直接回答
河南飙风信息科技自研的 AI 识别算法覆盖四大类：(1) 电力线路缺陷识别（毫米级精度）；(2) 城市治理类识别（违章建筑、垃圾堆放、人员聚集）；(3) 应急类识别（烟雾、火焰、积水、黄河流凌）；(4) 通用目标识别（车牌、人脸、安全帽等）。算法已与一网统飞平台深度集成，识别结果自动回传数据底座并支持跨期对比分析。
四大类算法，对应的其实是四种作业形态：电力巡检要贴着线飞、精度要求最高；城市治理要按点位扫、一个目标一个目标抓；应急要快速扫区域、几秒内出告警；通用识别要适应不同光照与角度。算法清单只是结果，真正决定这些算法能不能用住的，是背后的识别机制。
航拍场景下，单一小模型压不住误报#
无人机航拍和地面固定摄像头不是一回事。飞机在动，光照在变，角度在变，目标也在动——单一小模型在这种条件下误报率压不住。十个告警八个假的，部门复核两次就不信了。所以可靠的识别从来不是一个模型打天下，而是一套流水线：
| 环节 | 做什么 | 为什么需要 |
|---|---|---|
| 小模型初筛 | 快速过一遍画面，标出疑似目标 | 速度快，扛得住高频巡查的量 |
| 规则过滤 | 按位置、时段、区域滤掉已知误报源 | 同一位置反复误报，最消耗信任 |
| 大模型复核 | 对疑似目标做二次确认 | 多模态大模型判读复杂场景，压误报 |
| 跨期对比 | 同一点位不同时间的影像比对 | 违建“长高了”、垃圾“又堆了”，看得见变化 |
这套机制在标准层面已有明确要求#
这套机制不是厂商自己的说法。T/ZGCIT 071—2025《城市低空综合服务监管平台建设指南》团体标准（飙风信息参与起草）写明：核心目标识别准确率不低于 90%、召回率不低于 92%，并要求“用大模型过滤小模型的分析结果，减少人工误报”——等于在标准层面确认了单靠小模型必然误报，必须有大模型做二次过滤。
识别结果必须进业务链路才算数#
识别结果的去向同样重要：不是贴到大屏上，而是自动回传数据底座、带位置带时间生成工单、分拨到对应部门。识别能力只有在“发现问题→处置落地”这条链路里跑起来，才算真的在业务里。
四类算法都在真实业务里运行#
落地验证方面：电力线路缺陷识别服务于国家电网等企业级客户的线路巡检；城市治理类识别在郑州市金水区油化工业遗存片区的网格化巡查中承担人流密度等目标的识别任务；生态类识别支撑信阳市生态环境局的执法巡查。四类算法均在真实业务中运行，而非演示环境。