基于深度学习的反无人机技术
无人机技术的发展十分迅速，从美军无人机的使用到现在无人机在民用等多领域的普及，无人机成为一种新潮流。随之也带来很多新的问题，无人机险撞战机等事件更是给人们敲响警钟。
目前反无人机技术研究
建立完善的反无人机系统，引入深度学习对无人机进行识别，及时发现黑飞无人机并采取相应的报警、反制措施，从而实现对无人机的全面监管，是现阶段反无人机技术的发展方向。
常规的对抗无人机威胁的方法包括摧毁发射平台、伪装欺骗、电磁干扰、直接火力打击等。如果无人机单独执行任务或仅有几架编队作战，宜采用常规对抗手段。但当采用蜂群战术的大编队无人机群来袭时，留给作战人员及系统的反应时间极短。传统防空武器系统是zui常用的反无人机武器，可部署于空基、海基和陆基平台。但这些武器对于微小型无人机而言是一种过度杀伤，存在极大的成本不对称问题。且这些系统体积庞大，无法抵御小型、廉价无人机集群的入侵。
通过探索和研究，和普威视自主研发生产了低空预警跟踪光电系统和激光识别反无人机系统。专为城市低空危险飞行器预警防预设计，特别是目前应用越来越广泛，存在潜在危险的低成本微型无人机监控预警所开发的安防产品。二者都是基于高清激光摄像和红外热成像探测感知技术，融合伺服光电转台和图像识别跟踪技术，立足于城市高点，单台设备可覆盖方圆10km范围。对城市安全健康发展起到至关重要的作用。
本系统融合*的DOE光学红外热像点目标跟踪探测技术、高清激光扫描面目标图像识别算法技术、万次微脉冲高精度伺服驱动光电转台技术，使其可在常规模式下载监控的同时，对低空、低速飞行的小型无人机进行探测、分类和跟踪等功能。可以自主扫描探测、雷达联合探测、手动扫描探测多种方式执行反无人机任务，对微型无人机作用距离达到2km，对720度立体空间范围内的轻型飞机探测识别距离可达10km，对微型无人机可达2km，跟踪角度速度达200度/秒，可捕捉跟踪30米/秒的微型无人机和340米/秒以上的超音速飞机。超过英国的反无人飞行器防御系统(AUDS)的1km水平，达到*水平。
反无人机技术的发展前景
目前的技术方法仍存在局限性，灵活性不足，精度也亟待提高。因此，提出一种基于深度学习的无人机识别算法是未来反无人机技术发展的关键所在，如建立视觉传感网，用于无人机的图像捕捉和信息存储；通过训练一个基于神经网络的学习网络，得出一个的识别模型，实现无人机和非无人机间的分类等。