双机协同低空任务场景复杂地形 · 动态链路 · 边缘智能感知
蓝调科幻 × 轻军事风
CHINA COLLEGIATE COMPUTING CONTEST · 2026
MISSION SYSTEM ONLINE
LINK · ADAPTIVE
MODE · CO-INFERENCE
双锋猎鹰TACTICAL EDGE INTELLIGENCE
面向低算力无人机边缘平台，以结构感知模型切割聚合双机算力，以 CAST V2 适应动态无线链路，并通过 LoRa 心跳与轻量模型接管保障任务持续在线。
双机协同分载前端特征提取 + 后端融合检测
链路自适应CAST V2 根据通信质量动态调节
异常可接管LoRa 心跳驱动轻量模型切换
Scroll
LOW-ALTITUDE INTELLIGENCE
低空任务，正在从“空中采集”走向“机载智能”
在电力巡检、应急救援、边境巡护、交通监测、灾害评估与目标搜索等场景中，无人机正从单纯的数据采集平台，演进为集感知、计算、通信与任务响应于一体的空中智能节点。
传统“空中采集—数据回传—地面处理”模式依赖持续、稳定的高带宽链路；而单机机载推理又受到功耗、散热、内存与算力限制。“双锋猎鹰”因此提出“增强协同 + 轻量自主”的弹性感知路径。
01
协同增强
通过结构感知切割，将 YOLO26m 分为前后端两部分，在两台边缘设备之间协同运行，突破单机算力瓶颈。
02
链路自适应
细腰化模型 + CAST V2 策略，使系统能够根据链路质量动态调整传输特征的数据量与质量。
03
弹性接管
借助 LoRa 独立心跳监测与轻量 YOLO26n，在协同失效时自动切换到单机检测，保证持续输出。
04
结果可回传
检测结果、运行状态与异常信息可回传至地面站，为任务决策与可视化指挥提供支撑。
WHY IT MATTERS
低空边缘智能，真正难在多重约束同时存在
算力不足、特征体量、网络结构依赖与链路波动并非彼此独立：优化其中一项，往往会把压力转移到另一项。系统必须在精度、时延、通信与任务连续性之间进行整体权衡。
算力受限
Jetson Nano 等低功耗平台难以直接稳定承载较大检测模型，实时性与模型规模天然冲突。
特征传输过大
中间特征并不天然“轻”，层 10 的 P3/P4/P5 FP16 特征合计约 8.20 MB，远高于同尺寸 JPEG 图像。
结构依赖强
YOLO Neck 对多尺度特征依赖敏感，通信压缩不能简单粗暴地“扔掉某个尺度”，否则会破坏后端输入结构。
任务不能中断
低空链路会随距离、姿态和环境发生波动，因此系统必须具备异常检测、弹性降级与自主接管能力。
ELASTIC CO-INFERENCE
双机协同增强，单机自主兜底
以结构感知切割聚合两台边缘节点的算力，以 CAST V2 适应动态链路，再由 LoRa 心跳与 YOLO26n 完成异常接管，构成“协同增强—弱链路降级—异常接管—稳定恢复”的完整闭环。
僚机 · 前端节点
Feature Extractor
完成图像采集与 Backbone 特征提取，输出完整的 P3 / P4 / P5 边界张量。
CAST V2Channel-Adaptive Scalable Transmission
长机 · 后端节点
Neck + Detect
恢复三尺度输入，继续完成 FPN/PAN 融合、目标检测与结果回传。
LoRa HEARTBEAT · INDEPENDENT CONTROL LINK
Layer 10Backbone—Neck 自然边界
0.95候选点均衡度
YOLO26n协同失效时预加载接管
WiFi / 4G / 5G结果回传至综合地面站
CORE INNOVATIONS
四项核心创新，构成一条完整证据链
先选择结构上正确的切割边界，再从模型结构层面压缩传输规模，随后让特征质量随链路变化，最后以独立心跳与轻量模型保障任务连续性。
结构感知切割点选择算法
解析跨层连接与保存特征，将结构完整性设为硬约束，再综合计算均衡、通信开销、工程复杂度与流水线效率进行评分。在 12 个 YOLO 变体中识别 276 个候选点，最终推荐 YOLO26m 在层 10 后切分。
94.98均衡评分100结构评分77.58综合得分
细腰式原生窄口
在训练阶段同步考虑协同传输，将层 8、9、10 的通道由 512 缩窄至 256，形成紧凑的原生边界接口，无需额外引入 Encoder / Decoder。
19.31M参数量0.9243[email protected]
LoRa 异常检测与弹性接管
高速数据链路负责特征传输，低速 LoRa 链路专职状态核验。协同链路异常后自动切换至 YOLO26n 单机检测，链路稳定恢复后再回到增强协同。
CAST V2：降质量，不破坏结构
由 CAST V1 的“按尺度丢弃”迭代为 V2 的“三尺度恒在场”。链路变差时只降低数值精度与空间细节，不直接移除 P3 / P4 / P5，使后端 Neck 始终获得结构一致的输入。
CAST V2
不是简单压缩，而是链路感知的传输编排
CAST V2 将特征结构完整性作为前提，在不同带宽状态下动态选择不同传输档位，让协同推理在弱链路中依然可用。
C1 / FP16
保留完整 P3 / P4 / P5 FP16 特征，适用于高带宽近距离协同链路。
传输载荷8200.05 KB
阶段性置信度0.8026
在项目阶段性复测中，C1—C4 均实现 1/1 目标匹配；即使在最弱的 C4 档位下，也能保持 0.7332 的可检测保底置信度。
MISSION ANIMATION双锋猎鹰
双锋猎鹰
协同任务动画演示
动画以双机编队进入任务空域为主线，依次呈现区域搜索、目标接近、协同感知与任务响应，用更直观的方式说明“双机协同增强、链路自适应、异常可接管”的工作逻辑。
02
演示内容
编队搜索 · 协同感知 · 目标响应
视频呈现两架无人机在复杂地形上空执行协同任务：前端节点持续获取区域特征，后端节点完成融合分析与目标确认，并通过任务链路形成联动响应。
DUAL NODE双机协同REAL-TIME动态感知TACTICAL任务联动
说明：本视频为系统应用场景与任务流程的概念动画，用于辅助说明总体设计思路，不等同于全部功能均已完成实机闭环验证。
双机协同
目标接近
任务效果REAL-WORLD PROTOTYPE
从算法、协议到板卡与无人机，完成原型闭环
项目已完成前后端模型封装、CAST 传输、LoRa 心跳、地面站可视化、Jetson 双机验证及机载任务载荷集成设计，使核心方法能够落到真实硬件与通信链路上。
