych punktów wiążących na oznakowaniu nawierzchni, światłach pasa startowego i stałych konstrukcjach. Resztkowy błąd po wspólnej rejestracji powinien być mniejszy niż 2 piksele. Wspólna rejestracja kompensuje niewielkie różnice w ścieżce lotu i pozycjonowaniu GNSS, których nie można wyeliminować samą automatyzacją.

Różnicowanie na poziomie pikseli oblicza różnicę wartości pikseli między referencyjnym a powtarzanym ortomozikiem dla każdej lokalizacji piksela. Obraz różnicowy podświetla obszary zmian (nowe pęknięcia, łaty, zanieczyszczenia, nagromadzenie gumy) jako regiony ze statystycznie istotnym odchyleniem wartości pikseli. Próg istotnej zmiany jest ustawiony na 3 odchylenia standardowe rozkładu różnic pikselowych, co odpowiada poziomowi ufności 99,7%, że zmiana jest rzeczywista, a nie szumem pomiarowym.

Wykrywanie zmian oparte na wektorach dla konkretnych przypadków uszkodzeń porównuje wielokąty pęknięć i uszkodzeń wykryte w każdym przeglądzie. Pęknięcie wykryte w przeglądzie N, które nie występowało w przeglądzie N-1, jest klasyfikowane jako nowe. Pęknięcie, którego długość zwiększyła się o więcej niż 5 cm między przeglądami, jest klasyfikowane jako propagacja. Pęknięcia, które zmniejszyły szerokość lub zniknęły, są klasyfikowane jako interwencje konserwacyjne (uszczelnione lub naprawione). Każdy przypadek zmiany jest rejestrowany z wielkością zmiany, odstępem czasu i ufnością statystyczną.

Ilościowe wskaźniki zmian

Następujące wskaźniki są obliczane dla każdej jednostki próbkowania między kolejnymi przeglądami:

• Delta PCI — Zmiana wskaźnika stanu nawierzchni (PCI) między przeglądami, wyrażona w punktach na rok. Delta PCI wynosząca -5 punktów na rok wskazuje, że nawierzchnia pogarsza się w tempie 5 punktów PCI rocznie. Norma ASTM D5340 określa, że zmiana PCI o więcej niż 10 punktów między przeglądami jest statystycznie istotna przy 95% ufności dla prawidłowo przeprowadzonych przeglądów.

• Zmiana gęstości pęknięć — Zmiana całkowitej długości pęknięć na jednostkę powierzchni (m/m²), wyrażona w metrach bieżących pęknięć na 100 m². Wzrost gęstości pęknięć wskazuje na rozwój pęknięć zmęczeniowych, propagację pęknięć odbitych lub wzrost pęknięć termicznych.

• Powierzchnia nowych uszkodzeń — Całkowita powierzchnia (m²) nawierzchni, która rozwinęła nowe uszkodzenia (dowolnego typu) od poprzedniego przeglądu, wyrażona jako procent powierzchni jednostki próbkowania. Nowe obszary uszkodzeń większe niż 5% powierzchni jednostki uzasadniają interwencję konserwacyjną według kryteriów priorytetyzacji konserwacji ASTM.

• Postęp głębokości kolein — Dla nawierzchni asfaltowej, zmiana maksymalnej głębokości kolein w każdej strefie śladu kół, pochodząca z porównania DSM lub chmury punktów. Postęp głębokości kolein przekraczający 3 mm na rok w zewnętrznym śladzie kół wskazuje na pogorszenie strukturalne wymagające zbadania.

• Akumulacja osadów gumy — Zmiana pokrycia powierzchni gumą z opon w strefie przyziemienia. Osady gumy zmniejszają współczynnik tarcia nawierzchni o 30-50% przy poziomach pokrycia powyżej 25%, co czyni ten parametr krytycznym dla bezpieczeństwa. Automatyczne przeglądy dronowe określają ilościowo pokrycie gumą poprzez analizę wielospektralną w paśmie bliskiej podczerwieni, gdzie guma wykazuje charakterystyczne cechy absorpcyjne.

Zastosowanie w zarządzaniu nawierzchniami lotniskowymi

Podręcznik Projektowania Lotnisk ICAO (Doc 9157, Part 3) zaleca, aby przeglądy stanu nawierzchni były przeprowadzane w odstępach nieprzekraczających: Rocznie dla lotnisk o dużym natężeniu ruchu (roczne odloty przekraczające 25 000); Dwuletnio dla średniego natężenia ruchu (10 000-25 000 rocznych odlotów); oraz Trzyletnio dla małego natężenia ruchu (mniej niż 10 000 rocznych odlotów). Automatyczna inspekcja dronowa umożliwia zachowanie tych zalecanych częstotliwości przy znacznie niższych kosztach niż przeglądy ręczne, a powstałe dane szeregów czasowych stanowią podstawę dowodową do przewidywania tempa degradacji nawierzchni i optymalizacji harmonogramu interwencji konserwacyjnych.

Platforma TarmacView przechowuje historyczny zapis każdego przeglądu przeprowadzonego na nawierzchni lotniskowej, umożliwiając analizę trendów podłużnych w ciągu wielu lat. System oblicza krzywe degradacji dla każdej jednostki próbkowania, identyfikuje jednostki z przyspieszoną degradacją (gdzie delta PCI przekracza średnią lotniskową o więcej niż 2 odchylenia standardowe) oraz generuje listy priorytetyzacji konserwacji posortowane według oczekiwanego wpływu każdej zalecanej interwencji na PCI. To podejście oparte na danych przenosi zarządzanie nawierzchnią z konserwacji reaktywnej (naprawianie usterek, gdy wystąpią) na konserwację predykcyjną (interwencja przed powstaniem uszkodzeń), redukując koszty cyklu życia o szacunkowe 30-50% na podstawie badań zarządzania nawierzchniami FAA i Sił Powietrznych USA.

Podsumowanie

Automatyczna inspekcja infrastruktury z wykorzystaniem dronów zastępuje subiektywne, zmienne inspekcje ręczne spójnym, powtarzalnym pozyskiwaniem i analizą danych. System integruje programowane planowanie lotu, wykrywanie i omijanie przeszkód, wielosensorowe ładunki, automatyczny transfer danych i analizę uszkodzeń opartą na AI w płynny, kompleksowy proces. W przypadku inspekcji nawierzchni pasów startowych — głównej domeny zastosowania — technologia dostarcza rozdzielczość naziemną 1-3 mm, pomiary szerokości pęknięć z precyzją 0,2 mm, obliczanie wskaźnika stanu nawierzchni (PCI) zgodnie z ASTM D5340 oraz statystycznie zweryfikowane wykrywanie zmian w wieloletnich przeglądach. Ramy regulacyjne dla automatycznych operacji inspekcyjnych szybko ewoluują, z proponowanymi przepisami FAA Part 108 i autoryzacjami operacyjnymi kategorii Szczególnej EASA umożliwiającymi operacje BVLOS na lotniskach i wzdłuż korytarzy infrastrukturalnych. W miarę postępu technologii sensorów, poprawy algorytmów przetwarzania i dojrzewania ścieżek regulacyjnych, automatyczna inspekcja dronowa stanie się standardową metodą oceny stanu infrastruktury w sektorach lotnictwa, transportu, energetyki i przemysłu.

Terminy pokrewne

• UAV (Unmanned Aerial Vehicle — Bezzałogowy statek powietrzny)
• Dron
• BVLOS (Beyond Visual Line of Sight — Poza zasięgiem wzroku)
• Pozycjonowanie RTK / PPK
• Fotogrametria
• LiDAR
• Ortomozik
• Wskaźnik stanu nawierzchni (PCI)
• Wykrywanie zmian
• Planowanie lotu
• Wykrywanie i omijanie przeszkód
• Punkt kontroli naziemnej (GCP)
• Remote ID