据悉，Laser Raptor这架新的自动六角无人机在白天，会被预先设定一条覆盖搜索区域的飞行路线。到了晚上，无人机将激光照射到土壤上，来搜寻化石。如果在被扫描的区域有化石存在，那么经无人机扫描、照射到的独特的矿物含量会发出荧光，而周围的岩石和土壤仍旧保持黑暗。目前，Laser Raptor已经在亚利桑那州和怀俄明州的荒地上成功完成测试。

　　近年来，利用无人机作为飞行平台搭载各种重量轻、体积小、数字化、探测精度高的新型传感器和小型化机载设备，结合各种学科知识和先进技术，形成了无人机航测遥感系统、无人机航磁系统等，开始应用在地质工作各领域中。

       该人工智能系统以一种数据驱动的方法，通过实时信号精确检测叶片结冰情况，这样除冰过程可缩短响应时间并自动启动。该团队的系统WaveletFCNN，是基于傅里叶卷积神经网络（FCNN），一种用于时间序列分类的全卷积神经网络。它通过小波的系数来增强，小波的振幅从0开始，然后逐渐增大，最后减小到0。在测试中，WaveletFCNN在85个数据集中有64个数据优于最先进的人工智能系统，随后它被用于检测从风力发电场收集到的异常信号。 

　　早在2016年3月，我国首款智能水下无人机“白鲨”就正式落地。借助水下无人机，不仅可以拍摄高清图像和视频，为人们展现高清的水下世界，通过结合声呐能技术准确探测出一定范围内鱼群分布、大小、深度等状况，以及水深、水温和水底地形地貌信息等，为考察海洋生物多样新和海底地质科研提供帮助。

　　研究人员首先训练WaveletFCNN对时间序列进行分类。一系列按时间顺序编入索引的数据点，由通用传感器生成的输入数据记录风速、内部温度、偏航位置、俯仰角、功率输出以及其它天气和涡轮条件。然后，他们设计了一个二级组件，异常监测算法，来探测冻结叶片数据中的信号。在对风力涡轮机制造商金风公司的数据进行的一组仿真中，WaveletFCNN的预测精度为81.82%，而原始FCNN分类器的预测精度为65.91%。 

　　推广无人机地质灾害救援技术，可以预知地质灾害风险，排除隐患。利用无人机，在震后迅速进入灾区航拍，实时传回更清晰的图像，成本低、易操纵、反应快，对大面积区域震害调查效率更高。在此基础上，专家可以作出更准确地研判。

 　　他们并不是第一个用人工智能检测风力涡轮机损坏的公司。上海和西雅图的Clobotics公司也正在开发一种使用拍照无人机的平台，该平台可将数据提供给识别受损部件的机器学习模型。 

　　在趣味应用方面，无人机也同样没有“缺席”。在无人机帮助训练宠物这一场景，业内人士已经进行了诸多探索。通过在无人机上配备有探测宠物哭泣或狂吠的麦克风、探测宠物是否发烧的温度传感器，就可以帮助伺养者在离家期间照顾宠物。此外，如果借助相机追踪宠物的活动范围，也能判断宠物的活动踪迹。

       研究人员承认，像WaveletFCNN这样的人工智能模型有时与较小的训练语料库的对应过于紧密，并表示，针对每台涡轮机的训练分离模型可以更好地解释气候和工作状态的变化。他们相信该系统和其它类似的系统能够帮助防止涡轮机因结冰而受损，他们计划在未来将其应用于现实世界的风力发电场。

　　归根到底，无人机是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器，也是避免人员伤亡的飞机。在军事上，无人机可以被用于侦察、通信、反潜、电子对抗和对地攻击；在民用上，无人机可以被用来大地测量、气象观测、资源勘探、森林防火和人工降雨；在科研上，无人机可以被用来完成大气取样、新技术研究验证等。