Компания DJI подвела итоги Enterprise Drone Onboard AI Challenge 2026 — конкурса ИИ-алгоритмов для промышленных дронов. Участники представили решения для городского и экологического мониторинга, промышленности, сельского хозяйства и других отраслей.
Главная особенность таких алгоритмов — они работают непосредственно на борту беспилотника и анализируют данные на лету. Благодаря этому не нужно ждать окончания полета и обработки, чтобы извлечь информацию для принятия решений. Переход к ИИ-обработке данных придаст новый импульс рынку БПЛА.
Видеообзор
Контекст
Дроны уже изменили подход к сбору данных. Благодаря ним можно обследовать большие территории минимальными усилиями, отказавшись от трудоемких наземных обходов. Обзор с воздуха дает высокоточные данные, которые затем можно превратить в карты, трехмерные модели и другие цифровые материалы.
При этом остается проблема времени обработки. После посадки данные нужно загрузить, просмотреть и проанализировать. Только после этого специалист получает информацию, необходимую для принятия решения.
DJI стимулирует развитие решений, которые переносят часть этого анализа непосредственно на борт дрона. ИИ-модели обрабатывают видеопоток с камер или данные LiDAR во время полета. В результате беспилотник может в реальном времени определять объекты и события, на которые направлена камера. Это особенно важно для задач, где скорость реакции имеет значение: например, при поиске людей или мониторинге лесных пожаров.
Есть и практическая экономия на передаче данных. Вместо гигабайтов фото и видео оператор получает легкие метаданные — результаты анализа: тип объекта, координаты, степень уверенности алгоритма, подтверждающий снимок, сигнал тревоги.
Как это работает
Разработчик создает нейросетевую модель с использованием стандартных инструментов машинного обучения. Загрузить готовый код на дрон можно несколькими способами. Простые модели для базового распознавания объектов могут работать на встроенном полетном контроллере. Более сложным алгоритмам требуется дополнительная вычислительная мощность. В экосистеме DJI для этого используется бортовой компьютер Manifold 3. При массе 120 г он обеспечивает производительность до 100 TOPS. Еще один вариант — использовать сторонние вычислительные платы, например NVIDIA Jetson или Raspberry Pi, подключив их к портам расширения дрона.
После включения беспилотника бортовой компьютер автоматически запускает приложение. Оно получает видеопоток с камеры, обрабатывает его нейросетью и передает результаты на пульт пилота. Постоянное подключение к интернету для этого не требуется.
Возможен и другой подход: часть анализа выполняется на борту, а часть данных передается в облако. Он открывает возможности для детальной классификации объектов или сравнения результатов нескольких полетов.
Подробная информация о наборах средств разработки DJI доступна на портале DJI Developer. Также компания выпустила «Белую книгу по ИИ» — руководство по созданию и загрузки алгоритмов на дроны.
Итоги конкурса
Enterprise Drone Onboard AI Challenge 2026 проходил с февраля по август 2026 года и привлек разработчиков из разных стран. Общее число поданных заявок не разглашается. В конце августа DJI опубликовала список из 15 победителей:
- Пять «Лучших бортовых ИИ-моделей» (Best Onboard AI Model Award). В этой категории отмечены самые точные и оптимизированные решения.
- Десять «Выдающихся индустриальных применений» (Industry Application Excellence Award). Модели, уже внедренные в реальных задачах.
Также DJI опубликовала несколько десятков решений, особо отмеченных жюри (Shortlisted). Их можно разделить на несколько категорий.
Дорожный трафик
Модели для контроля дорожной обстановки. Яркий пример — многофункциональная нейросеть Hangzhou New Modal Technology, один из призеров конкурса. Она одновременно распознает несколько событий: незаконную парковку, движение по велодорожкам, выбоины, мешающие проезду конусы, мусор на дороге, пробки и так далее.
Определив автомобиль-нарушитель, алгоритм может изменить положение дрона, чтобы получить качественное изображение номерного знака. Более того, фотография затем может быть автоматически передана в дорожную полицию. Это важное новшество: дроны с ИИ уже не просто работают с данными, а переходят к реальным действиям. Таким образом, выстраивается бесшовный процесс от съемки до принятия решений.
Инфраструктура
Модели для инспекции промышленных объектов, стройплощадок, зданий. Распознают трещины крыш, стен, труб и другие признаки износа конструкций.
Одним из победителей стала нейросеть Bridge Inspection Master, обнаруживающая дефекты опорных конструкций мостов. Разработчики утверждают, что даже микротрещина толщиной 0,1 мм не останется незамеченной. В случае регистрации повреждения пилот получит сигнал, предлагающий подлететь ближе и детально обследовать участок.
Экология
В списке победителей — несколько решений для экологического мониторинга.
Компания Chongqing Guangruida Technology разработала алгоритм для контроля качества воздуха. Он в реальном времени определяет источники пыли, строительной взвеси и случаи открытого сжигания отходов.
Команда East China Normal University представила модель для распознавания и классификации техногенного мусора на пляжах. Это сложная задача компьютерного зрения, поскольку многие объекты занимают всего 1–30 пикселей и могут быть приняты за раковины, растительность или отражения.
Нейросеть от Zhongke Beiwei Technology подсчитывает поголовья диких птиц и животных. Цель — тщательный мониторинг видов живых существ, находящихся под угрозой.
Также в конкурсе участвовали модели для лесной охраны: оценке здоровья деревьев, мониторингу пожаров и задымлений, поиску участков, требующих срочного внимания лесничих.
Энергетика
В основном эта категория представлена моделями, распознающими опасности для ЛЭП: мусор на кабелях, нависающие деревья, провисы, повреждения изоляторов, наклоны опор, обрывы линий. Одна модель способна находить даже птичьи гнезда на элементах электросетевой инфраструктуры.
Причем ИИ может анализировать не только обычные изображения. Для обследования ЛЭП все чаще используется воздушное лазерное сканирование: лидар позволяет точнее восстанавливать геометрию тонких проводов. Конкурсанты учли эту особенность. Один из победителей — решение от Wuhan Luanchuang Digital Technology — на лету обрабатывает данные лазерных отражений лидара DJI Zenmuse L2 или L3, строит и анализирует облака точек. Если обнаружена опасность, геодезическая команда узнает о ней, еще не покинув место съемки, и может сразу исправить ситуацию.
Также представлены алгоритмы для мониторинга солнечных и ветровых электростанций. Это направление особенно востребовано в Китае, активно развивающем альтернативную энергетику.
Сельское хозяйство
В сельском хозяйстве бортовой ИИ используют для классификации растений, оценки их состояния и определения приоритетных зон для полива.
Один из наиболее показательных примеров представил Даниэль Товар из Колумбии — единственный иностранный победитель конкурса (остальные 14 представляют Китай). На банановой плантации площадью 50 га он применил ИИ для подсчета урожая. Традиционно такую работу выполняют несколько человек в течение четырех дней. Если же выполнить аэрофотосъемку, составить из полученных изображений ортофотоплан и считать растения по нему вручную, то и вовсе уйдет неделя. С автоматическим подсчетом результат был готов спустя четыре часа после начала полетов. Кроме того, каждое растение получило свою GPS-метку.
Другие участники предложили решения для распознавания животных на пастбище, подсчета особей в крупном стаде. Они актуальны для животноводческих ферм, страховых компаний, исследовательских команд. Самое нестандартное применение — поиск детенышей диких животных, которые прячутся на сельхозугодьях. Такая информация может использоваться перед уборкой урожая, чтобы случайно не травмировать их резцами комбайнов.
Патрулирование
Объединение волонтеров Шэньчжэня разработало модель для поисково-спасательных операций. ИИ ищет людей по силуэтам и тепловым сигнатурам в труднодоступной местности, отправляя оператору точные координаты.
Другие алгоритмы предназначены скорее для контроля порядка: поиска мотоциклистов, не использующих шлемы, или рабочих без спецодежды.
Водоемы
В список победителей вошла система мониторинга водных ресурсов от Muniu Hetu Algorithm Team. Дрон на лету выявляет незаконную рыболовную активность, очаги возгорания на береговой линии и зоны аномального цветения водорослей.
Другие алгоритмы для инспекции водоемов умеют находить плавающий мусор, непокрытые баржи с экологически опасными грузами, повреждения дамб и разливы нефтепродуктов.
Другое
Участники конкурса нашли применение бортовому ИИ и в менее очевидных задачах.
Одна модель распознает позы посетителей туристических аттракционов вроде бейсджампинга, чтобы автоматически сделать снимок в подходящий момент. Другая считывает штрихкоды на расстоянии и может ускорить складскую инспекцию.
Есть и решения для защиты воздушного пространства: алгоритм идентифицирует другие дроны и отправляет оператору сигнал, если не удается установить принадлежность обнаруженного аппарата.
В целом представленные проекты можно разделить на два типа. Первый — специализированные легкие модели. Они полностью работают локально и решают одну конкретную задачу. Второй — модели, одновременно распознающие разные объекты. Они обеспечивают комплексную ситуационную осведомленность беспилотника. Для них требуется больше вычислительных мощностей и, следовательно, стабильное соединение с облаком. Возможно запаздывание реакций дрона из-за задержки сигнала.
Что дальше
Победители конкурса получат призы в виде оборудования DJI, а разработанные ими решения будут внесены в Onboard AI Solutions Catalog. Это каталог специализированного программного обеспечения для экосистемы DJI. В него включаются верифицированные ИИ-модели для запуска на бортовых компьютерах Manifold 3, промышленных дронах серии DJI Matrice или автоматических станциях DJI Dock.
Приобрести решения из каталога можно через официальных дилеров DJI Enterprise, некоторые также доступны по подписке в DJI FlightHub 2.
Вывод
Конкурс DJI показывает, что бортовой ИИ для промышленных дронов переходит из стадии экспериментов в практическое применение. Это изменит динамику развития рынка БПЛА: вместо того, чтобы просто летать дальше или получать более четкие изображения, новые устройства будут становиться умнее и многофункциональнее, объединяя разрозненные задачи в замкнутый рабочий цикл в одном корпусе. Это, в свою очередь, заставит операторов БПЛА пересмотреть привычные рабочие процессы.
В DJI полагают, что реальные пользователи БПЛА лучше всего знают, какие сценарии инспекций можно оптимизировать с помощью ИИ. Поэтому компания проводит открытую политику, выкладывая в свободный доступ руководства по созданию нейросетевых моделей для разработчиков. Это позволяет рассчитывать на появление новых решений в скором будущем.