一、端---边---云三级算力：算法跑在哪，决定了它能做什么
城市管理无人机AI识别的第一项工程决策，不是选模型，而是算力放在哪。
纯云端推理的路径看起来最省事：无人机采集视频，全部回传云端，集中推理。但城市管理场景对延迟的要求并不统一。违建巡查可以容忍分钟级延迟，占道经营和消防通道占用需要秒级告警，而交通事故和人员聚集等场景对响应速度的要求更高。如果全部依赖云端，视频回传的带宽波动和排队延迟会让"秒级"变成"分钟级"。
当前工程上通行的做法是端---边---云三级协同。端侧（无人机机载计算模块）负责轻量初筛，边侧（部署在城管分中心或机巢附近的边缘服务器）承担实时推理和区域数据汇聚，云侧负责全局调度、模型迭代和工单分发。厦门唯识筋斗云的方案在这一架构下实现了核心区24小时高频次巡检和5分钟内快速响应，其低空算法仓平台承载了多场景识别模型。武汉"城市智眼"系统则构建了飞机端、边缘端、云端"三端"算力，内置几十类AI算子，推动巡查从"人眼判"转向"智眼识"。
端侧算力约束直接决定了模型能有多大。 无人机机载芯片的功耗和散热条件有限，主流边缘计算模块（如NVIDIA Jetson系列、RK3588）的算力在数十TOPS量级。模型必须经过剪枝和量化才能稳定运行。一项面向边缘智能的轻量化低空小目标检测研究在VisDrone和UAVDT数据集上实现了87.4% mAP@0.5、118 FPS、2.4M参数量的表现，模型可稳定部署于Jetson Nano和RK3588等边缘设备。这意味着，城市管理场景中真正可用的算法，是在算力约束下经过定向压缩的版本，而非实验室里的原始模型。
二、小目标检测：城市管理航拍场景的核心矛盾
城市管理的高频识别对象------违建、垃圾堆、占道摊贩、非机动车------在无人机航拍画面中通常只占几十到百余像素。违建的典型形态是楼顶加盖或蓝顶棚，垃圾堆的边界模糊、形态不固定，占道经营的摊贩在车流和人流中容易被遮挡。这些目标的共同特征是：像素面积小、背景干扰强、类间差异弱。
通用YOLO模型在标准数据集上的指标不能直接迁移到航拍场景。针对这一差距，近年的工程适配集中在三个方向：
注意力机制引导小目标特征保留。 DAE-YOLO在YOLOv8n基础上引入自适应分辨率注意力（ARA）机制和BiFormer上下文建模模块，在DOTA-v1.0数据集上达到61.0% mAP@0.5、71.5%精度，模型大小仅6.2MB，推理延迟低于30ms。其设计逻辑是让模型在航拍画面中优先聚焦可能包含小目标的区域，而非均匀处理整幅图像。
轻量化与精度之间的取舍。 城市管理场景的类别数量有限（通常十余类到数十类），不需要通用检测模型的全部容量。基于YOLOv8n的改进方案通过深度可分离卷积、Ghost模块和部分卷积优化骨干网络，在保持小目标特征提取能力的同时将参数量压至2.4M，配合结构化剪枝和INT8量化，实现了边缘端118 FPS的推理速度。这种"场景裁剪"的思路比通用模型压缩更高效。
多模态复核降低误报。 单帧检测的局限在于无法区分"占道经营"和"临时停车""拥堵滞留"。萧山义桥中队的做法是在39种核心算法基础上引入多模态大模型做二次精准复核，优化动态判定阈值与逻辑过滤规则，剔除因拥堵滞留、瞬时路过等引发的虚警，预警准确率达到95%。这意味着，城市管理算法的工程链路中，初筛模型负责召回，复核模型负责精度，两者分工明确。
三、场景适配：同一套算法框架，不同的工程取舍
城市管理的子场景在技术需求上差异显著，不能用同一套参数覆盖。
违建识别的核心是"变化判断"而非"单帧检测"。 一栋蓝顶建筑在单帧画面中会被检测为"建筑物"，但无法判断它是合法泵站还是新增违建。工程上的做法是同一航线定期飞行，将当期影像与基期影像配准对齐后做差分检测。淮阴区城管局的实践将这一逻辑嵌入"空中发现、平台派单、精确处置、航拍复核"的工单链条中，重点覆盖楼顶违建、河道积存垃圾等人工难以抵达的区域。
占道经营与游商摊贩对时序逻辑的要求更高。 摊贩的出现具有时段性和流动性，单次飞行的检测结果可能恰好错过经营高峰。萧山的无证摊贩预警模型通过高空瞭望与无人机巡飞结合，并引入动态判定阈值过滤瞬时路过干扰，本质上是将时间维度的信息纳入判定规则。重庆合川区渭沱镇的实践则采用5G+无人机+AI的链路，AI识别火点或垃圾后自动推送坐标，网格员15分钟内到场处置，单次巡查效率较传统人工提升10倍以上，人力成本下降70%。
暴露垃圾与建筑垃圾的算法难点在于类内形态差异极大。 生活垃圾可能是散落纸箱，也可能是成堆杂物；建筑垃圾可能是渣土堆，也可能是装修废料。淮阴区的系统在11类高频乱象中覆盖了暴露垃圾、建筑垃圾乱堆、垃圾桶满溢等类别，通过语义分割提取垃圾区域而非依赖固定形态模板。金港街道的实践则采用YOLO与Transformer结合的模型，对违法建设、偷倒垃圾等预设场景自动识别，识别准确率超过95%。
四、从识别到工单：工程闭环的最后一公里
AI识别输出的是"类别+置信度+像素坐标"，城市管理部门需要的是"哪个位置、什么问题、谁来处置"。这中间的工程链路决定了系统能否真正进入日常勤务。
坐标映射与空间规则判断是第一道转换。 像素坐标需要结合无人机POS数据、相机内外参反算为地理坐标，再与城管网格、责任片区、电子围栏做空间关系判断。武汉"城市智眼"系统将无人机接入城市运行"一网统管"平台，AI识别结果直接进入城市事件流转体系，武昌区高架事故处置中无人机远程引导车主拍照挪车，从接警到现场处置的时间由20分钟缩短至10分钟。
置信度分级与人工复核是第二道闸门。 城市管理执法涉及行政行为的合法性，AI输出不能直接作为处罚依据。金港街道的系统在AI自动识别后生成结构化工单推送责任部门，形成"发现---上报---处置---反馈"链条，AI承担初筛角色，最终判定仍由执法人员完成。这一分工不是技术妥协，而是执法证据链的必然要求。
规模化运行数据验证了这条链路的可行性。 淮阴区无人机累计飞行3666架次、821小时，筛查图像样本74258个，采集各类作业问题4053个，覆盖市容管控、环境整治、安全隐患排查等类别。福州"福智巡"平台累计完成飞行1.7万架次、巡航13万公里，落地巡查任务1.5万项，依托多时序智能分析提升巡检甄别精准度。这些数字说明，端---边---云架构下的城市管理AI识别已经越过了"演示可用"的阶段，进入常态化运行。
五、工程边界：不是所有城市管理问题都适合交给算法
小目标和严重遮挡场景存在物理上限。 楼顶缝隙中的垃圾、树冠遮挡下的违建、密集人流中的单个摊贩，像素信息本身不完整，模型无论怎么调参都无法稳定识别。工程上合理的策略是用高频次飞行和多期数据累积来弥补单次检测的不足，而不是追求单帧的极致精度。
类别定义越模糊，算法越难收敛。 "暴露垃圾"涵盖的形态范围远大于"机动车"。类别边界不清会导致标注标准漂移，进而拉低模型精度。城市管理场景的算法设计需要先完成业务语义的工程化拆解，再进入模型训练。
人工复核不是算法的补丁，是系统设计的一部分。 涉及执法和行政处罚的场景，AI的价值在于把需要人看的画面从海量数据中筛出来，而非替代人做最终判断。端侧初筛、边侧推理、云侧复核的三级分工，本质上是把"算力效率"和"判定可靠性"分配到不同的工程环节中。
六、结语
城市管理中的无人机AI识别，技术深度不在"用了多大的模型"，而在算力放在哪、模型在什么约束下适配、识别结果经过几道闸门才变成可处置的工单。端---边---云架构解决了延迟和带宽的分配问题，轻量化小目标检测解决了机载算力与识别精度的平衡问题，多模态复核和置信度分级解决了执法场景的可靠性要求。这三个环节咬合之后，无人机才从"会飞的摄像头"变成城市管理日常勤务中可依赖的感知节点。
参考文献
1 DAE-YOLO: An IoT-Optimized UAV Edge Network for Real-Time Small Target Detection in Smart City Surveillance. IEEE Internet of Things Journal, 2025, 12(21): 45453-45464.
2 Research on Lightweight Low-Altitude Small Object Detection and Model Compression for Edge Intelligence. ACM, 2026.
3 数字厦门建设成果优秀解决方案之七｜智慧城市低空数字综合应用系统. 厦门市数据管理局, 2025.
4 146个无人机场织就"城市智眼"网. 封面新闻, 2026-07-30.
5 淮阴无人机巡检深耕智慧城管. 淮安市城市管理局, 2026-06-29.
6 金港街道：无人机全自动巡检系统赋能城市治理数字化转型. 2025-10-17.
7 萧山基层执法有了"AI队友". 杭州日报, 2026-09-16.
8 移動"AI眼"讓基層治理盡在掌握. 人民网重庆, 2026-05-25.
9 拓恒技术"一网统飞"项目通过验收. 江苏科技报, 2025-12-19.